01 客戶需求

某鋼鐵企業(yè)數(shù)智化部門希望能引進(jìn)一套具有實(shí)用價(jià)值的設(shè)備在線監(jiān)測(cè)與故障診斷預(yù)警系統(tǒng)，減少現(xiàn)場(chǎng)設(shè)備日常運(yùn)維壓力，提高數(shù)智化水平，有效降低突發(fā)停機(jī)事件；用事前預(yù)防代替事后緊急維修，用智能決策代替主觀經(jīng)驗(yàn)。

02 技術(shù)方案

本項(xiàng)目處于焦化廠區(qū)（防爆區(qū)），6臺(tái)煤氣鼓風(fēng)機(jī)出廠時(shí)已經(jīng)安裝了軸振、溫度等監(jiān)測(cè)保護(hù)傳感器，但在齒輪箱、液力耦合器、電機(jī)部位沒有安裝監(jiān)測(cè)和保護(hù)性質(zhì)的傳感器。結(jié)合現(xiàn)場(chǎng)產(chǎn)線設(shè)備類型、設(shè)備結(jié)構(gòu)、運(yùn)行工況和監(jiān)測(cè)需求，外加無線智能振動(dòng)溫度復(fù)合傳感器，采集設(shè)備的振動(dòng)和溫度數(shù)據(jù)。

納入設(shè)備在線監(jiān)測(cè)與故障診斷系統(tǒng)的設(shè)備包括鼓風(fēng)機(jī)、齒輪箱、液力耦合器和電機(jī)，每臺(tái)傳動(dòng)設(shè)備上安裝無線智能振溫復(fù)合傳感器，其中鼓風(fēng)機(jī)兩側(cè)的軸位移信號(hào)、支撐軸承溫度、風(fēng)機(jī)轉(zhuǎn)速等信號(hào)一起接入到IEM-Cloud設(shè)備監(jiān)測(cè)與故障診斷AI系統(tǒng)。通過多參量數(shù)據(jù)融合分析與算法，提高故障診斷的精度和速度，為設(shè)備管理提供了更為科學(xué)的依據(jù)。

系統(tǒng)架構(gòu)圖

03 現(xiàn)場(chǎng)施工

通過現(xiàn)場(chǎng)考察了解到鼓風(fēng)機(jī)的傳動(dòng)結(jié)構(gòu)是電機(jī)→液力耦合器→齒輪箱→鼓風(fēng)機(jī)，通過和業(yè)主方深入溝通最終確定了傳感器安裝方案。通過部署VB43無線智能溫振復(fù)合傳感器實(shí)現(xiàn)傳感器24小時(shí)在線監(jiān)測(cè)，定期采集振動(dòng)數(shù)據(jù)至客戶服務(wù)器端。

現(xiàn)場(chǎng)安裝測(cè)點(diǎn)示意圖

現(xiàn)場(chǎng)安裝圖

現(xiàn)場(chǎng)安裝圖

現(xiàn)場(chǎng)安裝圖

現(xiàn)場(chǎng)安裝圖

部分現(xiàn)場(chǎng)安裝圖片

04 智能診斷

IEM-Cloud設(shè)備監(jiān)測(cè)與故障診斷AI系統(tǒng)基于捷杰傳感自研APEF報(bào)警算法（發(fā)明專利）、智能診斷機(jī)理模型和AI算法，系統(tǒng)能對(duì)海量數(shù)據(jù)進(jìn)行深度挖掘和智能解讀，對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行診斷和預(yù)測(cè)，24小時(shí)不間斷地對(duì)設(shè)備狀態(tài)進(jìn)行全面監(jiān)控，實(shí)時(shí)預(yù)警潛在故障風(fēng)險(xiǎn)，確保生產(chǎn)連續(xù)穩(wěn)定進(jìn)行，從而提高企業(yè)的生產(chǎn)效率，降低經(jīng)濟(jì)損失。

·APEF智能預(yù)警

設(shè)備一旦發(fā)生故障，相應(yīng)的特征值都會(huì)相較于正常狀態(tài)下有一定的增長(zhǎng)，增長(zhǎng)的程度取決于故障的嚴(yán)重程度，自適應(yīng)邊緣保持濾波算法（APEF）預(yù)警技術(shù)將采集到的特征值進(jìn)行回歸擬合，計(jì)算一定時(shí)間段內(nèi)特征值的增長(zhǎng)率，當(dāng)特征值增長(zhǎng)率超過相應(yīng)閾值則觸發(fā)報(bào)警。相較于傳統(tǒng)的閾值預(yù)警方法，APEF可以發(fā)現(xiàn)由于工況影響或閾值設(shè)置不合理造成的漏報(bào)警，避免了由于漏報(bào)警而造成的嚴(yán)重?fù)p失；另外，自適應(yīng)邊緣保持濾波算法（APEF）預(yù)警也可以在更早期發(fā)現(xiàn)故障，將故障造成的損失降到最低。

APEF濾波數(shù)據(jù)圖

·智能診斷機(jī)理與模型

本地化部署的報(bào)警模型能夠及時(shí)發(fā)現(xiàn)設(shè)備的運(yùn)行狀態(tài)異常，而進(jìn)一步的定位及判斷異常原因、部位需要提取更深層次的特征信息。針對(duì)不同設(shè)備部件的故障類型，結(jié)合故障機(jī)理、專家經(jīng)驗(yàn)和多年積累的大量故障案例，建立了相應(yīng)的故障智能診斷模型，可實(shí)現(xiàn)對(duì)設(shè)備成熟故障的智能診斷，系統(tǒng)不依賴于診斷分析師能自動(dòng)提供相應(yīng)的自診斷結(jié)論和處理建議，為現(xiàn)場(chǎng)人員的檢維護(hù)提供決策依據(jù)。

診斷結(jié)果圖

設(shè)備健康綜合評(píng)分

05 結(jié)語(yǔ)

在客戶現(xiàn)場(chǎng)只用3天便成功部署所有智能硬件和IEM-Cloud設(shè)備監(jiān)測(cè)與故障診斷AI系統(tǒng)，調(diào)試完成并獲得客戶初步驗(yàn)收。這個(gè)系統(tǒng)的投入使用將為設(shè)備穩(wěn)定運(yùn)行提供有力的數(shù)據(jù)支撐，將大大減少意外停機(jī)，緩解設(shè)備運(yùn)維和使用安全的壓力。