(资料图)

近日,由IEEE可靠性协会主办的全球性专业会议ICPHM 2022 上,阿里云IoT平台数据分析团队发布名为An Integration of Spectrum Analysis and Attention- based Network for Condition Monitoring of Vibration Components论文,提出了SOTA级(行业领先)高精度故障诊断算法,刷新工业振动设备故障诊断精准度,显著提升设备运维效率。

作为工程学科的全球性专业会议,ICPHM已经连续举办了13届。在会议上发表的论文需要经过严格评审,文章录用且受邀会议演讲的比例不到30%,被收录的论文将在IEEE Explore上发表。

此次阿里云IoT发布的论文提出SOTA级振动故障诊断算法,对于减小非计划停机和降低运维成本有较大的价值。

在工业设备中由振动引起的故障,占所有故障的60%以上。而磨损、裂纹等轻微故障,往往宏观表征微弱,仅靠人工无法有效辨识,开展基于振动信号的状态监控可以有效跟踪并发现设备早期故障,减小非计划停机和运维成本,提高设备安全性和排故效率。

阿里云IoT的SOTA级算法通过融合领域知识和深度学习网络,相比直接使用原始时序信号或快速傅立叶变换得到的频谱,基于welch方法获得功率谱估计有助于抑制噪声,提升网络的特征提取效果;

基于一维双卷积网络和多头自注意力机制的轻量深度网络结构,可以融合多测点信号数据,相比现有的各种复杂多层网络,如ResNet等,在不降低模型识别效果的同时减小了模型大小,提升了计算效率。

此外,此套算法用一个模型适配多个场景,在轴承、齿轮等各类工况下都有出色的诊断效果。

IEEE专家评审意见认为,阿里云IoT故障诊断算法提出了一套端到端的诊断与状态识别流程,并且实验效果优越。

论文主要作者,阿里云IoT平台算法工程师陈曦表示,振动故障算法将与阿里云物联网平台、数字工厂等产品深度结合,为用户提供高精准度的预测性设备维护。

据了解,阿里云物联网平台已经服务近十万家企业,大量设备上云产生海量数据,为了帮助用户用好这些数据,阿里云IoT在数据分析平台上提供了包括故障诊断算法、生产过程分析等在内的五大类数据分析算法,API日调用量已达5O多万次。

关键词： 故障诊断 数据分析 工业设备