在时变转速条件下,轴承振动信号表现出很强的非平稳性。此外,微弱的轴承故障特征往往淹没在强背景噪声中。如何从非平稳振动信号中准确提取未知故障特征是轴承故障诊断的首要问题。
齿轮系统状态监测的主要目的是,在故障发生之前,通过检测部件(例如轮齿)的劣化,促进基于状态的维修(CBM),故障可能导致整个齿轮系统故障,并降低系统可用性。振动监测的作用是检测与结构完整性或振动状态变化相关的任何振动
本文描述了一种利用驱动齿轮箱的感应电机测得的相位电流来识别局部轮齿缺陷(如点蚀)的方法。基于多尺度熵(MSE)算法SampEn的一种新的异常检测工具,它允许在多个时间尺度上识别信号中的相关性。电机电流特征分析(MCSA)结合主成分分析(PCA),并将观察值与使用名义健康数据建立的模型预测值进行比较。仿真结果表明,该方法能够检测电流信号中的齿轮点蚀。
深度学习的必要性:智能制造背景下,机械设备趋于复杂庞大,海量、多源、高维度、非结构的工业数据给系统管理监测带来更大难度,设备的故障诊断与预测更显重要。传统故障诊断与预测方法难以建立准确的数据模型,在设备故障诊断预测应用方面受到很大局限,深度学习以其强大的自主学习非线性数据表示和模式识别的能力在许多领域都有重大突破,在工业设备的故障诊断与预测领域也得到广泛关注。
轴承广泛应用于经济的各个领域。在国民经济中,他们主要涉及农业、采矿业、制造业、电力、热力、水生产和建筑业、交通运输、邮政服务等许多行业。它们用于汽车、农业机械、工业生产(加工工具)、矿山钻机、制造业纺织机械、建筑业起重机、各种传动装置等。轴承行业作为机械工业的基础和支柱,其发展水平往往代表或制约着一个国家机械工业及其他相关产业的发展水平。
1、正常状态频谱显示1X和2X转速频率和齿轮啮合频率GMF。 2、齿轮啮合频率GMF通常伴有旋转转速频率边带。 3、所有的振动尖峰的幅值都较低,没有自振频率。
本文整理了十五种常见的振动故障及其特征频谱: 不平衡,不对中,偏心转子,弯曲轴,机械松动,转子摩擦,共振,皮带和皮带轮,流体动力激振,拍振,偏心转子,电机,齿轮故障,滚动轴承,滑动轴承。
通过大数据分析能够有效发现问题间的关联性,但对于挖掘问题之间的因果性却相对乏力,而后者恰恰是工业领域实现智能化转型的关键。要实现对于问题因果性的挖掘,就需要结合工业机理知识,在深入了解系统结构和运行逻辑的基础上进行分析及预测。具体到应用的关键点,最核心的一部分是故障预测与健康管理(PHM)。
没有账户,需要注册
基于高度自动化的物流、仓储及柔性加工制造能力基础上,以建设产线主控系统为核心,与上下层信息系统 高度集成、协同的智能信息化管理平台。通过车间产线管控系统的建设,实现数字化工厂车间协同运营,让生产变得更有序、可控。使增材中心能够对订单实现快速响应、高效协同、快速交付高质量产品的能力,同时,促进智能化增材制造全产业的链协同发展。 n 提高产线自动化程度 n 提升车间整体运行可靠性 n 提升车间生产执行管理能力 n 生产全过程可视化 n 提升设备的精细化管理 n 加强车间能耗分析管控 n 生产运营一体化分析展示
中服云DTU是一款专门为自动化,信息化,物联网等应用而开发的高性价比物联网网关,具有透传、边缘采集,数据定时上报,数据变化上报,远程反控制等功能。
将企业大量、重复财务核算从企业个体中抽出集中到一个新的自主业务单元(共享服务中心SSC),共享服务中心通过市场化运营机制提供计费服务,设有专门的管理机构,目的是提高效率、创造价值、节约成本以及提高对客户服务的质量。
5G, 助力工业园区智慧化升级, 满足不同用户应用场景需求, 高便捷、 快响应、 超高速、 高可靠 5G结合新一代信息化技术, 实现与园区不同智慧应用场景需求深度结合、 沉浸式智慧应用
如今信息化应用深入到一定程度,已经从单元工具使用进入 集成和协同阶段,自然而然就将管理过程和生产流程的优化提 到议事日程。数字化网络可以把我们所使用的工具、手段、 人的能力通过集成和协同的方式达到最佳和最优。
园区已成为践行“两化融合及四化同步”的重要载体。因此,发挥信息化在资源优化配置、生产方式变革、管理创新等方面的引擎作用,建设智慧型现代园区,成为新时期园区建设及提档升级的重要任务。 伴随着各地区园区发展壮大,信息化对园区推动作用日益明显,园区信息化水平也在不断提升。信息化成为园区品牌推介的主要手段,也成为提高管理水平,提升企业运行效率有效途径。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
分享奖励活动