疲勞駕駛狀態(tài)監(jiān)測的案例
基于車輛運(yùn)行數(shù)據(jù)的疲勞駕駛狀態(tài)檢測分析
疲勞駕駛數(shù)據(jù)的判斷規(guī)則為：當(dāng)某段時(shí)間持續(xù)上報(bào)疲勞駕駛相關(guān)的行為預(yù)警時(shí)， 專家根據(jù)上報(bào)的圖片和視頻再判斷該段時(shí)間司機(jī)是否為疲勞駕駛。
若是， 則為這段時(shí)間打上疲勞駕駛的標(biāo)簽.若未出現(xiàn)預(yù)警信息， 則為這段時(shí)間打上清醒狀態(tài)的標(biāo)簽. 基于時(shí)間段標(biāo)簽，將車輛運(yùn)行狀態(tài)數(shù)據(jù)切分為疲勞狀態(tài)數(shù)據(jù)和清醒狀態(tài)數(shù)據(jù). 不同狀態(tài)數(shù)據(jù)最后再以 1 分鐘的時(shí)長切割為一個(gè)樣本.
(3) 構(gòu)建疲勞駕駛檢測模型.
基于疲勞駕駛樣本與清醒狀態(tài)樣本， 構(gòu)建二分類模型，使得可基于 CAN采集的車輛運(yùn)行數(shù)據(jù)識別出疲勞駕駛，從而可在司機(jī)駕駛過程中，對疲勞狀態(tài)進(jìn)行預(yù)警，以提高駕駛安全.
2
求解算法
本文基于車輛運(yùn)行數(shù)據(jù)， 構(gòu)建疲勞駕駛檢測模型，主要分為以下幾個(gè)步驟：首先從樣本數(shù)據(jù)中提取駕駛行為特征，包括司機(jī)對車速、油門踏板開度、剎車踏板開度、轉(zhuǎn)彎等的操作特征；
再通過分析各個(gè)特征之間的相關(guān)關(guān)系以及特征與是否疲勞的關(guān)系；最后， 采用隨機(jī)森林(Random Forest)算法對疲勞駕駛數(shù)據(jù)進(jìn)行判別，達(dá)到預(yù)警的目的. 整體的模型框架如圖 2所示.
2.1 數(shù)據(jù)樣本描述
數(shù)據(jù)源來自 某公交公司同一條線路， 通過詢問 3 名公交司機(jī)來人工篩選出其疲勞駕駛和清醒狀態(tài)駕駛的 CAN數(shù)據(jù)(車輛運(yùn)行狀態(tài)數(shù)據(jù))， 數(shù)據(jù)采集間隔為0.2 s. 時(shí)間窗口設(shè)定為1 min，收集到的樣本數(shù)如表1 所示.
展開 全面解讀設(shè)備狀態(tài)監(jiān)測
維護(hù)利器——設(shè)備狀態(tài)監(jiān)測
設(shè)備狀態(tài)監(jiān)測，即對運(yùn)行中的設(shè)備的振動(dòng)、噪聲、溫度、相對濕度、環(huán)境壓力等狀態(tài)參數(shù)實(shí)施定期或連續(xù)監(jiān)測，并對有關(guān)參數(shù)加以分析，從而有效地對設(shè)備運(yùn)行狀態(tài)進(jìn)行系統(tǒng)自動(dòng)監(jiān)測分析或人工分析。
通過設(shè)備狀態(tài)監(jiān)測，我們可以解決設(shè)備各種監(jiān)控?cái)?shù)據(jù)的復(fù)雜性，狀態(tài)動(dòng)態(tài)變化帶來的不確定性，監(jiān)控采樣的非連續(xù)性，以及與上層系統(tǒng)進(jìn)行通訊集成等問題，滿足對部件疲勞程度診斷、機(jī)械摩擦磨損、機(jī)械沖擊、滾動(dòng)軸承損壞、部件過熱等不同設(shè)備健康狀況問題的實(shí)時(shí)預(yù)警，避免發(fā)生事故，保障設(shè)備安全運(yùn)行，而且還可以對故障加以預(yù)測，指導(dǎo)制定合適的維護(hù)計(jì)劃，幫助業(yè)主完全避免過度維修，節(jié)約大量設(shè)備維護(hù)成本。
通過設(shè)備狀態(tài)監(jiān)控獲得的過程數(shù)據(jù)，也是設(shè)備總體效率(OEE)優(yōu)化和工業(yè)物聯(lián)網(wǎng)(IIoT)實(shí)現(xiàn)的關(guān)鍵因素，是實(shí)現(xiàn)智能且靈活生產(chǎn)的基礎(chǔ)之一。據(jù)不完全統(tǒng)計(jì)，
在工廠通用設(shè)備監(jiān)控應(yīng)用中，這一技術(shù)通過監(jiān)控機(jī)械零部件減少停機(jī)實(shí)際從而提升產(chǎn)率，可以為企業(yè)帶來生產(chǎn)率增加2%~40%;
在自動(dòng)輸送帶應(yīng)用中，這一技術(shù)通過識別并記錄不良部件進(jìn)而精準(zhǔn)控制維護(hù)周期，設(shè)備壽命可延長1~10倍，備件庫存減少10%~60%;
在沖壓設(shè)備和升降梯的監(jiān)控應(yīng)用中，可以減少突發(fā)性停機(jī)和耗能，能量消耗減少5%~15%，過程停機(jī)減少多達(dá)70%……。
展開 自動(dòng)駕駛人機(jī)交互 [五]：駕駛員狀態(tài)監(jiān)控
