Hvordan forudsiger cylinders ydeevne? Forudsigelig vedligeholdelse baseret på vibrationssignaler

Som kerneaktuatoren for industrielle automatiseringssystemer påvirker pålideligheden af ​​cylindre direkte produktionseffektiviteten. Ifølge statistikken, 35% af Pneumatisk system Fejl er forårsaget af cylinderslitage, og pludselige fejl kan få produktionslinjer til at tabe op til titusinder af yuan i timen. Traditionel regelmæssig vedligeholdelse har risikoen for over vedligeholdelse eller ubesvarede inspektioner, mens forudsigelig vedligeholdelse baseret på vibrationssignaler nøjagtigt kan fange tidlige tegn på slid og opnå tidlig indgriben af ​​fejl.

1. Generationsmekanisme for cylindervibrationssignaler

Typiske vibrationskilder

Stempelstætningslitage: Skader på tætningsringen forårsager tryklækage, der forårsager ustabil stempelbevægelse (frekvens: 10-100Hz)

Vejledning af ærmerafstand: Overskridelse af den matchende tolerance får stempelstangen til at svinge (karakteristisk frekvens: 50-300Hz)

Bufferventilfejl: Dårlig udstødning producerer højfrekvente tryksvingninger (frekvensbånd: 500-2000Hz)

Vibrationssignal Karakteristiske parametre

2. Tre kernemetoder til vibrationsdiagnose

Metode 1: Time Domain Feature Analysis Method

Anvendt scenarie: Hurtig screening af tidlige abnormiteter

Nøgleindikatorer:

RMS -værdi (Root Mean Square): 20% over basisværdien er en tidlig advarsel

Peak Factor (CF):> 3,5 angiver påvirkning af påvirkning

Betjeningstrin:

Installer en tre-akset accelerationssensor ved midtpunktet af cylinderslag

Indsaml vibrationsdata til 10 arbejdscyklusser

Beregn z-score for CF og RMS (alarm, hvis den afviger fra baseline med 3σ)

Metode 2: Frekvensdomænekonvolut demoduleringsteknologi

Anvendt scenarie: Find nøjagtigt defekte komponenter

Teknisk princip: Uddrag moduleringssignalet gennem Hilbert -transformation og adskillelse af lejet/tætningen karakteristisk frekvens

Diagnostisk proces:

Prøveudtagningsfrekvensen er indstillet til 5 kHz

Konvolutspektrumanalyse udføres på frekvensbåndet 200-800Hz

Identificer karakteristiske frekvenser:

Stempelstanghastighed × Antal bolde (bæresvigt)

Forseglingsfriktionspar, der passerer frekvens (forseglingsslitage)

Målte data: En emballagemaskinercylinder har et sidebånd ved 125Hz, der diagnosticeres som guide -ærmet slid (vibrationer reduceres med 62% efter reparation).

Metode 3: Maskinindlæring Intelligent diagnose

Anvendt scenarie: Multi-cylindret klyngeovervågning

Modelarkitektur:

Inputlag: 1s vibrationssegment (inklusive tidsdomænedomænefunktioner)

Skjult lag: 3-lags LSTM-netværk (128 hukommelsesenheder)

Outputlag: Klassificering af fejltype (nøjagtighed> 92%)

Implementeringsvej:

Saml historiske data (500 grupper af normal/slidstatus hver)

Dataforbedring (Tilføj gaussisk støj for at forbedre generaliseringen)

Deploy Edge Computing Module

3. Diagnostisk systemkonstruktionsvejledning

Hardwareudvælgelsesanbefalinger