設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)其它上課時(shí)間：

• 2021/7/16至2021/7/17 上海

• 2021/12/3至2021/12/4 上海

對此感興趣的學(xué)員

課程內(nèi)容
一傳統(tǒng)故障診斷的局限
1.傳統(tǒng)故障診斷方法與工具
2.傳統(tǒng)故障診斷的局限性
3.狀態(tài)監(jiān)測與故障診斷技術(shù)對提高企業(yè)設(shè)備管理水平的作用和意義
討論：你身邊有哪些設(shè)備可以進(jìn)行監(jiān)測和診斷，用哪些手段診斷，你了解這些設(shè)備嗎？
二設(shè)備狀態(tài)特征提取
1.從張學(xué)友演唱會(huì)抓小偷的故事看故障診斷的智能化
人臉識(shí)別與智能診斷的基本原理
智能診斷的優(yōu)勢與應(yīng)用場景：實(shí)時(shí)、高效、遠(yuǎn)程
案例1：你是聽聲辯器的武林高手嗎？
2.設(shè)備狀態(tài)的“臉譜”：狀態(tài)特征的含義與作用
為什么要提取設(shè)備狀態(tài)特征
設(shè)備狀態(tài)特征的分類
特征值的含義和作用
提取特征值要做哪些準(zhǔn)備
設(shè)備運(yùn)行狀態(tài)的“臉譜”抓取：設(shè)備狀態(tài)信號(hào)采集
信號(hào)采集的手段
音頻和振動(dòng)信號(hào)采集
音頻和振動(dòng)信號(hào)的采樣頻率和頻譜
振動(dòng)信號(hào)的頻譜分析
特征提取案例
振動(dòng)和電壓等特征提取軟件介紹（自研版權(quán)）
案例2：利用軟件提取軸承振動(dòng)信號(hào)的設(shè)備狀態(tài)特征
音頻和振動(dòng)信號(hào)分析
小波包和小波包特征
小波包和頻譜分析軟件介紹（自研版權(quán)）
案例3：高壓泵聲音信號(hào)的頻譜圖繪制和小波包特征提取
案例4：汽車發(fā)動(dòng)機(jī)聲音信號(hào)的頻譜圖繪制和小波包特征提�。�
利用控制圖進(jìn)行設(shè)備運(yùn)行趨勢的判斷
控制圖的概念
設(shè)備運(yùn)行趨勢的控制圖判別法則
利用軟件（自研版權(quán)）繪制控制圖
案例5：利用控制圖判別鼓風(fēng)機(jī)運(yùn)行趨勢
案例6：利用控制圖判別制動(dòng)器制動(dòng)性能趨勢
案例7：利用控制圖發(fā)現(xiàn)軸承早期故障
案例8：利用控制圖判別高壓泵運(yùn)行趨勢
故障診斷的基石——特征優(yōu)化技術(shù)
為什么要進(jìn)行特征優(yōu)化？
特征優(yōu)化方法-Relief算法簡介
使用特征優(yōu)化軟件（自研版權(quán)）進(jìn)行特征優(yōu)化？
案例9：鼓風(fēng)機(jī)故障特征的優(yōu)化
案例10：軸承故障特征的優(yōu)化
案例11：高壓油泵特征的優(yōu)化
案例12：汽車發(fā)動(dòng)機(jī)特征的優(yōu)化
案例12：汽車發(fā)動(dòng)機(jī)特征的優(yōu)化
基于人工智能的故障診斷技術(shù)
利用神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)備故障智能診斷
利用鄰近算法進(jìn)行設(shè)備故障智能診斷
利用支持向量機(jī)進(jìn)行設(shè)備故障智能診斷
利用故障智能診斷軟件（自研版權(quán)）實(shí)現(xiàn)故障診斷
案例13：鼓風(fēng)機(jī)故障智能診斷
案例14：軸承故障智能診斷
案例15：高壓油泵故障智能診斷
案例16：汽車發(fā)動(dòng)機(jī)故障智能診斷
設(shè)備維護(hù)利器——故障樹介紹
故障樹基本原理
故障樹分析步驟
故障樹軟件的基本操作
案例17：溢流閥故障樹分析
故障樹的定性分析
故障樹的定量分析

備注

課程費(fèi)用：4900元/人