作者 | HYZY
來源 | 焉知
知圈 | 進(jìn)“HMI社群”請加微信15221054164，備注HMI
一、基本概念
駕駛員狀態(tài)監(jiān)控系統(tǒng)DMS（Driver Monitor System）屬于自動(dòng)駕駛人機(jī)交互的一部分，其使用攝像頭獲取的圖像及其它車身傳感器輸入的數(shù)據(jù)，通過視覺跟蹤、動(dòng)作識別等技術(shù)監(jiān)測駕駛員的駕駛行為和生理狀態(tài)，當(dāng)判斷駕駛員不在場或處于非正常駕駛狀態(tài)時(shí)（疲勞、分心等），自動(dòng)駕駛系統(tǒng)向駕駛員發(fā)出報(bào)警或執(zhí)行其它安全策略，以確保車輛運(yùn)行安全。
圖 1 駕駛員狀態(tài)監(jiān)控DMS
從技術(shù)原理上，駕駛員狀態(tài)監(jiān)控系統(tǒng)DMS可分為直接監(jiān)控和間接監(jiān)控兩種類型：
直接監(jiān)控：通過傳感器獲取駕駛員頭部運(yùn)動(dòng)、面部運(yùn)動(dòng)、眼部運(yùn)動(dòng)、心電或腦電等直接表征駕駛員狀態(tài)的信號，用以判斷駕駛員的狀態(tài)；
間接監(jiān)控：通過獲取駕駛員的駕駛行為信號及相關(guān)車輛狀態(tài)信號，間接判斷駕駛員狀態(tài)。
直接監(jiān)控方式可獲取更多的駕駛員狀態(tài)信息，且隨著相關(guān)視覺技術(shù)的進(jìn)步，其判斷結(jié)果可信度也不斷提升，多用于自動(dòng)駕駛系統(tǒng)的人機(jī)交互。間接監(jiān)控方式可獲取的駕駛員狀態(tài)信息有限，通?？捎糜?em>駕駛員駕駛風(fēng)格判斷及整車駕駛模式匹配。
二、駕駛員狀態(tài)定義
駕駛員狀態(tài)監(jiān)控系統(tǒng)DMS可識別的駕駛員狀態(tài)見下圖2。
展開 設(shè)備運(yùn)行狀態(tài)監(jiān)測系統(tǒng)的應(yīng)用
河北云酷科技有限公司針對工業(yè)設(shè)備狀態(tài)監(jiān)控管理中存在諸多問題，提出以信息技術(shù)賦能傳統(tǒng)管理業(yè)務(wù)的管理思路?；谖锫?lián)網(wǎng)技術(shù)，通過音頻傳感器實(shí)現(xiàn)設(shè)備音頻數(shù)據(jù)的遠(yuǎn)程采集；利用信號解析技術(shù)，提取音頻數(shù)據(jù)關(guān)鍵指標(biāo)信號；利用信號分析及AI神經(jīng)網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測和設(shè)備故障的早期預(yù)警；同時(shí)輔以振動(dòng)和溫度傳感器，使管理人員和作業(yè)人員隨時(shí)隨地掌握設(shè)備運(yùn)行狀態(tài)，幫助企業(yè)用戶提升生產(chǎn)效率，保證生產(chǎn)安全，優(yōu)化生產(chǎn)決策。
設(shè)備狀態(tài)監(jiān)測系統(tǒng)創(chuàng)新點(diǎn)
1. 利用物聯(lián)網(wǎng)技術(shù)進(jìn)行設(shè)備狀態(tài)監(jiān)測。
基于物聯(lián)網(wǎng)傳感器的設(shè)備監(jiān)測系統(tǒng)實(shí)現(xiàn)對設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測，提高設(shè)備運(yùn)行的可靠性。
2. 利用聲音對設(shè)備故障告警和診斷。
到目前為止，發(fā)電行業(yè)的設(shè)備故障告警與診斷多數(shù)以振動(dòng)監(jiān)測為主。本系統(tǒng)將設(shè)備聲音作為設(shè)備故障預(yù)警與診斷的主要依據(jù)，與振動(dòng)監(jiān)測相比靈敏度更高，可遠(yuǎn)程監(jiān)聽，適應(yīng)性廣，作用更大。
3. 使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相結(jié)合技術(shù)作為分析工具。
目前已有的設(shè)備故障告警與診斷系統(tǒng)大多采用傳統(tǒng)的機(jī)器學(xué)習(xí)模式，不能適應(yīng)不斷變化的生產(chǎn)環(huán)境，適應(yīng)性不強(qiáng)。本系統(tǒng)采用機(jī)器學(xué)習(xí)技術(shù)，具有模型自主學(xué)習(xí)，自完善的能力，異常識別更加精準(zhǔn)，提高設(shè)備穩(wěn)定運(yùn)行。
設(shè)備狀態(tài)監(jiān)測系統(tǒng)功能
1. 綜合展現(xiàn)
