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

基于数字孪生的装备故障预测与健康管理

随着工业技术以及新一代信息技术的迅速发展，石油、化工、电力、游乐、新能源汽车等各领域的装备日趋复杂，装备的集成化智能化程度不断提高。伴随着复杂装备的发展，其设计、制造、测试、运行维护等全寿命周期成本大幅度增加。

  • 2024-05-07
  • 阅读235

机械故障诊断的报警规则及标准

机械故障诊断的报警规则及标准，机械故障诊断的报警规则及标准，机械故障诊断的报警规则及标准，机械故障诊断的报警规则及标准

  • 2024-05-07
  • 阅读217

卷积核的基本概况

在机器学习篇章中，我们简单介绍了卷积核，今天，我们借助知乎的一篇文章，梳理一下对卷积核一些基本情况。

  • 2024-05-07
  • 阅读225

时变转速和强噪声背景下的未知轴承故障诊断

在时变转速条件下，轴承振动信号表现出很强的非平稳性。此外，微弱的轴承故障特征往往淹没在强背景噪声中。如何从非平稳振动信号中准确提取未知故障特征是轴承故障诊断的首要问题。

  • 2024-05-07
  • 阅读224

齿轮故障模型和基于动力学的齿轮故障检测建模—综述

齿轮系统状态监测的主要目的是，在故障发生之前，通过检测部件（例如轮齿）的劣化，促进基于状态的维修（CBM），故障可能导致整个齿轮系统故障，并降低系统可用性。振动监测的作用是检测与结构完整性或振动状态变化相关的任何振动

  • 2024-05-07
  • 阅读279

使用多尺度熵和主成分分析通过电机电流特征分析监测齿轮退化

本文描述了一种利用驱动齿轮箱的感应电机测得的相位电流来识别局部轮齿缺陷（如点蚀）的方法。基于多尺度熵（MSE）算法SampEn的一种新的异常检测工具，它允许在多个时间尺度上识别信号中的相关性。电机电流特征分析（MCSA）结合主成分分析（PCA），并将观察值与使用名义健康数据建立的模型预测值进行比较。仿真结果表明，该方法能够检测电流信号中的齿轮点蚀。

  • 2024-05-07
  • 阅读256

基于深度学习的故障诊断综述

深度学习的必要性：智能制造背景下，机械设备趋于复杂庞大，海量、多源、高维度、非结构的工业数据给系统管理监测带来更大难度，设备的故障诊断与预测更显重要。传统故障诊断与预测方法难以建立准确的数据模型，在设备故障诊断预测应用方面受到很大局限，深度学习以其强大的自主学习非线性数据表示和模式识别的能力在许多领域都有重大突破，在工业设备的故障诊断与预测领域也得到广泛关注。

  • 2024-05-07
  • 阅读665

综述之不同传感器的轴承故障信号检测方法（一）

轴承广泛应用于经济的各个领域。在国民经济中，他们主要涉及农业、采矿业、制造业、电力、热力、水生产和建筑业、交通运输、邮政服务等许多行业。它们用于汽车、农业机械、工业生产(加工工具)、矿山钻机、制造业纺织机械、建筑业起重机、各种传动装置等。轴承行业作为机械工业的基础和支柱，其发展水平往往代表或制约着一个国家机械工业及其他相关产业的发展水平。

  • 2024-05-07
  • 阅读216