工業(yè)智能聽診系統(tǒng)研發(fā)及產(chǎn)業(yè)化
發(fā)布日期：2023-02-08 瀏覽量：1
字號：大 中 小
【所屬領域】
智能制造
【技術背景】
機械設備及產(chǎn)品發(fā)出的聲音信號能夠有效表征其運行狀態(tài)，若出現(xiàn)異音異響，則表明其機械設備及產(chǎn)品存在故障或質(zhì)量缺陷。目前機械設備及產(chǎn)品的質(zhì)量檢測和故障診斷大多采用人工聽診的方法，存在誤判率高、效率低下以及生產(chǎn)成本日益增加的問題。
【成果介紹】
本成果專注于工業(yè)聲學大數(shù)據(jù)在智能制造領域應用，開發(fā)工業(yè)智能聽診系統(tǒng)，其利用聲學傳感器在線采集機械設備及產(chǎn)品信號，依據(jù)專業(yè)聲學分析方法，結(jié)合機器學習技術，可替代人工完成產(chǎn)品異音異響下線檢測及關鍵設備的預測性維護。
工業(yè)智能聽診平臺
【技術優(yōu)勢】
圍繞工業(yè)智能聽診系統(tǒng)開發(fā)目標，重點實現(xiàn)了以下技術創(chuàng)新：
1、基于聲學信號濾波增強和回波消除技術，研究形成適用于非自由聲場的信號前端處理方法，從而解決工業(yè)生產(chǎn)環(huán)境噪聲干擾以及靜音箱測試環(huán)境下聲波反射問題；
2、基于故障診斷經(jīng)驗知識以及多維度信號處理方法，研究形成適用于穩(wěn)態(tài)和非穩(wěn)態(tài)的異音異響信號特征提取方法，并構(gòu)建了多維聲學信號特征工程技術；
3、開展基于集成學習和深度學習算法適用性研究，從而在機器訓練樣本比例嚴重失衡情況下，小樣本數(shù)據(jù)規(guī)模即可達到較高的模型判定準確率；開展基于遷移學習的適用性研究，從而解決機器學習的模型泛化問題，確保訓練模型能夠快速覆蓋并部署至同類型產(chǎn)品；
4、開發(fā)了工業(yè)智能聽診軟件平臺以及標準化的數(shù)據(jù)采集模塊，可滿足不同應用場景系統(tǒng)部署需求。
【技術指標】
1、機器學習模型準確率高，模型訓練樣本達到數(shù)千規(guī)模以上，輸出結(jié)果準確率可以達到99%以上。
2、通用性強，系統(tǒng)核心硬件標準化設計，軟件開放式框架，從而方便與自動化模塊集成，實現(xiàn)無人化操作。
【成果展示】
揚聲器異音智能檢測系統(tǒng)
微特電機異音智能檢測系統(tǒng)
船舶軸系故障預測與健康管理系統(tǒng)
【應用場景】
工業(yè)智能聽診系統(tǒng)主要包括兩個功能，一是替代人工實現(xiàn)線上產(chǎn)品異音異響質(zhì)量檢測，廣泛應用于汽車零部件、白色家電、電聲組件、散熱模組、基礎機械傳動部件、特種醫(yī)療設備以及沖壓金屬、金屬注射模具、鑄造件、鍛造件、打造件、焊接件等領域；二是替代人工完成關鍵機械設備的預測性維護，為客戶輔助決策，判斷機器的運行狀態(tài)、優(yōu)化機器的維護時機，可廣泛應用于先進制造、交通運輸、能源電力、石油化工等領域。
【市場前景】
產(chǎn)品異音下線檢測廣泛存在汽車零部件、白色家電、電聲組件、散熱模組、基礎機械傳動部件、電氣組件、磁性材料、光伏硅片以及特種醫(yī)療設備等領域。企業(yè)普遍愿意以2-3年人工成本來實現(xiàn)檢測自動化升級改造，市場容量保守估計在60億美元。
關鍵設備預測性維護是工業(yè)智能聽診系統(tǒng)的重要應用場景，通過在線實時采集設備運行中發(fā)出的聲學信號，能夠識別并預測設備健康狀態(tài)，減小設備的非計劃停機，可廣泛應用傳動軸、軸承、空壓機、泵、減速機等關鍵設備。IoT Analytics發(fā)布的報告指出：到2026年，預測性維護市場將達到282億美元。
【知識產(chǎn)權(quán)】
該成果已申請多項中國發(fā)明專利，下表是部分展示：