查看設(shè)備的實(shí)時(shí)指標(biāo)信息、AI分析結(jié)果、音頻數(shù)據(jù)曲線等狀態(tài)監(jiān)控?cái)?shù)據(jù)。用戶在關(guān)注某一具體設(shè)備的同時(shí)，可以通過“設(shè)備整體監(jiān)測界面”查看本廠所有設(shè)備的相關(guān)信息。
2. 設(shè)備狀態(tài)診斷
系統(tǒng)會(huì)基于設(shè)備音頻數(shù)據(jù)、數(shù)值指標(biāo)數(shù)據(jù)，基于后臺AI分析模型實(shí)時(shí)計(jì)算設(shè)備當(dāng)前安全系數(shù)。當(dāng)系統(tǒng)識別為設(shè)備狀態(tài)異常時(shí)，系統(tǒng)自動(dòng)激活故障識別匹配算法，給出歷史故障的匹配結(jié)果。
3. 設(shè)備音頻分析
用于設(shè)備音頻監(jiān)控指標(biāo)的實(shí)時(shí)監(jiān)聽、歷史對比、音頻可視化展現(xiàn)分析等業(yè)務(wù)?？蓪⒁纛l解析為波形圖、頻譜圖、時(shí)譜圖等多種展現(xiàn)方式。
展開 
設(shè)備狀態(tài)監(jiān)測及故障預(yù)警技術(shù)介紹
制造業(yè)企業(yè)設(shè)備往往處于工況惡劣、不穩(wěn)定、負(fù)載重、連續(xù)運(yùn)行狀態(tài)，由早期故障發(fā)展而導(dǎo)致惡性事故頻頻，為了消除其故障隱患以避免安全事故發(fā)生，企業(yè)迫切需要新手段、新技術(shù)來實(shí)現(xiàn)故障的早期預(yù)警，防止惡性事故的發(fā)生。
目前設(shè)備狀態(tài)監(jiān)測及故障預(yù)警若干關(guān)鍵技術(shù)可歸納如下：
（1）揭示設(shè)備運(yùn)行狀態(tài)機(jī)械動(dòng)態(tài)特性劣化演變規(guī)律。設(shè)備由非故障運(yùn)行狀態(tài)劣化為故障運(yùn)行狀態(tài)，其機(jī)械動(dòng)態(tài)特性通常有一個(gè)發(fā)展演變過程。需揭示劣化過程及故障變化演變規(guī)律及發(fā)展特點(diǎn)，分析故障產(chǎn)生機(jī)理、發(fā)展原因和發(fā)展模式，構(gòu)建劣化演變機(jī)械動(dòng)態(tài)特性模型。
（2）提取設(shè)備運(yùn)行狀態(tài)發(fā)展趨勢特征。在役設(shè)備往往具有復(fù)雜運(yùn)行狀態(tài)，在長歷程運(yùn)行中工況和負(fù)載等非故障因素會(huì)造成信號能量變化，故障趨勢信息往往被非故障變化信息淹沒，需較大程度上消除非故障變化造成的冗余信息，進(jìn)而構(gòu)建預(yù)測模型。若提取到敏感特征分量因子及模式，有望實(shí)現(xiàn)典型部件及部位分析。
（3）低信噪比微弱信號特征早期故障的信號處理。早期故障信息具有明顯的低信噪比微弱信號的特征，為實(shí)現(xiàn)早期故障有效分析，涉及方法包括：多傳感系統(tǒng)檢測及信息融合，非平穩(wěn)及非線性信號處理，故障征兆量和損傷征兆量信號分析，噪聲規(guī)律與特點(diǎn)分析，以及相關(guān)數(shù)據(jù)挖掘、盲源分離、粗糙集等方法。
（4）故障預(yù)測模型構(gòu)建。構(gòu)建基于智能信息系統(tǒng)的設(shè)備早期故障預(yù)測模型，這類模型大致有兩個(gè)途徑，分別是物理信息預(yù)測模型以及數(shù)據(jù)信息預(yù)測模型，或構(gòu)建這兩類預(yù)測模型相融合的預(yù)測模型。
（5）運(yùn)行狀態(tài)劣化的相關(guān)評價(jià)參數(shù)、模式及準(zhǔn)則。如表征設(shè)備狀態(tài)發(fā)展的參數(shù)及特征模式，狀態(tài)發(fā)展評價(jià)準(zhǔn)則及條件，面向安全保障的決策理論方法，穩(wěn)定性、可靠性及維修性評估依據(jù)及判據(jù)等。
展開 狀態(tài)監(jiān)測與振動(dòng)測量的方向怎么選擇？
THEME
設(shè)備狀態(tài)監(jiān)測與振動(dòng)測量
設(shè)備的狀態(tài)監(jiān)測（condition monitoring）顧名思義就是對設(shè)備狀態(tài)的監(jiān)測監(jiān)控。目前廣泛使用的狀態(tài)監(jiān)測參數(shù)主要包括溫度、振動(dòng)、以及一些場合的噪聲。這些參數(shù)是被用以描述設(shè)備運(yùn)行狀態(tài)的因子。其中振動(dòng)作為信息量豐富，采集相對簡單等特點(diǎn)成為諸多狀態(tài)參數(shù)中使用最為廣泛的參數(shù)。
