应用需求    

    “感知+算法+应用”    

【表征因子监测】

对温度、水分、振动、 粘度、磨损等设备故障表征信息进行在线监测。

【潜在故障感知】

综合分析表征因子数据，智能识别是否存在潜在故障部位。

【智能设备管理APPs】

设备运行状态查看、保养维护预警、维护维修过程管理，现场数据采集。

【大数据模型算法库】

人工智能、故障诊断模型、机器学习算法

【保养维护预警】

根据平台的故障预测和健康评估结论，适时通知提醒现场维护人员进行设备保养和维护。

【人工智能引擎服务】

通过人工智能、故障诊断模型、机器学习算法，实现设备故障的诊断、 预测、评估和溯源分析。

【大数据分析平台】

基于工业大数据平台实现设备运行过程、故障过程、运维过程的综合评估和故障风险监测，故障部位识别。

【综合管理平台】

提供云、企、端三层应用的统一架构，支持设备物联，私有云、公有云平台部署，实现  “一张图”设备视情维修和健康管理。


 

    汽轮机视情维修   

1、周期性采样汽轮机监测润滑油中特征元素浓度，并分析其变化规律或发展趋势。

2、当变化趋势与元素的一般变化规律或发展趋势不一致时，则判断包含该元素的零件处于正常的磨损状态。

3、经大数据模型分析，对汽轮机故障做出及时的判断及预测。

车辆液控系统油液污染检测

    控制液压系统油液的污染成为保障车辆性能的关键，固体颗粒污染物会使元件加速磨损，寿命缩短，性能下降，甚至使阀芯卡死，滤油器堵塞，固体颗粒污染是车辆液压系统中最普遍、危害最大的污染物。据统计, 通过改善润滑状况, 可使柴油机内部摩擦损失减小 30 % , 约相当于发动机总功率的 6 % ～ 7% 。

    目前通常的做法是根据推荐的里程数或工作时数更换润滑油或保养滤清器来减小磨损故障的发生。然而, 设备润滑油的劣化是一个缓慢的过程, 在常规情况下,  并没有根据机器实际状态变化来更换新油, 经常造成浪费或劣质油延期使用而引发故障。

    通过“在线实时分析油品污染度”, 可为【设备状态监测】和【润滑油换油周期】提供合理的建议。

供应商清洁度检测及反馈系统

1、作为主机公司，有众多的零部件供应商。

2、作为液压件的使用者，希望了解到每一位合作伙伴的产品生产线的清洁度信息。

3、供应商通过“加装产线清洁度检测设备，可实时将对方的管控信息传输到主机公司，和主机公司一起建立生产体系的可追溯及可管控性。