芭乐视频下载官网大全_国产午夜亚洲精品第一区 _李美淑三级未删减版在线观看98_公车上乱j伦小说诱爱


首頁
產(chǎn)品系列
行業(yè)應用
渠道合作
新聞中心
研究院
投資者關系
技術支持
關于創(chuàng)澤
| En
 
  當前位置:首頁 > 新聞資訊 > 人工智能應用 > 煉化裝置大機組智能故障診斷-為 20 家企業(yè)有效診斷 50 余次  
 

煉化裝置大機組智能故障診斷-為 20 家企業(yè)有效診斷 50 余次

來源:中央企業(yè)人工智能協(xié)同創(chuàng)新平臺      編輯:創(chuàng)澤      時間:2025/1/6      主題:其他   [加盟]

中石化各煉化企業(yè)大機組監(jiān)測系統(tǒng)分散不統(tǒng)一,未與工藝量參數(shù)以及業(yè)務系統(tǒng)實現(xiàn)關聯(lián),關鍵機組各狀態(tài)監(jiān)測系統(tǒng)成為信息孤島,難以實現(xiàn)統(tǒng)籌管理。在應用上缺乏早期預警和故障診斷能力, 多采用門限報警技術,存在反復報警、漏報警、假報警現(xiàn)象較多,故障診斷依賴專業(yè)工程師的技術能力,缺少數(shù)據(jù)挖掘,數(shù)據(jù)分析不足,智能預警和智能診斷能力不足,對關鍵大機組維修決策支持能力弱。

為解決以上痛點問題,中石化建立了基于石化智云平臺關鍵機組狀態(tài)監(jiān)控應用,主要建設內(nèi)容如下:

本項目基于石化智云基礎架構,利用云資源、技術服務、持續(xù)交付中心等云技術及能力,開發(fā)了關鍵機組狀態(tài)監(jiān)控應用,包括 5 個一級功能和 34 個二級功能模塊,構建了報警通知-診斷通知-檢修反饋閉環(huán)業(yè)務處理流程。

項目依托石化智云構建大機組故障診斷模型等共 7 個組件并上架石化智云,賦能石化智云。

本項目將采集到的大機組振動和工藝數(shù)據(jù)進行預處理后,建立預警模型,輸出預警信息,預警模型分為 5 種模式:常規(guī)報警、防止反復穿越報警、趨勢預警、智能快變報警、智能動態(tài)閾值預警。

本項目研發(fā)構建了包括旋轉失速、喘振、軸瓦間隙、轉子彎曲等 9 個大機組故障診斷模型。

本項目覆蓋了中石化煉化企業(yè) 20 家關鍵大機組數(shù)據(jù),共接入 490 臺機組振動數(shù)據(jù)和工藝量數(shù)據(jù)。同時,對大機組故障診斷模型組件進行國產(chǎn)化適配改造,并上云上平臺。

大機組故障診斷模型是針對離心壓縮機組,采用基于數(shù)據(jù)驅動和故障機理相結合的方式,通過分析故障機理,結合信號處理方法,提取出高信噪比的振動參數(shù)故障特征。

通過對歷史案例數(shù)據(jù)的總結,形成各類故障的故障特征庫,采用自編碼器 Autoencoder、卷積神經(jīng)網(wǎng)絡 CNN等數(shù)據(jù)驅動方法,對新采集的機組振動特征參數(shù)進行分類,建立智能診斷模型,實現(xiàn)大機組不平衡、不對中、油膜渦動等 9 類典型故障智能診斷。

1)特征提取研究

a)時域特征提取。時域信號是傳感器采集經(jīng)數(shù)據(jù)采集器后的原始振動信號,當設備發(fā)生故障時,振動數(shù)據(jù)的成分會發(fā)生變化,但大都被干擾信息遮蔽,無法直接識別。利用統(tǒng)計方法提取的振動信號時域特征,一定程度上可以減少振動數(shù)據(jù)中的噪聲干擾,減少數(shù)據(jù)的冗余信息,并且特征對故障具有一定的指示性。