對于電機(jī)、齒輪箱等旋轉(zhuǎn)機(jī)械設(shè)備而言，設(shè)備的振動(dòng)狀態(tài)監(jiān)測十分常用，市場上各種狀態(tài)監(jiān)測軟件功能齊備，振動(dòng)信號的采集以及不同要求下的圖譜繪制功能豐富。設(shè)備工程師可以利用這些豐富的信息對設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)控、評估甚至故障診斷。
利用振動(dòng)信號對設(shè)備的狀態(tài)進(jìn)行監(jiān)控第一步就是振動(dòng)信號的采集。且不說振動(dòng)信號采集后的處理等環(huán)節(jié)，單獨(dú)就振動(dòng)傳感器的布置大致就有水平、垂直、軸向等。
展開 工業(yè)設(shè)備狀態(tài)監(jiān)測系統(tǒng)解決方案
隨著物聯(lián)網(wǎng)技術(shù)、智能信息處理技術(shù)的發(fā)展，電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)在網(wǎng)絡(luò)的支撐下實(shí)現(xiàn)了設(shè)備運(yùn)行狀態(tài)監(jiān)測和設(shè)備故障報(bào)警，使管理人員和作業(yè)人員隨時(shí)隨地掌握設(shè)備運(yùn)行狀態(tài)，保證設(shè)備安全穩(wěn)定運(yùn)行。
電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)簡介
基于物聯(lián)網(wǎng)技術(shù)，通過聲音傳感器采集設(shè)備的聲音數(shù)據(jù)，利用信號分析及AI技術(shù)，從中提取聲音特征值，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)監(jiān)測和設(shè)備故障報(bào)警。電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)原理框圖如圖所示。
電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)功能
1、綜合展現(xiàn)
通過3D模式直觀展現(xiàn)設(shè)備監(jiān)測數(shù)據(jù)，包括無異常運(yùn)行天數(shù)、異常未處理事件、月度告警及高發(fā)異常項(xiàng)。
2、設(shè)備監(jiān)控
遠(yuǎn)程監(jiān)控設(shè)備運(yùn)行狀態(tài)，集中展現(xiàn)聲音、振動(dòng)及溫度等遙測數(shù)據(jù)，對設(shè)備異常信息給予告警提示。
3、運(yùn)行參數(shù)監(jiān)控
對設(shè)備所關(guān)聯(lián)的運(yùn)行參數(shù)進(jìn)行集中展現(xiàn)，包括測點(diǎn)編碼、測點(diǎn)描述、關(guān)聯(lián)設(shè)備、測點(diǎn)值等信息。
4、特征管理
利用信號分析及深度學(xué)習(xí)建立正常模型及故障模型，根據(jù)設(shè)備不同故障進(jìn)行故障模型分類可查看故障名稱、原因及處理結(jié)果，輔助巡檢人員進(jìn)行故障處理。
5、數(shù)據(jù)分析
對單設(shè)備的遙測數(shù)據(jù)及多設(shè)備間的遙測數(shù)據(jù)進(jìn)行對比分析，提供設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)參考。
6、監(jiān)測月報(bào)
根據(jù)設(shè)備狀態(tài)數(shù)據(jù)以及傳感器告警數(shù)據(jù)，定期自動(dòng)生成設(shè)備運(yùn)行記錄及報(bào)告。
電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)特點(diǎn)
1、利用物聯(lián)網(wǎng)技術(shù)進(jìn)行設(shè)備狀態(tài)監(jiān)測
基于物聯(lián)網(wǎng)架構(gòu)，通過加裝傳感器實(shí)現(xiàn)對設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測，提高設(shè)備運(yùn)行的可靠性。
2、以聲音傳感器為核心的設(shè)備狀態(tài)持續(xù)監(jiān)測
到目前為止，發(fā)電行業(yè)的設(shè)備故障預(yù)警與診斷基本上以振動(dòng)監(jiān)測為主。本項(xiàng)目利用聲音唯一性、入微性的特點(diǎn)，將設(shè)備聲音作為設(shè)備故障預(yù)警與診斷的核心，將振動(dòng)和溫度作為輔助手段，實(shí)現(xiàn)設(shè)備的持續(xù)監(jiān)測。
展開 設(shè)備狀態(tài)監(jiān)測可以解決什么問題
