近日,由IEEE可靠性協(xié)會(huì)主辦的全球性專業(yè)會(huì)議ICPHM 2022 上,阿里云IoT平臺(tái)數(shù)據(jù)分析團(tuán)隊(duì)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(jí)(行業(yè)領(lǐng)先)高精度故障診斷算法,刷新工業(yè)振動(dòng)設(shè)備故障診斷精準(zhǔn)度,顯著提升設(shè)備運(yùn)維效率。

作為工程學(xué)科的全球性專業(yè)會(huì)議,ICPHM已經(jīng)連續(xù)舉辦了13屆。在會(huì)議上發(fā)表的論文需要經(jīng)過嚴(yán)格評(píng)審,文章錄用且受邀會(huì)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(jí)振動(dòng)故障診斷算法,對(duì)于減小非計(jì)劃停機(jī)和降低運(yùn)維成本有較大的價(jià)值。

在工業(yè)設(shè)備中由振動(dòng)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(shí),開展基于振動(dòng)信號(hào)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(jì)劃停機(jī)和運(yùn)維成本,提高設(shè)備安全性和排故效率。

阿里云IoT的SOTA級(jí)算法通過融合領(lǐng)域知識(shí)和深度學(xué)習(xí)網(wǎng)絡(luò),相比直接使用原始時(shí)序信號(hào)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(jì)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(jī)制的輕量深度網(wǎng)絡(luò)結(jié)構(gòu),可以融合多測(cè)點(diǎn)信號(hào)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(shí)別效果的同時(shí)減小了模型大小,提升了計(jì)算效率。

此外,此套算法用一個(gè)模型適配多個(gè)場(chǎng)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(píng)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(shí)別流程,并且實(shí)驗(yàn)效果優(yōu)越。

論文主要作者,阿里云IoT平臺(tái)算法工程師陳曦表示,振動(dòng)故障算法將與阿里云物聯(lián)網(wǎng)平臺(tái)、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(cè)性設(shè)備維護(hù)。

據(jù)了解,阿里云物聯(lián)網(wǎng)平臺(tái)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(tái)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(dá)5O多萬次。