供应德国研究集群提供基于 AI 的多变量传感器数据融合监测系统
欧盟项目创新中心
项目介绍
两个德国研究机构将其在无损评估(如超声检测)方面的专业知识与工业数据分析和传感器数据融合的人工智能相结合,合作开发一种改进的状态监测系统。状态监测系统应对新出现的损坏提供高灵敏度,以实现可预测的维护、稳健性和缺陷状态分类的可靠性。为了实现工况监测的经济效益,必须采用具有成本效益的系统。
系统应能够区分不同类型和不同位置的损坏,从而触发维修行动。然而,由于操作条件的变化或系统参数的不确定性,传感器信号特征难以可靠地分配到相关损伤。在缓慢旋转的驱动情况下,振动传感器信号中的损伤检测会被噪声破坏,这在实际应用中总是存在的。应用异质传感器,如超声波换能器和低频振动传感器,可以增强分类和早期损伤检测。
为此,采用基于神经网络的多阶段分类方法对传感器信号进行融合。状态监测系统提供了传感器模式和组合方法的损伤分类结果。组合分类器允许更高的灵敏度,而单独传感器的输出可以用于验证,并作为一个传感器失败时的后备选项。
优势与创新
所开发的监测系统在识别各种损伤或故障状态时具有更高的灵敏度和分类性能。在常规系统无法可靠地检测和分类损伤的情况下,这可以对用例进行状态监控。当高噪声水平恶化传感器信号, 或在情况下非常缓慢移动的驱动器和轴承产生时,这可以特别相关。此外,基于可解释 AI 方法的传感器信号分析可以提高分类的置信度、自我监控能力和在单传感器故障情况下的鲁棒性。模块化分类方法不仅可以更深入地了解故障对分类的影响。可以将该系统 应用为状态监测系统的快速原型开发工具包,并行评估几种传感器模式,并为最有价值的传感器配置提供提示。
合作模式
拟以许可协议、技术合作协议或科研合作协议的方式,寻找操作工业设备并对设备(电力驱动器、泵、慢速旋转/移动驱动器、制造机械)的增强状态监测感兴趣的试点合作伙伴。
在建立合作的第一步,合作伙伴应对可行性研究的技术合作感兴趣,其中包括评估具体任务和现有数据的初步研讨会。如果需要更多传感器数据,应该可以将更多传感器安装到工业设备上。在成功进行可行性研究后,该系统可以集成到合作伙伴站点的基础设施中,包括关于传输数据分析方法的许可协议。
另一种选择是与商业用户和状态监测系统或传感器开发商签订研究合作协议,以进行合作研究,例如将进一步的传感器模式集成到系统中或将系统概念转移到其他工业应用。
Project introduction