振動數(shù)據(jù)統(tǒng)計特征分為有量綱參數(shù)和無量綱參數(shù)。有量綱參數(shù):峰值、峰峰值、均值、有效值、方差等,無量綱的有:峭度、歪度、波形、脈沖、裕度等指標。上述指標對故障信號均有不同的響應,有量綱參數(shù)對設備工況、載荷變化非常敏感,無量綱參數(shù)會隨設備故障嚴重程度發(fā)生變化。單一特征不能實現(xiàn)變工況運行設備故障的有效預警,多特征融合可以解決單一故障特征故障指示面窄的問題。振動信號的時域特征常用于設備的運行狀態(tài)監(jiān)測,對于工況變化復雜的設備,單一的時域特征參數(shù)無法全面監(jiān)測設備運行狀態(tài),易造成大量的虛警和漏警,還需要頻域特征。

b)頻域特征提取。振動信號頻譜分析是故障診斷最常用的手段,頻譜分析能夠得到振動數(shù)據(jù)組成成分及其能量大小。傅里葉變換是振動信號頻譜分析的基礎,通過傅里葉變換將振動信號分解為單一頻率成分,可以清晰地看出信號中的主要組成成分,并得出故障特征。

c)時頻特征提取。基于傅里葉變換的頻譜分析只能處理平穩(wěn)信號,無法處理非平穩(wěn)信號。小波分析引入窗函數(shù)可變的小波基,其分析窗口函數(shù)可調,能夠提取到非平穩(wěn)信號短時、局部信息特征。通過構造小波函數(shù)族,將小波分析過程中的小波正交基組擴展為小波正交基庫,實現(xiàn)數(shù)據(jù)低頻和高頻成分的同時細化和分解。

通過試驗數(shù)據(jù)對時域、頻域和時頻域特征分析,可以發(fā)現(xiàn),不同特征對故障敏感程度不同,反映了設備不同狀態(tài)下振動數(shù)據(jù)特征間的差異。部分時域特征對軸承故障不敏感,但單一狀態(tài)下特征穩(wěn)定性較好;頻域特征對頻譜結構變化敏感,正常狀態(tài)下,特征變化穩(wěn)定,未出現(xiàn)大幅波動,指示性好;時頻域特征能夠細化頻譜結構,對頻譜異常變化敏感,且故障指示性最好。

2)基于自編碼器的故障智能診斷

a)自編碼器作為診斷模型原理。自編碼作為一種無監(jiān)督式學習模型,利用輸入數(shù)據(jù) X 本身作為監(jiān)督,來指導神經(jīng)網(wǎng)絡嘗試學習一個映射關系,從而得到一個重構輸出。算法模型包含兩個主要的部分:Encoder(編碼器)和 Decoder(解碼器)。編碼器的作用是把高維輸入 X 編碼成低維的隱變量 h 從而強迫神經(jīng)網(wǎng)絡學習最有信息量的特征;解碼器的作用是把隱藏層的隱變量 h 還原到初始維度。

在故障檢測場景下。利用無故障特征數(shù)據(jù)與各類故障特征數(shù)據(jù),構建深度自編碼器網(wǎng)絡診斷模型 AE,并得到正常與故障樣本特征空間;然后將當前待檢數(shù)據(jù)輸入 AE 的編碼器部分,得到待檢數(shù)據(jù)的特征 at,計算輸出值 at 與各特征空間A 之間距離,距離最近的判定為待檢數(shù)據(jù)所在工況。

b)診斷模型分類方法。診斷模型采用以下兩種距離歐式距離和馬氏距離對 AE 模型輸出進行分類:

歐氏距離簡單明了,且不受坐標旋轉、平移的影響。為避免坐標尺度對分類結果的影響,需在計算歐氏距離之前先對特征參數(shù)進行歸一化處理。考慮到特征矢量中的諸分量對分類所起到的作用不同,可采用加權方法,構造加權歐式距離。

馬氏距離是加權歐式距離中用得較多的一種,馬氏距離的優(yōu)點是排除了特征參數(shù)之間的相互影響。

3)基于卷積神經(jīng)網(wǎng)絡的故障智能診斷

a)卷積神經(jīng)網(wǎng)絡作為診斷模型原理。卷積神經(jīng)網(wǎng)絡是多級神經(jīng)網(wǎng)絡,包含濾波級(filtering stage)與分類級(classification stage)。其中,濾波級用來提取輸入信號的特征,分類級對學習到的特征進行分類,兩級網(wǎng)絡參數(shù)是 共同訓練得到的。濾波級包含卷積層(convolutional layers),池化層(pooling layers)與激活層 (activation layers)等 3 個基本單元,而分類級一般由全連接層組成。本方案設計的卷積神經(jīng)網(wǎng)絡處理的是一維信號。

b)用于振動信號診斷的一維卷積神經(jīng)網(wǎng)絡。本項目采用的卷積神經(jīng)網(wǎng)絡的結構如下圖所示。該卷網(wǎng)包含兩個卷積層,兩個池化層,一個全連接隱含層,以及一個 Softmax 層。診斷信號通過第一個卷積層以及 ReLU 激活層,變?yōu)橐唤M特征圖(Feature Maps),再經(jīng)過最大值池化進行降采樣。重復一次以上操作,將最后一個池化層的特征圖與全連接隱含層相連,經(jīng)過 ReLU 激活之后,傳遞到最后的 softmax 層。

