Machines Fault Detection 2.0

Lesen: Percuma ‎Saiz fail: 2.20 MB
‎Penarafan Pengguna: 0.0/5 - ‎0 ‎Undi

Teknologi diagnostik digunakan untuk meningkatkan kecekapan mesin berputar dalam sistem tenaga dengan mengesan kesalahan yang akan datang. Mesin berputar kecil biasanya tidak mempunyai unit diagnostik di atas kapal. Unit diagnostik mudah alih adalah mahal dan memerlukan maklumat yang sangat terperinci mengenai jentera yang dipantau, dari diameter unsur-unsur rolling dalam galas, kepada bilangan bar rotor. Oleh itu, terdapat kawasan peluang untuk membangunkan unit diagnostik kos rendah yang tidak memerlukan maklumat mesin terperinci. Telefon pintar moden nampaknya sesuai untuk tugas ini kerana mereka mempunyai pemerolehan data akustik dan getaran terbina dalam dan kapasiti pengkomputeran yang besar. Walau bagaimanapun, mereka mempunyai batasan perkakasan berbanding dengan unit diagnostik terkini seperti kadar pensampelan data dan sensitiviti sensor.

Satu set motor induksi diuji dalam kedua-dua keadaan, sihat dan rosak (rotor tidak seimbang, galas yang rosak dan bar rotor pecah) untuk menganalisis getaran dan isyarat akustik yang direkodkan dengan telefon pintar. Kemudian, data yang direkodkan dianalisis untuk mengenal pasti tandatangan pelepasan yang sihat dan rosak. Sejumlah kira-kira 85 minit pelepasan akustik dan sekitar 125 minit data getaran direkodkan di sepanjang semua keadaan operasi yang berbeza. Keputusan menunjukkan bahawa ia adalah mungkin untuk menganggarkan kelajuan putaran mesin dan mengesan kesalahan dengan rakaman telefon pintar. Tandatangan rosak pelepasan akustik terletak di antara 4 KHz & ndash; 8 KHz dalam bentuk kluster frekuensi magnitud tinggi dan kelajuan boleh dianggarkan menggunakan harmonik frekuensi putaran mekanikal yang hadir antara 100 Hz-1 KHz. Tandatangan rosak Getaran yang sama terletak di sepanjang spektrum frekuensi dalam bentuk puncak magnitud tinggi dan kelajuan putaran boleh dianggarkan dengan menggunakan kekerapan getaran puncak. Akhirnya aplikasi Android yang berfungsi sepenuhnya telah dibangunkan berdasarkan keputusan ujian untuk mengesan kelajuan motor dan status kesihatan secara automatik. Ujian pengesahan menunjukkan ketepatan 90% dalam pengesanan kesalahan.

sejarah versi

  • Versi 2.0 diposkan pada 2014-09-08
    Pepijat tetap, algoritma yang lebih baik, antara muka baru

Butiran Atur Cara