現(xiàn)代產(chǎn)業(yè)迫切需要采用保障在役設(shè)備安全運(yùn)行的相關(guān)監(jiān)測技術(shù)，基于該項(xiàng)技術(shù)揭示設(shè)備運(yùn)行狀態(tài)的發(fā)展演變規(guī)律，實(shí)現(xiàn)早期故障預(yù)報(bào)，進(jìn)而避免故障，特別是惡性事故發(fā)生。
云酷科技設(shè)備狀態(tài)物聯(lián)網(wǎng)聲學(xué)監(jiān)控系統(tǒng)基于物聯(lián)網(wǎng)技術(shù)，通過聲音傳感器采集設(shè)備的聲音數(shù)據(jù)，利用信號分析及AI技術(shù)，從中提取聲音特征值，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)監(jiān)測和設(shè)備故障報(bào)警，使管理人員和作業(yè)人員隨時(shí)隨地掌握設(shè)備運(yùn)行狀態(tài)，保證設(shè)備安全穩(wěn)定運(yùn)行。
設(shè)備狀態(tài)物聯(lián)網(wǎng)聲學(xué)監(jiān)控系統(tǒng)功能
一、綜合展現(xiàn)
通過3D模式直觀展現(xiàn)設(shè)備遙測數(shù)據(jù)，包括無異常運(yùn)行天數(shù)、異常未處理事件、月度告警及高發(fā)異常項(xiàng)。
展現(xiàn)全廠所有設(shè)備的健康狀態(tài)，包括安全運(yùn)行天數(shù)、設(shè)備告警信息及安全設(shè)備占比。
二、設(shè)備監(jiān)控
遠(yuǎn)程監(jiān)控設(shè)備運(yùn)行狀態(tài)，集中展現(xiàn)聲音、振動(dòng)及溫度等遙測數(shù)據(jù)，對設(shè)備異常信息給予告警提示。
三、運(yùn)行參數(shù)監(jiān)控
對設(shè)備所關(guān)聯(lián)的運(yùn)行參數(shù)進(jìn)行集中展現(xiàn)，包括測點(diǎn)編碼、測點(diǎn)描述、關(guān)聯(lián)設(shè)備、測點(diǎn)值等信息。
四、特征管理
利用信號分析及深度學(xué)習(xí)建立正常模型及故障模型，根據(jù)設(shè)備不同故障進(jìn)行故障模型分類可查看故障名稱、原因及處理結(jié)果，輔助巡檢人員進(jìn)行故障處理。
五、數(shù)據(jù)分析
對單設(shè)備的遙測數(shù)據(jù)及多設(shè)備間的遙測數(shù)據(jù)進(jìn)行對比分析，提供設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)參考。
六、監(jiān)測月報(bào)
根據(jù)設(shè)備狀態(tài)數(shù)據(jù)以及傳感器告警數(shù)據(jù)，定期自動(dòng)生成設(shè)備運(yùn)行記錄及報(bào)告。
設(shè)備狀態(tài)物聯(lián)網(wǎng)聲學(xué)監(jiān)控系統(tǒng)在有關(guān)國計(jì)民生的許多部門重要裝備中的應(yīng)用日益廣泛，將在提高設(shè)備安全可靠性、實(shí)現(xiàn)設(shè)備科學(xué)維修、提升設(shè)備信息管理水平、增加設(shè)備利用率、降低設(shè)備運(yùn)行及維修成本等方面發(fā)揮愈來愈重要作用。
展開 往復(fù)壓縮機(jī)典型狀態(tài)監(jiān)測方案
本文以典型4缸API 618標(biāo)準(zhǔn)的往復(fù)壓縮機(jī)組為例，簡單介紹下往復(fù)機(jī)的狀態(tài)監(jiān)測應(yīng)用配置方案。
往復(fù)機(jī)狀態(tài)監(jiān)測傳感器測點(diǎn)布置示意圖：
擬配置測點(diǎn)清單（二次高壓壓縮機(jī)，4缸）：
傳感器及硬件配置介紹：
鍵相信號（Crankcase Reference Position Keyphasor）
往復(fù)機(jī)鍵相信號，可采用標(biāo)準(zhǔn)鍵相或多事件鍵相。
多事件鍵相系統(tǒng)與傳統(tǒng)的標(biāo)準(zhǔn)鍵相系統(tǒng)不同，它使用電渦流傳感器對曲軸上的多輪齒盤進(jìn)行監(jiān)測，除了可以提供每轉(zhuǎn)一次的參考點(diǎn)以外，還可以每旋轉(zhuǎn)30度就提供一個(gè)精確的參考計(jì)時(shí)信號（電壓脈沖）。產(chǎn)生的信號可用于監(jiān)測系統(tǒng)作為準(zhǔn)確的曲軸位置參考。多事件鍵相系統(tǒng)，可以幫助氣缸壓力測量獲得更準(zhǔn)確的測量結(jié)果并提供更精確的壓力-流量曲線（P/V曲線）。
