Виброакустический интеллектуальный датчик

NT Adaptive ™ .VAS

NT Adaptive.VAS ist ein intelligenter vibro-akustischer Sensor zur Überwachung von Rotationsmaschinen, Dresch- und Zerkleinerungsmaschinen und Elektromotoren.

NT Adaptive.VAS bezieht sich auf elektronische Geräte mit interner Software zur Verarbeitung der Vibrationsbeschleunigung in drei Achsen und des Schalls, die von einem 3-Achsen-Beschleunigungssensor und einem Mikrofon kommen, die sich im Gehäuse befinden. NT Adaptive.VAS ist ein konstruktives Gehäuse mit den Abmessungen 56x56x36mm, an dessen Basis eine Metallgewindestange befestigt ist, die zur Befestigung an Industriegeräten dient (Einschrauben in das Gerät), durch die die Vibrationsbeschleunigung der gesteuerten Maschine tatsächlich übertragen wird.

Ein unüberwachter selbstlernender Algorithmus wird für die Früherkennung von Fehlfunktionen in Industriegeräten verwendet, basierend auf dem kombinierten Algorithmus der vibro-akustischen Analyse der Signalclusterbildung und der weiteren Erkennung unter Verwendung des neuromorphen Chips NM500. In der Konfigurations- und Trainingsphase untersucht NT Adaptive.VAS die Daten ohne vorherige Kenntnis der Fehlermodi, und wenn die untersuchten Betriebsmodi der Knoten oder Baugruppen zu einer bestimmten Anzahl konvergieren (wenn die Eingabedaten geclustert werden, hört die Anzahl der neuen Cluster auf zu wachsen), wird angenommen, dass das Gerät alle Betriebsmodi des Geräts kennt. Dann werden während des Betriebs die Abstände zwischen den Clustern der eingegebenen verarbeiteten Daten mit den zuvor untersuchten Daten (Clusterzentren) unter Verwendung des neuromorphen Chips NM500 verglichen. Wenn der aus den Merkmalen des aktuellen Clusters zusammengesetzte numerische Vektor, der die Betriebsart des Geräts charakterisiert, nicht mit den zuvor gelernten, nach dem gleichen Prinzip zusammengestellten Vektoren übereinstimmt, wird auf das Vorhandensein einer neuen, bisher unbekannten Betriebsart des Geräts geschlossen. So ist das System in der Lage, anomale neue Daten zu erkennen, die vorher nicht bekannt waren. Dabei wird davon ausgegangen, dass es sich bei den in der „Lernphase” entdeckten und erlernten Kategorien (Clustern) um Kategorien handelt, die dem „bedingt guten” Zustand der Geräte zugeordnet werden können. In der Erkennungsphase gehört der entstehende Cluster zur Kategorie Neu und Unbekannt, die dem Wartungspersonal gemeldet wird, das entsprechend reagieren muss

Preisanfrage