所属行业:工业设备 所属地区:德国 交易价格:100万美元 交易方式:股权融资
需求描述:
德研究集群将无损评估与工业数据分析和人工智能相结合,以提状态监测系统的性能。在区分各种损坏或故障状态的情况下,增强了分类性能。潜在的工业应用包括缓慢旋转的驱动器、泵或其他大型工业设备。
详细信息:
两家德研究机构正在合作开发一种改进的状态监测系统。这些研究所将他们在无损评估(例如超声波测试)方面的知识与工业数据分析和人工智能相结合,以进行传感器数据融合。
状态监测系统应对新出现的损坏提供高灵敏度,以实现可预估的维护、稳健性和缺陷状态分类。经济有效的系统实施对于状态监测的经济效益是必不可少该系统应该能够区分不同类型和位置的损坏以触发维护操作。然而,通过改变操作条件或系统参数的不确定性,将传感器信号特征可靠地分配给相关损坏变得困难。
在缓慢旋转的驱动器的情况下,振动传感器信号中的损坏检测会因噪声而恶化,噪声总是存在于实际应用中。
异质传感器的应用,例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,传感器信号通过基于神经网络的多级分类进行融合。状态监测系统为传感器模式和组合方法提供损坏分类结果。组合分类器允许更高的灵敏度,而单独传感器的输出可用于验证和作为备用选项,以防其中一个传感器发生故障。
研究机构在状态监测、无损评估和工业应用机器学习系统开发方面拥有长期经验,包括资助研究和直接合同研究。合作促成了在实验室规模上测试的状态监测系统的原型实施。
下一步,将寻求来自行业的试点用户进行技术合作,以实施可行性研究,以评估相关行业用例中的技术。如果可行性阶段成功,该系统还可以集成到用户现场的现有状态监测基础设施中,包括关于传输数据分析算法的许可协议。
此外,可以通过集成更多传感器模式来增强系统,以便在研究合作中探索其他工业应用。