多事件鍵相的多齒輪盤可安裝在軸靠近驅(qū)動(dòng)器的外側(cè)，通常要求在驅(qū)動(dòng)軸上鉆孔和開孔。也可根據(jù)用戶機(jī)械結(jié)構(gòu)特征，設(shè)計(jì)提供在軸上安裝圓箍式（由兩個(gè)半圓環(huán)組成）的齒輪盤，更方便安裝。標(biāo)準(zhǔn)鍵相每轉(zhuǎn)一次的參考點(diǎn)通常與1號氣缸的頂頭中心位置對齊?；钊麠U位置和氣缸壓力監(jiān)測都需要使用鍵相參考信號。
主軸承溫度（Main Bearing temperatures）
曲軸主軸承溫度高表明設(shè)備有與油膜軸承相關(guān)的故障，如過載，軸承疲勞或潤滑油不足。測量主軸承溫度和其它相關(guān)的過程參數(shù)可以幫助確定發(fā)動(dòng)機(jī)的整體運(yùn)行狀況。
可以在設(shè)備制造過程中在主軸承蓋上打鉆開孔以安裝溫度探頭，也可以在設(shè)備安裝完成后，移開軸承蓋，再打鉆開孔，安裝溫度探頭。
展開 狀態(tài)監(jiān)測和故障診斷方法
[local]狀態(tài)監(jiān)測和設(shè)備故障診斷的教程ppt版
設(shè)備狀態(tài)監(jiān)測系統(tǒng)可以解決什么問題？
云酷科技打破傳統(tǒng)的設(shè)備管理方式，運(yùn)用物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)、AI技術(shù)為企業(yè)實(shí)現(xiàn)全面智能化的設(shè)備管理提供強(qiáng)有力的手段，打造了設(shè)備巡檢可信、設(shè)備故障預(yù)警、設(shè)備管理可視的設(shè)備狀態(tài)監(jiān)測系統(tǒng)，有效的解決了傳統(tǒng)企業(yè)設(shè)備安全管理的難題。
設(shè)備安全管理業(yè)務(wù)的行業(yè)痛點(diǎn)
1. 設(shè)備管理難
設(shè)備管理完全依靠人工記錄，很容易發(fā)生疏漏，造成管理損失，已經(jīng)無法適應(yīng)現(xiàn)代信息化建設(shè)的需求。
2. 停機(jī)損失重
生產(chǎn)設(shè)備日益機(jī)械化、復(fù)雜化，設(shè)備在生產(chǎn)中的作用和影響也隨之增大，生產(chǎn)過程對設(shè)備的依賴程度越來越高，設(shè)備故障停機(jī)，損失嚴(yán)重。
3.維保費(fèi)用高
備品備件庫存成本、設(shè)備故障停機(jī)損失、設(shè)備維修費(fèi)用等，導(dǎo)致設(shè)備維保管理成本居高不下，對企業(yè)資源造成嚴(yán)重浪費(fèi)。
設(shè)備運(yùn)行狀態(tài)在線監(jiān)測系統(tǒng)可以給企業(yè)帶來什么好處？
1. 保障設(shè)備最優(yōu)狀態(tài)
實(shí)時(shí)了解設(shè)備健康情況，音頻數(shù)據(jù)、振動(dòng)數(shù)據(jù)、溫度數(shù)據(jù)實(shí)現(xiàn)故障狀態(tài)的早期識別，早期預(yù)警，防患于未然。
2. 降低運(yùn)維成本
提升設(shè)備可靠性，減少非計(jì)劃停機(jī)；實(shí)現(xiàn)邊緣設(shè)備的遠(yuǎn)程狀態(tài)感知與人工巡檢有效互補(bǔ)；優(yōu)化備品備件管理，減少資金占用。
3. 提升檢修效率
提供全面的設(shè)備音頻、振動(dòng)、溫度、設(shè)備維護(hù)與歷史故障數(shù)據(jù)，為維護(hù)方案提供一站式數(shù)據(jù)匯集?；谏窠?jīng)網(wǎng)絡(luò)模型自動(dòng)識別故障類型，即時(shí)提供故障排查建議與維護(hù)方案，提高運(yùn)維效率。
展開 
【分析】電力系統(tǒng)主變壓器檢修及設(shè)備狀態(tài)監(jiān)測
我們通過一些設(shè)備，才用科技手段，對其進(jìn)行一系列科學(xué)的監(jiān)測，由此收集到主變壓器正在運(yùn)行狀態(tài)時(shí)的數(shù)據(jù)參數(shù)，并進(jìn)一步整理、運(yùn)算、分析，通過分析得到的結(jié)果便是推斷電力設(shè)備在接下來的某個(gè)限定的工作日里的運(yùn)行狀態(tài)和設(shè)備本身的健康狀況的主要依據(jù)。
同時(shí)，通過對這些數(shù)據(jù)的分析，我們還可以及時(shí)發(fā)現(xiàn)主設(shè)備的一些微小故障，進(jìn)而以最快速度做出針對性的維修。
由此我們知道，電力系統(tǒng)主變壓器檢修及設(shè)備狀態(tài)監(jiān)測工作屬于一種集預(yù)防和治理為一體的綜合處理手段，由此可以在減少不必要的經(jīng)濟(jì)損失的基礎(chǔ)上，保證一個(gè)正常、穩(wěn)定、高效的國家經(jīng)濟(jì)建設(shè)，保證公民的正常生活。雖然在此處，我們主要對電力設(shè)備狀態(tài)監(jiān)測、電力設(shè)備故障診斷以及電力設(shè)備檢修決策三項(xiàng)主變壓器狀態(tài)檢修進(jìn)行介紹。但作為電力系統(tǒng)穩(wěn)定發(fā)展的前提，對于電力主變壓器檢修和狀態(tài)監(jiān)測還要做到另外兩種檢修，即定期檢修和狀態(tài)檢修。
