Prototyp do analizy stanu silnika elektrycznego

Opracowanie prototypu systemu konserwacji predykcyjnej, który analizuje stan silnika elektrycznego.  

Profil klienta 

Partnerem jest Toradex, szwajcarski dostawca wbudowanych rozwiązań komputerowych, w szczególności systemów opartych na Arm® na modułach i niestandardowych komputerach jednopłytkowych. Firma posiada biura w USA, Wietnamie, Chinach, Indiach, Japonii i Brazylii.  

Wyzwanie 

Działanie i produktywność urządzeń przemysłowych zależy bezpośrednio od wydajności silników. Dlatego rozwiązanie, które pozwala inżynierom utrzymania ruchu na ciągłe monitorowanie zasobów produkcyjnych i ostrzeganie o wszelkich odchyleniach, od drobnych usterek po przestoje, pomaga zapobiegać awariom. 

Celem SaM Solutions było stworzenie systemu konserwacji predykcyjnej, który ocenia zachowanie silnika i na tej podstawie określa jego stan oraz ostrzega o ewentualnych odchyleniach.  

Rozwiązanie 

Nasz zespół stworzył prototyp systemu, który opiera swoją zdolność predykcyjną na częstotliwości i sile drgań silnika, ponieważ nienormalny poziom drgań sygnalizuje, że silnik prawdopodobnie uległ awarii. Jako platformę sprzętową dla prototypu wykorzystano komputer na module Colibri i.MX6-ULL firmy Toradex, ponieważ ma on wszystkie możliwości wymagane w procesach konserwacji predykcyjnej. 

System opiera wykrywanie nieprawidłowych zachowań na metodach sztucznej inteligencji, podczas gdy analiza danych opiera się na wstępnie wytrenowanym modelu. Zespół zastosował algorytmy oparte na TensorFlow/Keras do trenowania i budowania modelu po zebraniu danych specyficznych dla każdego ze stanów wydajności silnika. Aby zapewnić elastyczność, system opiera się na dwóch rozwiązaniach chmurowych: został wytrenowany na platformie Azure, podczas gdy AWS Greengrass został wykorzystany do wdrożenia algorytmu. 

Proces analizy stanu silnika obejmuje następujące kroki: 

• System pozyskuje parametry wydajności z silnika za pomocą danych MPU-6050, które są odczytywane w sposób ciągły i przesyła je do algorytmu opartego na AWS Lambda, który jest napisany w Pythonie. 
• Dane są przygotowywane w taki sposób, aby model mógł je zaakceptować jako charakterystykę wejściową. Następnie system stosuje algorytmy uczenia maszynowego do identyfikacji stanu silnika w oparciu o Amazon Greengrass i funkcję Amazon Lambda. Stan „wyłączony”, gdy jest zatrzymany, stan „normalny”, gdy jest włączony i zachowuje się normalnie, oraz stan nienormalny, który wskazuje na nieprawidłowe działanie, takie jak zbyt niskie napięcie, przepięcie lub awaria silnika. 
• Płyta zgłasza stan silnika za pośrednictwem interfejsu internetowego lub różnych protokołów komunikacyjnych. 

Obejrzyj webinarium, aby dowiedzieć się więcej o systemie konserwacji predykcyjnej, który może pomóc inżynierom utrzymania ruchu monitorować stan silników elektrycznych. 

Technologie 

Microsoft Azure, Amazon Web Services, Microsoft IoT Edge, Amazon Greengrass/Lambda, MQTT, SMTP, frameworki TensorFlow/Keras, Python, Jupiter 

Narzędzia: Komputer w module NXP i.MX 6ULL firmy Toradex – Colibri iMX6ULL, żyroskop-akcelerometr MPU6050 firmy InvenSense. 

Sukces 

Zespół SaM Solutions opracował wydajny prototyp systemu konserwacji predykcyjnej, który charakteryzuje się prawdopodobieństwem wyników predykcji do 99%. System ten pozwala firmom uniknąć kosztów związanych z przestojami i poprawić produktywność ich aktywów.