目 錄
1. 概述... 2
2. 系統部署結構... 2
3. 系統應用介紹... 4
4. 專業分析人員... 8
5. 應用案例分享... 9
1. 概述
現代裝置維修管理理念發生著深刻的變化，從早期的被動維修，到預防性維修，到基於裝置實際執行狀態的預測性維修（Predictive Maintenance），經歷了三個主要階段。
預測性維修通過在裝置上加裝裝置狀態監測系統對執行狀態進行線上實時或準實時監測，對監測資料進行分析，實現故障診斷、零部件壽命預測，優化維修資源和零部件庫存，從而降低裝置全壽命週期的執行成本。
對於生產裝置來說，軸承的振動是反映其裝置執行狀態最直接的度量，是狀態監測最重要的內容。採用專門的故障診斷軟體對振動頻譜的分析，可準確定位故障發生的具體部位，發現如下早中晚期故障，從而對機組當前的執行狀態做出評估。
- 軸承的磨損、裂紋，潤滑不良
- 電機轉子不平衡、銅條鬆動、不對中、地腳螺栓鬆動
- 齒輪的磨損、裂紋和斷裂
- 被驅動裝置的共振、機械鬆動
裝置是工業生產的“心臟”，其重要性對於工業生產不言而喻。在工業大型裝備領域先進診斷理論與物聯網（IOT Internet of Things）技術結合而推出的一種低成本狀態監測系統，專門針對裝置的狀態監測而開發，包括前端的振動感測器、資料採集器、基於雲端服務的資料儲存、資料分析展示和預警報警和裝置管理及報告，以及後臺的精密故障診斷、壽命預測等服務，從而使企業能夠方便地安排維修計劃，合理分配維修資源，優化備品備件庫存，實現智慧運維。
2. 系統部署結構
生產裝置狀態監測雲平臺可稱為健康管理的私人醫生，其特點是：線上實時監測，資料無線上雲，雲端智慧預警、後臺專家診斷，整個系統可實現即插即用快速部署。該系統和服務可提高裝置利用率36%，減少運維費用35%，廣泛使用在電力、化工、水泥、水務、造紙、冶金、軌道、環保等諸多行業。如下圖：
基於裝置狀態監測感測器，在動態情況下，利用機械裝置劣化程式中產生的資訊（即振動、噪聲、溫度、電流等）來進行狀態分析和故障診斷。
選擇感測器參考因素：測量引數型別、訊號強度、靈敏度、尺寸大小、頻響特性等。採集裝置的溫度、振動、電流、電壓等資料資訊。振動感測器選型參考，如下圖：
穩定的資料採集功能：採用多 CPU 技術，確保對振動資料的精確採集；嵌入式Linux作業系統平臺，保障產品長期可靠執行；多通道同步採集技術，各通道之間資料採集互不干擾；取樣頻率：800~102400（Hz）可配置。如下圖：
3. 系統應用介紹
進行iNeuOS工業網際網路系統，進行【裝置模型】功能模組，選擇【裝置振動狀態監測】裝置驅動；通訊型別：NET，應用協議：Socket。如下圖：
【服務例項】的Socket引數配置 “寫/讀間隔”和“IO為空間隔”，主要影響讀取資料的效率，針對不同的網路環境調整相應引數。如下圖：
【裝置資訊】配置遠端裝置採集器的資訊，如下圖：
系統會同步裝置感測器和採集器的所有資訊，包括每個通道的有效值、峰峰值、峰值、偏態、峰度、均值、標準差、方差和波形等主要資料。如下圖：
選擇【檢視建模】功能模組，配置當前通道是否可用，當通道X=0說明當前通道可用。配置如下圖：
配置顯示實時資料的曲線報表，如下圖：
配置讀取通道波形資料，也就是高頻取樣資料。在按鈕元件上配置滑鼠單擊事件，傳送命令值為1。如下圖：
配置完成後，應用顯示的效果如下圖，當前還可以做複雜的業務應用。
高頻的波形資料會儲存到根目錄下Wave目錄下，可以用於離線資料分析，如下圖：
4. 專業分析人員
團隊成員有三級國際振動分析資質，結合建模方法、建模的基礎資料、模型輸入引數等對裝置狀態特性進行模型分析，最終完成線上監測、劣化診斷、優化檢修等目的，可以定期出據分析報告。如下圖：
專業的分析工具，如下圖：
5. 應用案例分享
案例一 造紙廠碎漿機齒輪箱高速軸軸承損傷
案例二 自來水廠取水泵電動機軸承損傷
案例四 風力發電機軸承跑圈
物聯網&大資料技術 QQ群：54256083
物聯網&大資料專案 QQ群：727664080
QQ：504547114
微信：wxzz0151
部落格：https://www.cnblogs.com/lsjwq
微信公眾號：iNeuOS