AI自診斷
工況數(shù)據(jù)+振動機理+數(shù)理模型分析
工況數(shù)據(jù)+振動機理+數(shù)理模型分析,幫助用戶更準確地定位設備故障。
根據(jù)振動傳感器采集到的振動速度,依據(jù)ISO10816,得到四個預警等級。
通過多工況聚類學習,更準確識別設備部件健康度。
工況聚類后的數(shù)據(jù)發(fā)生趨勢變化,算法診斷出設備故障異常。
依據(jù)振動分析的特征值來定位故障部位,故障種類如下:
相關性AI分析
相關性AI分析,得出故障原因貢獻度,幫助用戶快速定位故障原因。
系統(tǒng)相關性AI分析技術(以下是WitExpert系統(tǒng)平臺截圖)
分析出故障原因貢獻度,并定位故障產(chǎn)生的原因
顯著度AI分析
顯著度AI分析,擬合退化曲線,幫助用戶實現(xiàn)設備保養(yǎng)預測。
維保前后顯著度特征提取平行線圖
設備退化曲線擬合
根據(jù)退化曲線預測保養(yǎng),實現(xiàn)延長保養(yǎng)或因故障提前保養(yǎng)
神經(jīng)網(wǎng)絡和時序列分析的AI預測算法
結(jié)合神經(jīng)網(wǎng)絡和時序列分析的AI預測算法,學習設備歷史數(shù)據(jù)的模式和趨勢,實現(xiàn)精準預測。