【机电与车辆工程学院】旋转设备智能监测关键技术及应用
成果或技术简介
该成果针对变工况旋转机械动力学特征参数提取、故障检测、状态评估和故障识别等关键技术难题，开发出了具有自主知识产权的变工况旋转机械状态监测应用技术。该项目取得的主要技术创新如下：
（1）将统计语言分析方法用于研究机械振动信号的动力学行为，发明了基于统计语言分析和加权相似性测度的设备状态监测方法，解决了变工况设备振动信号动力学特征自适应提取和故障检测的技术难题；
（2）提出了“故障线”的概念，发明了基于“故障线”的旋转机械状态评估方法，解决了变工况设备状态自动评估的技术难题；
（3）发明了基于去趋势波动分析、谱峭度和平滑迭代包络分析的新型信号包络分析方法，解决了变工况设备微弱故障特征提取和故障识别的技术难题；
（4）发明了基于非延迟代价函数和统计检验的瞬时频率估计方法，解决了变速监测领域瞬时频率估计的技术难题。
该成果通过对设备信号的时域特征、频域特征、时频域特征、非线性特征和历史趋势进行综合分析，提取隐藏在信号中的微弱故障特征，为判断设备的运行状态提供依据，能够及早发现设备潜在的早期故障。
该成果现拥有《基于加权相似性测度的滚动轴承状态监测方法》《一种齿轮早期故障检测方法》《一种基于小波分解和谱峭度的包络分析方法》等多项发明专利，开发《旋转设备在线状态监测系统V1.0》等多项软件。目前部分产品技术尚处实验室研发阶段，部分产品技术已进入小试阶段
技术领域：航空航天、高端装备、新技术、新装备
研究团队及研究方向简介
团队负责人林近山，博士、副教授、硕士研究生导师、潍坊市有突出贡献中青年专家。团队成员2人，主要研究方向为机械动力学、设备状态监测与故障诊断、振动信号分析与处理、深度学习、数字信号处理。
拟转化应用情况
该成果可用于旋转设备智能监测与预测性维护，与嵌入式技术结合可以形成现场设备巡检仪，既可以在现场独立进行设备状态监测与故障诊断，又可以将数据通过云端传送到后台进行深入分析。该成果可以做成设备状态监测平台，由传感器在现场采集数据，然后将数据通过云端传送到后台，在后台对信号进行深入分析，再将分析结果反馈给设备管理人员。该成果也可以通过数据接口融入企业现有的工控平台，作为工控平台的一部分进行工作。
拟转化方式：转让、许可、自行投资、共同实施、作价投资
转化所需条件：
1.需要配套资金100万以上；
2.嵌入式软硬件开发技术人员各1名。
联系方式
联系人：科技开发科 联系电话：0536-8785537 电子信箱：kjkf_wfu@126.com
