WitExpert的系統架構是如何處理實現設備預測性維護的

  上海輝泰Witium推出的基于振動傳感器和邊緣計算網關的預測性維護系統，目前已成功應用于個各行各業，為客戶提供在線振動監測、設備故障預測、設備故障診斷、設備智能運維、設備健康管理服務，旨在為行業關鍵旋轉設備保駕護航。那么Witium的WitExpert的系統架構是如何處理實現設備預測性維護的呢?

  一、振動數據處理流程

  1.1 原始振動數據

  通過在設備上加裝三軸振動加速度傳感器獲取需進一步處理的三軸振動加速度測量值。

  1.2 硬件數據預處理

  未經處理的振動信號中，包含大量的高斯和非高斯噪聲，為得到可靠的診斷效果，需要對傳感器采集的信號進行降噪濾波處理，通過傳感器本地下沉一定預處理數據算法，按照平臺預設的部件模型，同時自動計算所需特征值;

  1.3 平臺展示

  經預處理后的原始數據和特征值通過4G邊緣網關上發至云平臺展示特征值和時域、頻域波形;

  1.4 數據清洗、數據后處理

  EI專家診斷系統調取數據，進行數據清洗、數據濾波;

  1.5 故障診斷

  EI專家診斷系統根據處理后的數據，基于設定的閾值及故障庫診斷故障類型及嚴重程度，并將診斷結果返回至系統展示;

  二、閾值的設定

  2.1 閾值的選擇基于國際標準ISO-10816

  根據 ISO 10816-3，視速度而定，測量范圍始于 2 Hz(速度從 120 到 600 rpm)，或始于 10 Hz(速度大于或等于 600 rpm);范圍包括從 2 Hz 或 10 Hz 到 1000 Hz 的頻率。

  2.2 告警數據的選擇基于諸多預設的特征值(機理+數理)

  機器狀態通過查詢無量綱特征值監測，可評估機器的常規振動狀態。長時間的積累特征值，也可以反映出設備變化的趨勢。

  1. 速度均方根(VRMS);

  2. 加速度波峰因素(CrestFactor);

  3. 加速度峭度(Kurtosis);

  4. 加速度高頻均方根(RMS);

  5. 高頻尖峰能量(gSE)。

  很多時候，僅通過振動能量和一些無量綱的統計是很難詳細定位到設備的故障的原因的。所以需要預設監測部件的參數，通過頻率分析后轉換來的特征值來進一步判斷：

  1. 電機的軸轉速(1x)頻點值(Freq1x);

  2. 電機的軸轉速(2x)頻點值(Freq2x);

  3. 電機的軸轉速(3x)頻點值(Freq3x);

  4. 葉輪1x倍通過頻率(spm1xFn);

  5. 齒輪1~3x嚙合頻值點(1~3xGMF)、齒輪包絡能量(seG)、齒輪1~3xGMF邊帶頻能量(1~3GMF);

  6. 軸承外圈頻點值(BPFO)、軸承內圈頻點值(BPFI)、軸承滾珠頻點值(BSF)、軸承保持架頻點值(FTF)、軸承包絡能量(seB);

  2.3 閾值的選擇基于同類設備、部件經驗(機理+數理)

  通過既有監測經驗的同類設備對比，輝度擁有自己的算法模型庫，選取設備類型模板，初步生成基礎模板;

  對于某些部件，如軸承故障診斷，對高頻諧波能量的包絡值，也存在經驗值判斷預設;

  2.4 閾值的選擇基于統計過程控制(數理)

  在經過一段時間的試運行后，系統對初裝且無明顯異常振動數據認定為相對正常的狀態，系統對其機器學習形成閾值，進行統計過程數據界定，對于偏離正常范圍的振動數據進行初步預警，并排除開機異常數據和偶發的沖擊造成的數值偏離，避免誤報警。

  依托先進的物聯網工業AIoT技術，一旦出現異?；蛘吖收希谝粫r間報警通知運維管理人員，幫助用戶查找產生故障的原因，識別、判斷故障的嚴重程度，為科學檢修提供指導，切實提高產線的安全管理水平，幫助企業實現數字化、智能化轉型。