近日,由IEEE可靠性協(xié)會主辦的全球性專業(yè)會議ICPHM 2022 上,阿里云IoT平臺數(shù)據(jù)分析團隊發(fā)布名為An Integration of Spectrum Analysis and Attention- based Network for Condition Monitoring of Vibration Components論文,提出了SOTA級(行業(yè)領(lǐng)先)高精度故障診斷算法,刷新工業(yè)振動設(shè)備故障診斷精準(zhǔn)度,顯著提升設(shè)備運維效率。

作為工程學(xué)科的全球性專業(yè)會議,ICPHM已經(jīng)連續(xù)舉辦了13屆。在會議上發(fā)表的論文需要經(jīng)過嚴(yán)格評審,文章錄用且受邀會議演講的比例不到30%,被收錄的論文將在IEEE Explore上發(fā)表。

此次阿里云IoT發(fā)布的論文提出SOTA級振動故障診斷算法,對于減小非計劃停機和降低運維成本有較大的價值。

在工業(yè)設(shè)備中由振動引起的故障,占所有故障的60%以上。而磨損、裂紋等輕微故障,往往宏觀表征微弱,僅靠人工無法有效辨識,開展基于振動信號的狀態(tài)監(jiān)控可以有效跟蹤并發(fā)現(xiàn)設(shè)備早期故障,減小非計劃停機和運維成本,提高設(shè)備安全性和排故效率。

阿里云IoT的SOTA級算法通過融合領(lǐng)域知識和深度學(xué)習(xí)網(wǎng)絡(luò),相比直接使用原始時序信號或快速傅立葉變換得到的頻譜,基于welch方法獲得功率譜估計有助于抑制噪聲,提升網(wǎng)絡(luò)的特征提取效果;

基于一維雙卷積網(wǎng)絡(luò)和多頭自注意力機制的輕量深度網(wǎng)絡(luò)結(jié)構(gòu),可以融合多測點信號數(shù)據(jù),相比現(xiàn)有的各種復(fù)雜多層網(wǎng)絡(luò),如ResNet等,在不降低模型識別效果的同時減小了模型大小,提升了計算效率。

此外,此套算法用一個模型適配多個場景,在軸承、齒輪等各類工況下都有出色的診斷效果。

IEEE專家評審意見認(rèn)為,阿里云IoT故障診斷算法提出了一套端到端的診斷與狀態(tài)識別流程,并且實驗效果優(yōu)越。

論文主要作者,阿里云IoT平臺算法工程師陳曦表示,振動故障算法將與阿里云物聯(lián)網(wǎng)平臺、數(shù)字工廠等產(chǎn)品深度結(jié)合,為用戶提供高精準(zhǔn)度的預(yù)測性設(shè)備維護。

據(jù)了解,阿里云物聯(lián)網(wǎng)平臺已經(jīng)服務(wù)近十萬家企業(yè),大量設(shè)備上云產(chǎn)生海量數(shù)據(jù),為了幫助用戶用好這些數(shù)據(jù),阿里云IoT在數(shù)據(jù)分析平臺上提供了包括故障診斷算法、生產(chǎn)過程分析等在內(nèi)的五大類數(shù)據(jù)分析算法,API日調(diào)用量已達5O多萬次。