会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

大型齿轮箱信号分析处理与故障诊断模块

欢迎装备智能维护、设备故障诊断、制造过程质量控制、人工智能、机器视觉、缺陷检测、智能物联系统等智能制造方面的项目协作、系统开发、学术研究等合作(注：系统目前不开源),欢迎各位来电来信联系。

  • 2024-06-08
  • 阅读98

【论文荐读|EAAI】基于高斯混合模型的轴承早期故障无监督健康指数估计新方法

提出了一种基于高斯混合模型(GMM)的新型无监督健康指标(GMM-HI)方法,用于早期故障检测。这种方法利用GMM来估计初始正常数据的分布,并使用Wasserstein距离来测量当前数据分布与初始分布的差异,从而对轴承的退化过程进行可视化。 采用保序回归的方法来校正监测信号中存在的虚假波动,提高了HI的准确性。 通过在3个轴承数据集上的实验验证,结果表明GMM-HI能够有效检测轴承的早期故障,并可用于对轴承健康状态进行分级,同时还可以为余寿预测设置统一的失效阈值,优于其他常用的HI方法。

  • 2024-06-08
  • 阅读112

什么是电池储能系统(BESS)

说到储能，公众通常会想到电池，电池在能量转换效率、系统寿命和安全性方面至关重要。然而，如果储能要作为一个系统发挥作用，电池储能系统（BESS）就变得与核心组件（通常被称为“大脑”）同等重要。

  • 2024-06-08
  • 阅读131

基于动态贝叶斯网络和数字孪生的水下控制模块可靠性分析

海底控制模块（SCM）的可靠性评估是保证海底油气生产安全稳定的关键。SCM组件的故障概率和可靠性取决于时间和工作条件。为了分析考虑不同工作条件的SCM的可靠性，本文提出了一种新的基于数字孪生和动态贝叶斯网络（DBN）的模型，利用历史工作条件数据进行可靠性分析。在所提出的框架中，关键工况数据是通过基于传感器的数字孪生（DT）仿真获得的，并用于动态更新DBN可靠性分析模型中的参数，进而对实际的单片机电气系统进行了可靠性评估。通过实验结果，明确了系统中最可能的故障模式和最薄弱的组件。最后，基于该方法的后向分析能力进行故障预测，以预测发生意外情况时设备出现故障的概率。

  • 2024-06-08
  • 阅读104

烟草行业厂级数字孪生整体规划

2021年3月，国务院发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中，明确提出推动产业链数字化转型，包括“实施“上云用数赋智”行动，推动数据赋能全产业链协同转型”。烟草行业作为实体经济的重要组成部分，通过先进的智能制造技术赋能烟草业信息化高质量发展，已成为促进烟草业数字化转型的重要驱动力。

  • 2024-06-08
  • 阅读866

设备全生命周期管理

设备全生命周期管理

  • 2024-07-26
  • 阅读129

基于实车运行数据的锂离子电池健康状态估计

准确估计锂离子电池健康状态(State of health，SOH)对电动汽车安全管理具有重要意义，针对实车数据存在电池状态不完整、工况复杂、数据质量差的问题，该文提出面向实车数据的多工况健康因子提取SOH 联合估计方法。首先，提出实车运行数据工况重构方法，将数据划分为行驶片段和充电片段，降低电池工况复杂性。然后，分别构建行驶工况和充电工况的SOH评价模型用于SOH估计。对于行驶工况，选择内阻作为SOH评价指标，通过等效电路模型辨识内阻参数，基于 Auto-LightGBM的电池内阻建模方法估算SOH；对于充电工况，选择容量作为SOH 评价指标并通过提取恒流充电片段计算电池容量，再提取容量的影响特征，建立容量模型并估计电池SOH。结果表明，基于内阻和容量的建模方法平均绝对百分比误差均小于9%。最后，建立结合充电与放电的SOH综合评价模型，提出融合充放电片段的电池SOH联合估计方法，基于实车运行数据的SOH误差在2%以内，并在实验室数据和多辆实车数据上验证方法的可靠性和适应性。

  • 2024-06-08
  • 阅读354

声信号分析处理与故障诊断模块SoundAgent

研制完成声信号分析处理与故障诊断模块SoundAgent，形成了声信号处理各类经典算法模型，目前正开发最新的各类声信号处理算法模型，可应用于各种机械部件对象（如滑动轴承、滚动轴承、转子、齿轮箱、电机等））的各类声信号分析、故障探测、故障诊断、趋势劣化评估等，采用全Python语言，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现声信号分析处理与故障诊断模块，SoundAgent能应用在不同场合的设备故障诊断与监测，满足不同类型机械设备与关键部件（轴承、转子、齿轮箱等）的健康预诊与故障诊断需求。声信号分析处理与故障诊断模块可灵活地集成到各种设备故障诊断与健康预诊系统，提供完整的算法类调用接口，基于该工具箱的各种信号处理模型，可迅速建立起一套完整的基于声信号处理的设备故障诊断与健康预诊系统，也可支持各类系统研制与学术研究。声信号分析处理与故障诊断模块主要包括的算法：声学分析（声压分析、声强分析、声功率分析）、瀑布声谱图、梅尔倒谱系数、梅尔滤波器、Bark倒谱系数、线性预测倒谱系数、Gammatone滤波器倒谱系数、线性频率倒谱系数、线性预测系数、线性预测倒谱系数、相位谱根倒谱系数、幂归一化倒谱系数、归一化伽马倒谱系数等；

  • 2024-06-08
  • 阅读199