团队负责人：刘一龙
依托单位：西安交通大学
所在学院：机械学院
一、项目简介
大型装备故障预测与健康管理智能终端可用于轨道交通、农机装备、石化能源、航空航天等领域的大型装备，实现对其发动机、电机、齿轮箱、泵、阀等关键易损部件实时健康监测、故障诊断，并提供维修决策建议，从而提高设备可用性与安全性，并降低维护成本。目前市场上监测产品较多，但是进一步对装备进行故障诊断和健康管理功能不足，因此本项目成果从技术先进性领先半代到一代，而且自主研发，技术可控，总体成本显著低于市面上已有产品。
本项目成果包括硬件终端和配套软件系统，通过采集大型装备的振动、噪声、温度、压力、转速等数据，经过专业的检测分析方法，提前预警及诊断装备的主要故障，及早发现设备健康状态变化趋势，避免严重事故发生。同时，通过准确定位故障，为设备检修、维护提供支持，促进设备维护模式由事后维护向视情维护的转变,能够提高检修工作效率，降低维修成本。
图1是目前的样机情况，其中无屏幕样机密封、防潮、防误操作更好;有屏幕样机显示效果及可操控性更好。
图1样机情况
二、产品性能优势
1、支持的算法丰富度国内领先，具有自主知识产权，主要算法的如表1所示：
表1支持的算法列表
诊断算法 |
数据预处理 |
滤波、数据清洗、高效率数据采存管。 |
特征提取与展示 |
时域指标、频域指标、时频域指标。 |
经典诊断 |
频谱、倒谱、功率谱、包络谱、共振解调、冲击脉冲法、强度谱、综合谱、阶次谱。 |
小波分析 |
经典小波、经典小波包、二代小波、二代小波包等。 |
时频分解 |
经验模式分解、局部均值分解、变分模态分解。 |
预测分析 |
健康评估、瀑布趋势图、时频指标趋势图、健康预测。 |
2、故障诊断与预测技术国内领先，功能指标和性能指标国内先进。主要功能指标和性能指标如下：
功能指标：
传感器数据去噪、滤波、分发和存储；
根据振动参数快速分析并诊断故障；
对故障数据进行分析统计与管理；
对重要参数进行趋势监控与预警；
历史数据存储、回放与分析；
评估健康状态，实现运行、维护及备件的优化管理；
支持低频信号时频分析、相位分析、起始点分析、统计分析等；
支持振动和噪声等高频动态数据的频谱分析和智能诊断；
集成化平台具有可视化和标记功能；
平台具有频域和阶次域三维瀑布图等经典分析功能；
平台具备自动化诊断和智能化诊断，可进行功能模块升级。
性能指标：
低频分析范围300Hz，具备同时≮8个通道的联合分析能力
单秒处理数据量≮5万遍/通道。
高频动态数据最高分析频率≮50kHz。
能选择设置频率分辨率，最小频率分辨率≯0.5Hz；
能选择设置阶次分辨率，最小阶次分辨率≯1/32。
故障检测率：拥有多种故障诊断方法并能够综合进行自动故障诊断，单一诊断方法准确率>85%，前三序位诊断结果包含故障准确率>90%，软件支持故障概率排序；
系统出现异常时报警延时不大于1秒，虚警率不大于5%。
三、市场前景及应用
本项目广泛适用于重大装备，如风电、高铁、核电、农机等装备的健康监测和智能运维领域。本项目团队前期借助团队承接的科研项目已在如下领域开展了本成果的算法和应用研究，具体应用领域及场景如下：
风电设备（相关技术已获得国家科技技术进步二等奖）
高铁列车（和中车合作，开展算法研发及验证）
核电装备(和中国核电工程公司合作,制定智能运维国家标准)
农业机械（和某农机管理站合作，开展示范应用）
四、技术成熟度
□概念验证 □原理样机 √工程样机 □中试 □产业化
五、合作方式
□联合研发 □技术入股 □转让 □授权（许可） √面议