展開 工業(yè)設(shè)備狀態(tài)監(jiān)測系統(tǒng)解決方案詳細(xì)分析
如何低成本、高效率的實(shí)現(xiàn)設(shè)備狀態(tài)遠(yuǎn)程監(jiān)控，實(shí)現(xiàn)故障風(fēng)險(xiǎn)的早期識別，將事故隱患消滅在萌芽狀態(tài)。將設(shè)備管理工作由“被動(dòng)應(yīng)對”提升為“主動(dòng)干預(yù)”實(shí)現(xiàn)主輔機(jī)設(shè)備的預(yù)測性維護(hù)，對于降低設(shè)備維護(hù)成本，保證設(shè)備運(yùn)行安全以及提升工業(yè)企業(yè)整體經(jīng)濟(jì)效益都有著非常重要的現(xiàn)實(shí)意義。
云酷科技設(shè)備狀態(tài)監(jiān)測系統(tǒng)針對工業(yè)設(shè)備狀態(tài)監(jiān)控管理中存在諸多問題，提出以信息技術(shù)賦能傳統(tǒng)管理業(yè)務(wù)的管理思路?；谖锫?lián)網(wǎng)技術(shù)，通過音頻傳感器實(shí)現(xiàn)設(shè)備音頻數(shù)據(jù)的遠(yuǎn)程采集；利用信號解析技術(shù)，提取音頻數(shù)據(jù)關(guān)鍵指標(biāo)信號；利用信號分析及AI神經(jīng)網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測和設(shè)備故障的早期預(yù)警；同時(shí)輔以振動(dòng)和溫度傳感器，使管理人員和作業(yè)人員隨時(shí)隨地掌握設(shè)備運(yùn)行狀態(tài)，幫助企業(yè)用戶提升生產(chǎn)效率，保證生產(chǎn)安全，優(yōu)化生產(chǎn)決策。
設(shè)備狀態(tài)監(jiān)測系統(tǒng)創(chuàng)新點(diǎn)：
1.利用物聯(lián)網(wǎng)技術(shù)進(jìn)行設(shè)備狀態(tài)監(jiān)測?；谖锫?lián)網(wǎng)傳感器的設(shè)備監(jiān)測系統(tǒng)實(shí)現(xiàn)對設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測，提高設(shè)備運(yùn)行的可靠性。
2、利用聲音對設(shè)備故障告警和診斷。到目前為止，發(fā)電行業(yè)的設(shè)備故障告警與診斷多數(shù)以振動(dòng)監(jiān)測為主。本系統(tǒng)將設(shè)備聲音作為設(shè)備故障預(yù)警與診斷的主要依據(jù)，與振動(dòng)監(jiān)測相比靈敏度更高，可遠(yuǎn)程監(jiān)聽，適應(yīng)性廣，作用更大。
3、使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相結(jié)合技術(shù)作為分析工具。目前已有的設(shè)備故障告警與診斷系統(tǒng)大多采用傳統(tǒng)的機(jī)器學(xué)習(xí)模式，不能適應(yīng)不斷變化的生產(chǎn)環(huán)境，適應(yīng)性不強(qiáng)。設(shè)備狀態(tài)監(jiān)測系統(tǒng)采用機(jī)器學(xué)習(xí)技術(shù)，具有模型自主學(xué)習(xí)，自完善的能力，異常識別更加精準(zhǔn)，提高設(shè)備穩(wěn)定運(yùn)行。
展開 工業(yè)設(shè)備運(yùn)行狀態(tài)在線監(jiān)測系統(tǒng),你了解嗎？
現(xiàn)代產(chǎn)業(yè)迫切需要采用保障在役設(shè)備安全運(yùn)行的相關(guān)監(jiān)測技術(shù)，基于該項(xiàng)技術(shù)揭示設(shè)備運(yùn)行狀態(tài)的發(fā)展演變規(guī)律，實(shí)現(xiàn)早期故障預(yù)報(bào)，進(jìn)而避免故障，特別是惡性事故發(fā)生。
云酷科技設(shè)備狀態(tài)物聯(lián)網(wǎng)聲學(xué)監(jiān)控系統(tǒng)基于物聯(lián)網(wǎng)技術(shù)，通過聲音傳感器采集設(shè)備的聲音數(shù)據(jù)，利用信號分析及AI技術(shù)，從中提取聲音特征值，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)監(jiān)測和設(shè)備故障報(bào)警，使管理人員和作業(yè)人員隨時(shí)隨地掌握設(shè)備運(yùn)行狀態(tài)，保證設(shè)備安全穩(wěn)定運(yùn)行。
