阿里云IoT发布工业设备故障诊断算法 获IEEE会议收录
近日,由IEEE可靠性协会主办的全球性专业会议ICPHM 2022 上,阿里云IoT平台数据分析团队发布名为An Integration of Spectrum Analysis and Attention- based Network for Condition Monitoring of Vibration Components论文,提出了SOTA级(行业领先)高精度故障诊断算法,刷新工业振动设备故障诊断精准度,显著提升设备运维效率。
作为工程学科的全球性专业会议,ICPHM已经连续举办了13届。在会议上发表的论文需要经过严格评审,文章录用且受邀会议演讲的比例不到30%,被收录的论文将在IEEE Explore上发表。
此次阿里云IoT发布的论文提出SOTA级振动故障诊断算法,对于减小非计划停机和降低运维成本有较大的价值。
在工业设备中由振动引起的故障,占所有故障的60%以上。而磨损、裂纹等轻微故障,往往宏观表征微弱,仅靠人工无法有效辨识,开展基于振动信号的状态监控可以有效跟踪并发现设备早期故障,减小非计划停机和运维成本,提高设备安全性和排故效率。
阿里云IoT的SOTA级算法通过融合领域知识和深度学习网络,相比直接使用原始时序信号或快速傅立叶变换得到的频谱,基于welch方法获得功率谱估计有助于抑制噪声,提升网络的特征提取效果;
基于一维双卷积网络和多头自注意力机制的轻量深度网络结构,可以融合多测点信号数据,相比现有的各种复杂多层网络,如ResNet等,在不降低模型识别效果的同时减小了模型大小,提升了计算效率。
此外,此套算法用一个模型适配多个场景,在轴承、齿轮等各类工况下都有出色的诊断效果。
IEEE专家评审意见认为,阿里云IoT故障诊断算法提出了一套端到端的诊断与状态识别流程,并且实验效果优越。
论文主要作者,阿里云IoT平台算法工程师陈曦表示,振动故障算法将与阿里云物联网平台、数字工厂等产品深度结合,为用户提供高精准度的预测性设备维护。
据了解,阿里云物联网平台已经服务近十万家企业,大量设备上云产生海量数据,为了帮助用户用好这些数据,阿里云IoT在数据分析平台上提供了包括故障诊断算法、生产过程分析等在内的五大类数据分析算法,API日调用量已达5O多万次。
图片新闻
最新活动更多
-
直播回顾进入直播>> 智能医疗设备测试的挑战
-
4月26日立即报名 >> 【线上研讨会】TDK模块化电容器、电能质量解决方案
-
4月30日免费下载 >> SPM31智能功率模块助力降低供暖和制冷能耗,打造可持续未来!
-
4月30日限时免费下载>> 高动态范围(eHDR)成像设计指南
-
5月10日立即下载>> 【是德科技】精选《汽车 SerDes 发射机测试》白皮书
-
5月28日立即观看>> 【在线研讨会】Ansys镜头点胶可靠性技术及方案
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论