大機組故障診斷模型目前在中石化集團 20 家煉化企業(yè)離心大機組進行應用,實現(xiàn)了大機組不平衡、不對中、 油膜渦動、、喘振/旋轉失速、動靜摩擦等 9 類典型故障自動診斷,為企業(yè)維修決策提供有力支持。

自系統(tǒng)上線以來至今應用效果顯著,基于系統(tǒng)智能報警和智能診斷模型已為 20 家企業(yè)有效診斷 50 余次,統(tǒng)計結果見圖 5,其中有 49 次為提前發(fā)現(xiàn)機組異常,及時告知企業(yè),密切關注機組,避免造成嚴重故障。

本模型通過推廣至煉化板塊其他企業(yè)離心大機組故障診斷,可避免或減少非計劃停機或停工事件發(fā)生,延長設備壽命,同時減少維修時間,提高生產(chǎn)效率和經(jīng)濟效益。

大機組智能診斷模型可大幅度減少對故障診斷專家的依賴,并且確認診斷結論以及檢維修建議的時間縮短 6 倍以上,可大幅縮短機組的檢修周期,降低機組故障停機時間、提高企業(yè)經(jīng)濟效益。

根據(jù)應用企業(yè)數(shù)據(jù)反饋:預計一家企業(yè)每年降低非計劃停機 1-2 次,根據(jù)企業(yè)規(guī)模不同,為企業(yè)減少直接或 間接經(jīng)濟損失約每年 400 萬,為企業(yè)降本增效和可持續(xù)發(fā)展提供有力的技術支撐。





“大瓦特+智搜”人力小智智能問答助手應用,提高人資制度知識查詢效率

通過識別員工意圖自動解析并檢索公司內(nèi)部的規(guī)章制度、政策文件和業(yè)務流程等相關信息,自動高效提供最匹配的答案,從而提高人資制度知識查詢效率,并確保人資領域政策信息的準確傳達

生產(chǎn)現(xiàn)場違章作業(yè)智能監(jiān)控場景,建設“1234”總體框架

基于公司大瓦特生態(tài)技術體系,推動安全監(jiān)管模式再變革 1 大核心愿景,細化 2 大核心目標,依托大瓦特 L0 電力基礎大模型、電網(wǎng)首個人工智能樣本標注基地、“數(shù)字安全監(jiān)盤人”功能領先為 3 大核心基礎,

中美AIGC產(chǎn)業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報告:AIGC技術在金融、信息技術、醫(yī)療等行業(yè)落地進展迅速

部分場景和領域(金融、信息技術、醫(yī)療等行業(yè))已實現(xiàn)實質性的商業(yè)化進展,而其他領域則仍處于探索階段,在數(shù)個行業(yè)與應用場景的交叉領域展現(xiàn)出巨大的市場潛力

2024年企業(yè)AI大模型應用落地白皮書-應用現(xiàn)狀和未來趨勢,擁抱AI大模型,擁抱AI大模型

揭開了AI大模型在企業(yè)中的應用現(xiàn)狀和未來趨勢,實時監(jiān)控生產(chǎn)線,AI大模型能夠預測設備故障,減少停機時間,確定AI大模型的應用領域、投資預算、技術選型等

2024年AI大模型賦能智能座艙研究報告-從機械式座艙到電子式座艙再到智能化座艙

智能座艙的發(fā)展經(jīng)歷了從機械式座艙到電子式座艙,再到智能化座艙的演變;提供出行過程中的辦公、娛樂、社交、休息場景,并實現(xiàn)多場景轉變

Graph AI:大模型浪潮下的圖計算白皮書(2024年),交互現(xiàn)狀,面臨的問題與挑戰(zhàn),關鍵技術以及成功實踐

白皮書旨在全面解析圖計算與人工智能(尤其是大模型技術)的交互現(xiàn)狀,探討其背后的原理,面臨的問題與挑戰(zhàn),關鍵技術以及成功實踐,為相關領域的研究和應用提供有益的參考和啟示

2024年AI大模型對我國勞動力市場潛在影響研究報告,碩博學歷的占比為 35.8%,3-5 年經(jīng)驗的占比 33.8%

大模型相關崗位對求職者的學歷和經(jīng)驗要求均較高,求碩博學歷的占比為 35.8%,比去年同期提高 5.5 個百分點;經(jīng)驗方面要求 3-5 年經(jīng)驗的占比 33.8%,比去年同期提高 2 個百分點

