研華IoT案例 AI賦能iDAQ旋轉機械預測維護方案

現今大部分企業依舊沿用傳統設備巡檢方式進行設備管理，不僅耗費人力，還極易出現設備非計劃停機，誘發安全事故、維護成本攀升等隱患。 研華推出iDAQ旋轉機械預測維護方案，其采用模塊化分布式測控系統，以及WISE-InsightAPM數字孿生低代碼開發平臺，通過AI賦能和故障機理模型診斷既可實現預知性檢修，還可滿足用戶定制化需求。

iDAQ旋轉機械預測維護方案

設備智能運維的“殺手锏”

硬件部分：采用iDAQ模塊化分布式測控系統，實現故障診斷與預測維護

硬件采集系統基于開放式架構，采用iDAQ模塊化分布式測控系統，包括256k，24-bit，4通道動態信號采集模塊iDAQ-801、32通道隔離DIO模塊iDAQ-731、4槽獨立式機箱iDAQ-964、獨立式控制器AMAX-5580等，針對電機、減速箱、泵機、風機、空壓機、沖壓機、輥壓機、軋鋼機等通用和專用旋轉機械進行健康狀態監測和故障預警，實現預知性維修。

軟件部分：基于WISE-InsightAPM數字孿生低代碼開發平臺，滿足用戶定制化需求

軟件分析系統基于WISE-InsightAPM數字孿生低代碼開發平臺，開放各類接口并且支持二次快速開發，保證產品標準功能的同時，還能滿足用戶的客制化需求。標準功能包含設備故障預警和設備精密診斷兩個方案包，其中設備精密診斷方案包是設備故障預警方案包的進階版本。

設備故障預警方案包：輸出ISO振動評價指標和AI設備衰退程度指標實現設備故障雙指標監測及預警。ISO振動評價指標的計算符合ISO 10816旋轉機械振動評價國際標準；AI設備衰退程度指標的計算依托非監督學習模型，通過數據預處理、模型訓練、模型推理三個步驟實現。

設備精密診斷方案包：輸出齒輪和滾動軸承健康因子實現對應零件故障預警及定位。齒輪和滾動軸承健康因子的計算依托故障機理模型，以監測零件結構參數、轉速信息、振動信號作為模型輸入，輸出對應零件健康因子。

此外，該解決方案還內置精密分析模塊，提供時域、頻譜、時頻分布等各類診斷算法，工程師可據此實現設備故障精密分析，滿足不同場合應用需求。

典型案例分享

車橋耐久性測試系統

助力車輛制造商打造“五星級”品質

隨著機械化、高效化、智能化成為各產業發展的大勢所趨。作為農業大國與強國，我國農業機械設備轉型需求也在不斷攀升。某大型農用車輛制造商，同樣面臨巡檢人力不足、維護保養成本過高、非計劃停機效益疲軟、安全事故頻發等問題，造成經濟損失的同時嚴重影響企業社會形象。

為此該農用車輛制造商選用了研華iDAQ-801采集錐齒輪傳動和滾動軸承的振動信號，用以判斷車橋工況，選用設備精密診斷方案包用以監測、診斷因車橋錐齒輪傳動設計/制造缺陷所帶來的未達使用壽命損傷，為現場操作人員提供測試依據，提前發現故障，避免公共安全事件發生。

項目實施

針對產品開發階段，研華iDAQ旋轉機械預測維護系統對產品進行測試，通過精密分析與診斷發現設計潛在問題和故障，進一步完善產品設計。

測試顯示，AI設備衰退程度指標和齒輪/滾動軸承健康因子超出報警閾值，提示車橋存在異常，結合齒輪/滾動軸承健康因子對應零部件關系，判斷為主動輪齒輪/支撐軸承出現異常，且與精密分析模塊診斷得出結論一致。

通過停機開箱檢查，發現主動輪齒輪出現裂紋，主動輪支撐軸承出現了滾動體大面積燒傷，校驗了齒輪/滾動軸承健康因子故障定位的能力，也從側面表明了此批次車橋主動輪齒輪及主動輪軸承存在設計或制造缺陷。

針對產品所存在的潛在問題和故障，客戶進行了一系列優化設計，最終經檢測達到設計要求。

耐久性測試是機械、機電等產品在設計過程中驗證產品使用壽命、安全及穩定性的一項重要試驗，研華iDAQ旋轉機械預測維護方案通過結合AI技術和故障機理模型可監測到設備隱藏故障并不斷改進和升級，從而為設備安全運行保駕護航，為產品質量提供可靠保障。

精準診斷 高效運維 用智能化保產增效

在現代工廠中存在大量旋轉類設備，其運行狀況直接關系著整個工廠的經濟效益及安全生產。研華推出的iDAQ旋轉機械預測維護方案，采用模塊化分布式測控系統，WISE-InsightAPM數字孿生低代碼開發平臺，集數據采集、實時在線監控、故障分析、維修建議、健康診斷等服務等多功能于一體，可有效幫助企業提質增效，賦能并推動其在智能制造中轉型升級。