Система определения неисправностей электродвигателей AnomAlert

AnomAlert представляет собой систему программного обеспечения и сетевого оборудования, которая выполняет непрерывную идентификации неисправностей на электродвигателях и их приводном оборудовании. AnomAlert обладает интеллектуальностью, основанной на встроенных моделях, и обнаруживает аномалии путем измерения сигналов тока и напряжения от электропитания к двигателю. Как правило, система устанавливается стационарно, в центре управления двигателем, и применима к трехфазным электродвигателям переменного тока, индукционным или синхронным, двигателям с переменной или постоянной частотой вращения. Модификации AnomAlert также доступны для мониторинга генераторов.

AnomAlert – это диагностическое решение, которое может использоваться вместе с системой контроля вибрации как дополнительный инструмент для обнаружения электрических неисправностей. AnomAlert может применяться в качестве альтернативы там, где мониторинг вибрации не является экономичным или достаточно полным решением. Система обнаруживает изменения в нагрузке двигателя из-за аномалий в приводном оборудовании или процессе, таких как кавитация или засоренные фильтры и экраны. Поскольку AnomAlert не требует монтажа датчика на двигателе или нагрузке, он особенно подходит для плоходоступного приводного оборудования и применим к насосам, компрессорам и т.п. Он также может применяться для мониторинга погружных, скважинных и экранированных насосов.

AnomAlert – многофункциональная система мониторинга двигателя. Ее широкие возможности определяются, как сложными алгоритмами обработки и анализа сигналов, так и встроенным резервированием. Способность учиться делает систему AnomAlert гибкой, а база данных защищает от пропущенных аварийных сигналов, вызванных обучением уже неисправного двигателя. Сигнализация использует статистический анализ в сочетании с адаптивным тестированием. Благодаря этим функциям AnomAlert значительно выигрывает по сравнению со стандартным анализом текущих особенностей работы электродвигателя, что также подтверждается многочисленными успешными применениями.

Система определения неисправностей электродвигателей AnomAlert
Особенности и преимущества

AnomAlert использует динамические сигналы напряжения и тока совместно с изученными моделями для идентификации неисправностей двигателя или приводного оборудования. Активное обучение подкрепляется дополнительным набором моделей в случае, если AnomAlert был установлен на двигателе с имеющимися неисправностями. AnomAlert обнаруживает различия между наблюдаемыми характеристиками тока и изученными характеристиками и связывает эти различия с ошибками.

В основе идентификации неисправностей лежит изученная физическая модель двигателя, в которой константы вычисляются из данных в реальном масштабе времени и сравниваются с ранее полученными значениями.

Обнаружение ошибок в механике базируется на амплитудах спектральной плотности мощности в конкретных полосах частот по отношению к вычисленным значениям. Эта информация автоматически объединяется с экспертными знаниями. Из-за такого подхода обнаружение неисправностей в механике не является точным, но указывает на класс возможных неисправностей. Чувствительность к некоторым неисправностям (например, повреждения подшипника качения) будет уменьшаться с увеличением расстояния до неисправности. С другой стороны, неисправности, которые увеличивают нагрузку на двигатель, не зависят от расстояния до двигателя.

Загрузки
ВложениеРазмер
Иконка PDF AnomAlert* Generator Anomaly Detector1010.67 КБ
Английский
pdf
ВложениеРазмер
Иконка PDF AnomAlert* Motor Anomaly Detector1.63 МБ
Английский
pdf
ВложениеРазмер
Иконка PDF AnomAlert: Under the Hood1.52 МБ
Английский
pdf
ВложениеРазмер
Иконка PDF AnomAlert for Pumps747.43 КБ
Английский
pdf
ВложениеРазмер
Иконка PDF AnomAlert* Motor Anomaly Detector497.51 КБ
Английский
pdf
ВложениеРазмер
Иконка PDF LNG Carrier Seawater Pump Condition Monitoring4.21 МБ
Английский
pdf
ВложениеРазмер
Иконка PDF Ahmet Duyar. Simplifying Predictive Maintenance4.44 МБ
Английский
pdf
ВложениеРазмер
Иконка PDF Condition Monitoring Partnership3.69 МБ
Английский
pdf