2024年中國人工智能系列白皮書-元宇宙技術,趨勢包括新信息形態(tài),新數(shù)字器官,新經(jīng)濟模式,新社會圖景

元宇宙的關鍵支撐技術包括計算、感知、生成、協(xié)同和交互;帶動了工業(yè)、商業(yè)、服務、娛樂等面 向消費領域的創(chuàng)新和應用熱潮,在不同行業(yè)典型場景中深入應用并持續(xù) 創(chuàng)新和快速發(fā)展

2024年中國人工智能系列白皮書-體育人工智能,探索研究體育 人工智能的理論、技術和應用提供借鑒與參考

白皮書將梳理體育人工智能發(fā)展歷程以及應用于體育各個領域的人工智能關鍵技術,以期為體育科技工作者進一步探索研究體育 人工智能的理論、技術和應用提供借鑒與參考

2024年AI智能交互眼鏡產(chǎn)業(yè)洞察報告:行業(yè)背景,行業(yè)現(xiàn)狀,典型企業(yè)和發(fā)展趨勢

報告從行業(yè)背景、行業(yè)現(xiàn)狀、典型企業(yè)分析順次深入,全面客觀地完成了AI智能交互眼 鏡行業(yè)整體情況的梳理總結,AI智能交互眼鏡行業(yè)呈現(xiàn)蓄勢待發(fā)的發(fā)展趨勢

AI 搜索:大模型商業(yè)落地“第一束光”,更準確地理解搜索問題的意圖,延伸出主動回答

AI 搜索有望成為首個商業(yè)化落地的 C 端超級應用,能更精準地把握用戶的查詢意圖,并據(jù)此提供更加定制化的搜索結果,延伸出主動回答、主動思考其他相關因素

2024年度AI十大趨勢報告重磅發(fā)布!從技術、產(chǎn)品、行業(yè)等多維度勾勒AI現(xiàn)狀

大模型的創(chuàng)新速度在過去一年中增長了200%;AI的推理能力將提升300%;全球AGI領域的研究投入在過去三年內(nèi)增長了250%;未來的焦點將集中在20個賽道和5大場景
 
資料獲取

智能導診機器人在醫(yī)院服務
新聞資訊
== 資訊 ==
» » 移動機器人(AGV_AMR)專用激光雷達
» 表情陪伴人形機器人:AI 陪伴的高級賽
» AI行業(yè)深度報告模型能力向上價格向下應用
» 中國工業(yè)大模型行業(yè)發(fā)展研究報告-大模型有
» 2025具身智能行業(yè)發(fā)展研究報告具身智能
» 新一代智能終端藍皮書:擴展了智能終端的功
» 中國AI大模型產(chǎn)業(yè)發(fā)展驅動力:政策因素
» 2025年中國AI大模型市場現(xiàn)狀及發(fā)展趨
» 表情陪伴人形機器人:AI陪伴的高級賽道,
» 人形機器人“好用”的關鍵 特斯拉Opti
» AI迎賓接待機器人的技術壁壘之情感智能
» 醫(yī)療場景陪伴機器人市場前景:潛在需求約3
» 青年陪伴機器人市場前景:潛在需求約500
» 深圳人形機器人產(chǎn)業(yè)發(fā)展情況:具有人形機器
 
== 機器人推薦 ==
 
迎賓講解服務機器人

服務機器人(迎賓、講解、導診...)

智能消毒機器人

智能消毒機器人

機器人底盤

機器人底盤

 

商用機器人  Disinfection Robot   展廳機器人  智能垃圾站  輪式機器人底盤  迎賓機器人  移動機器人底盤  講解機器人  紫外線消毒機器人  大屏機器人  霧化消毒機器人  服務機器人底盤  智能送餐機器人  霧化消毒機  機器人OEM代工廠  消毒機器人排名  智能配送機器人  圖書館機器人  導引機器人  移動消毒機器人  導診機器人  迎賓接待機器人  前臺機器人  導覽機器人  酒店送物機器人  云跡科技潤機器人  云跡酒店機器人  智能導診機器人 
版權所有 © 創(chuàng)澤智能機器人集團股份有限公司     中國運營中心:北京·清華科技園九號樓5層     中國生產(chǎn)中心:山東日照太原路71號
銷售1:4006-935-088    銷售2:4006-937-088   客服電話: 4008-128-728