Bagaimana untuk meramalkan prestasi silinder? Penyelenggaraan ramalan berdasarkan isyarat getaran

Sebagai penggerak teras sistem automasi industri, kebolehpercayaan silinder secara langsung mempengaruhi kecekapan pengeluaran. Menurut statistik, 35% daripada Sistem pneumatik Kegagalan disebabkan oleh memakai silinder, dan kegagalan tiba -tiba boleh menyebabkan garis pengeluaran kehilangan sehingga puluhan ribu yuan per jam. Penyelenggaraan biasa tradisional mempunyai risiko pemeriksaan yang terlalu banyak atau tidak dijawab, sementara penyelenggaraan ramalan berdasarkan isyarat getaran dapat menangkap tanda-tanda awal dengan tepat dan mencapai intervensi awal kesalahan.

1. Mekanisme penjanaan isyarat getaran silinder

Sumber getaran biasa

Piston Seal Wear: Kerosakan pada cincin meterai menyebabkan kebocoran udara termampat, menyebabkan pergerakan omboh yang tidak stabil (kekerapan: 10-100Hz)

Panduan Pelepasan Lengan: Melebihi toleransi yang sepadan menyebabkan batang omboh ke ayunan (kekerapan ciri: 50-300Hz)

Kegagalan injap penampan: Ekzos yang lemah menghasilkan turun naik tekanan frekuensi tinggi (jalur frekuensi: 500-2000Hz)

Parameter ciri isyarat getaran

2. Tiga kaedah teras diagnosis getaran

Kaedah 1: Kaedah Analisis Ciri Domain Masa

Senario yang berkenaan: Pemeriksaan cepat keabnormalan awal

Petunjuk utama:

Nilai RMS (Root Mean Square): 20% di atas nilai asas adalah amaran awal

Faktor Puncak (CF):> 3.5 Menunjukkan Haus Impak

Langkah Operasi:

Pasang sensor pecutan tiga paksi pada titik tengah strok silinder

Kumpulkan data getaran untuk 10 kitaran kerja

Kirakan skor Z CF dan RMS (penggera jika ia menyimpang dari garis dasar dengan 3σ)

Kaedah 2: Teknologi Demodulasi Sampul Domain Frekuensi

Senario yang berkenaan: Cari dengan tepat komponen yang rosak

Prinsip Teknikal: Ekstrak Isyarat Modulasi melalui Hilbert Transform dan memisahkan kekerapan ciri galas/meterai

Proses Diagnostik:

Kekerapan pensampelan ditetapkan kepada 5khz

Analisis Spektrum Sampul dilakukan pada jalur kekerapan 200-800Hz

Kenal pasti frekuensi ciri:

Piston Rod Speed ​​× Bilangan bola (kegagalan galas)

Pengetatan Geseran Pasangan Lulus Frekuensi (Pakai meterai)

Data yang diukur: Silinder jentera pembungkusan mempunyai sideband pada 125Hz, yang didiagnosis sebagai pakaian lengan panduan (getaran dikurangkan sebanyak 62% selepas pembaikan).

Kaedah 3: Pembelajaran Mesin Diagnosis Pintar

Senario yang berkenaan: Pemantauan kluster multi-silinder

Senibina Model:

Lapisan Input: Segmen getaran 1s (termasuk ciri domain kekerapan domain masa)

Lapisan Tersembunyi: Rangkaian LSTM 3-lapisan (128 Unit Memori)

Lapisan Output: Klasifikasi Jenis Kesalahan (Ketepatan> 92%)

Laluan Pelaksanaan:

Kumpulkan data sejarah (500 kumpulan status normal/haus setiap satu)

Peningkatan Data (tambah bunyi Gaussian untuk meningkatkan generalisasi)

Menyebarkan modul pengkomputeran tepi

3. Panduan Pembinaan Sistem Diagnostik

Cadangan pemilihan perkakasan