WitExpert的系统架构是如何处理实现设备预测性维护的

  上海辉泰Witium推出的基于振动传感器和边缘计算网关的预测性维护系统，目前已成功应用于个各行各业，为客户提供在线振动监测、设备故障预测、设备故障诊断、设备智能运维、设备健康管理服务，旨在为行业关键旋转设备保驾护航。那么Witium的WitExpert的系统架构是如何处理实现设备预测性维护的呢?

  一、振动数据处理流程

  1.1 原始振动数据

  通过在设备上加装三轴振动加速度传感器获取需进一步处理的三轴振动加速度测量值。

  1.2 硬件数据预处理

  未经处理的振动信号中，包含大量的高斯和非高斯噪声，为得到可靠的诊断效果，需要对传感器采集的信号进行降噪滤波处理，通过传感器本地下沉一定预处理数据算法，按照平台预设的部件模型，同时自动计算所需特征值;

  1.3 平台展示

  经预处理后的原始数据和特征值通过4G边缘网关上发至云平台展示特征值和时域、频域波形;

  1.4 数据清洗、数据后处理

  EI专家诊断系统调取数据，进行数据清洗、数据滤波;

  1.5 故障诊断

  EI专家诊断系统根据处理后的数据，基于设定的阈值及故障库诊断故障类型及严重程度，并将诊断结果返回至系统展示;

  二、阈值的设定

  2.1 阈值的选择基于国际标准ISO-10816

  根据 ISO 10816-3，视速度而定，测量范围始于 2 Hz(速度从 120 到 600 rpm)，或始于 10 Hz(速度大于或等于 600 rpm);范围包括从 2 Hz 或 10 Hz 到 1000 Hz 的频率。

  2.2 告警数据的选择基于诸多预设的特征值(机理+数理)

  机器状态通过查询无量纲特征值监测，可评估机器的常规振动状态。长时间的积累特征值，也可以反映出设备变化的趋势。

  1. 速度均方根(VRMS);

  2. 加速度波峰因素(CrestFactor);

  3. 加速度峭度(Kurtosis);

  4. 加速度高频均方根(RMS);

  5. 高频尖峰能量(gSE)。

  很多时候，仅通过振动能量和一些无量纲的统计是很难详细定位到设备的故障的原因的。所以需要预设监测部件的参数，通过频率分析后转换来的特征值来进一步判断：

  1. 电机的轴转速(1x)频点值(Freq1x);

  2. 电机的轴转速(2x)频点值(Freq2x);

  3. 电机的轴转速(3x)频点值(Freq3x);

  4. 叶轮1x倍通过频率(spm1xFn);

  5. 齿轮1~3x啮合频值点(1~3xGMF)、齿轮包络能量(seG)、齿轮1~3xGMF边带频能量(1~3GMF);

  6. 轴承外圈频点值(BPFO)、轴承内圈频点值(BPFI)、轴承滚珠频点值(BSF)、轴承保持架频点值(FTF)、轴承包络能量(seB);

  2.3 阈值的选择基于同类设备、部件经验(机理+数理)

  通过既有监测经验的同类设备对比，辉度拥有自己的算法模型库，选取设备类型模板，初步生成基础模板;

  对于某些部件，如轴承故障诊断，对高频谐波能量的包络值，也存在经验值判断预设;

  2.4 阈值的选择基于统计过程控制(数理)

  在经过一段时间的试运行后，系统对初装且无明显异常振动数据认定为相对正常的状态，系统对其机器学习形成阈值，进行统计过程数据界定，对于偏离正常范围的振动数据进行初步预警，并排除开机异常数据和偶发的冲击造成的数值偏离，避免误报警。

  依托先进的物联网工业AIoT技术，一旦出现异常或者故障，第一时间报警通知运维管理人员，帮助用户查找产生故障的原因，识别、判断故障的严重程度，为科学检修提供指导，切实提高产线的安全管理水平，帮助企业实现数字化、智能化转型。