预测性维护是工业互联网中一个重要的应用场景。在预测性维护出现之前,设备维护的方式主要是被动故障维护以及定期以人工巡检的方式检测,预测性检测的出现可以降低设备的故障率,提高设备利用率,确保设备持续使用,提高企业生产效率,同时也可以减少设备维修费用。
预测性维护能够真正落地并且为客户创造价值,需要具备两大条件,其一是数据基础,第二是算法模型。利用声响判断设备是否出现故障是以前常用的简易方法,例如电厂操作人员用听棒检查轴承的运行状态等,这种检测方法只能是一种定性的故障检测手段,依赖于人的经验和技巧。现代声学监测技术已有了很大发展,主要有声响和噪声监测技术、超声波检测技术和声发射技术等。利用声音和噪声的测量与分析进行机器设备监测及诊断,主要有下列几种方法:简易诊断法、通过频谱分析进行精密诊断。、声强法。目前,已有的机械故障诊断方法多针对断路器分合闸过程中的线圈电流信号及分合闸弹簧、电磁铁的振动信号进行研究。
线圈电流的变化可以反映铁心在分合闸操作过程中的运动变化细节,因此对这一信号进行分析可以研究断路器是否发生故障。电流的波形稳定性好、简单直观,但是仅依靠电流信号不能全力地诊断断路器的各种故障,尤其是对于发生在电磁铁部分之外的故障更是如此。
以上信息由专业从事声学检测机构的慧声智创于2024/7/16 11:27:30发布
转载请注明来源:http://m.tz1288.com/qynews/nbhszc-2786838249.html
上一条:黄南陶土板图片服务周到「泰固源」