設(shè)備狀態(tài)物聯(lián)網(wǎng)聲學(xué)監(jiān)控系統(tǒng)功能
一、綜合展現(xiàn)
通過3D模式直觀展現(xiàn)設(shè)備遙測數(shù)據(jù)，包括無異常運(yùn)行天數(shù)、異常未處理事件、月度告警及高發(fā)異常項(xiàng)。
展現(xiàn)全廠所有設(shè)備的健康狀態(tài)，包括安全運(yùn)行天數(shù)、設(shè)備告警信息及安全設(shè)備占比。
二、設(shè)備監(jiān)控
遠(yuǎn)程監(jiān)控設(shè)備運(yùn)行狀態(tài)，集中展現(xiàn)聲音、振動(dòng)及溫度等遙測數(shù)據(jù)，對設(shè)備異常信息給予告警提示。
三、運(yùn)行參數(shù)監(jiān)控
對設(shè)備所關(guān)聯(lián)的運(yùn)行參數(shù)進(jìn)行集中展現(xiàn)，包括測點(diǎn)編碼、測點(diǎn)描述、關(guān)聯(lián)設(shè)備、測點(diǎn)值等信息。
四、特征管理
利用信號分析及深度學(xué)習(xí)建立正常模型及故障模型，根據(jù)設(shè)備不同故障進(jìn)行故障模型分類可查看故障名稱、原因及處理結(jié)果，輔助巡檢人員進(jìn)行故障處理。
五、數(shù)據(jù)分析
對單設(shè)備的遙測數(shù)據(jù)及多設(shè)備間的遙測數(shù)據(jù)進(jìn)行對比分析，提供設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)參考。
六、監(jiān)測月報(bào)
根據(jù)設(shè)備狀態(tài)數(shù)據(jù)以及傳感器告警數(shù)據(jù)，定期自動(dòng)生成設(shè)備運(yùn)行記錄及報(bào)告。
設(shè)備狀態(tài)物聯(lián)網(wǎng)聲學(xué)監(jiān)控系統(tǒng)在有關(guān)國計(jì)民生的許多部門重要裝備中的應(yīng)用日益廣泛，將在提高設(shè)備安全可靠性、實(shí)現(xiàn)設(shè)備科學(xué)維修、提升設(shè)備信息管理水平、增加設(shè)備利用率、降低設(shè)備運(yùn)行及維修成本等方面發(fā)揮愈來愈重要作用。
展開 【技術(shù)】風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測及故障診斷
因此實(shí)現(xiàn)齒輪箱的狀態(tài)監(jiān)測和故障診斷功能，對風(fēng)電機(jī)組安全運(yùn)行有著重要的意義。
圖1 齒輪箱結(jié)構(gòu)
目前國內(nèi)外關(guān)于風(fēng)電機(jī)組故障診斷方法的研究，根據(jù)方法類別，可以劃分為經(jīng)驗(yàn)方法，機(jī)理建模和智能分析三類。其中經(jīng)驗(yàn)方法是根據(jù)輪系動(dòng)力學(xué)參數(shù)特點(diǎn)進(jìn)行檢測、分析，如油溫、油樣渾濁度、噪聲、振動(dòng)信號等實(shí)現(xiàn)故障診斷，對于專工現(xiàn)場經(jīng)驗(yàn)依賴度高，往往只能實(shí)現(xiàn)粗略狀態(tài)評估，無法實(shí)現(xiàn)精確的故障定位；機(jī)理建模是指利用數(shù)學(xué)物理理論對設(shè)備的狀態(tài)數(shù)據(jù)進(jìn)行簡化假設(shè)、機(jī)理分析、數(shù)據(jù)處理，進(jìn)而實(shí)現(xiàn)故障診斷，多用于旋轉(zhuǎn)機(jī)械等有明確運(yùn)行機(jī)理的設(shè)備評估場景；智能分析則是基于傳感采集和數(shù)據(jù)挖掘等手段，對設(shè)備監(jiān)測的多源傳感信息進(jìn)行綜合評估，降低了對專家知識的依賴程度，技術(shù)路線的魯棒性和可擴(kuò)展性更強(qiáng)。本文針對NASA-IMS開源軸承數(shù)據(jù)集和東南大學(xué)齒輪數(shù)據(jù)集，基于天洑軟件DTEmpower數(shù)據(jù)建模分析軟件，開展了軸承參數(shù)報(bào)警和齒輪箱故障診斷相關(guān)的技術(shù)分析工作。
圖2 IMS軸承故障實(shí)驗(yàn)演示圖
數(shù)據(jù)集下載地址為：
https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/
東南大學(xué)齒輪箱故障數(shù)據(jù)集下載地址為：
https://github.com/cathysiyu/Mechanical-datasets
狀態(tài)監(jiān)測 - 參數(shù)報(bào)警
1.
展開 