MFM600礦用電機智能運維監測系統概述

礦用電機因其機械結構復雜、工作環境惡劣，在使用較長時間后其內部零件容易產生機械損傷，或者電氣元件損壞。使得電機工作性能大幅度降低，其機械故障類型一般可分為軸承故障，轉子故障等，構成其旋轉機構的軸承組件，在軸承表面磨損等失效問題下，容易導致電機產生巨大的振動和噪聲，降低運行效率，嚴重時還會引起整個機組設備的破壞，造成巨大的經濟損失。礦用電機的故障診斷識別主要是對驅動電機的部件如軸承、定子、轉子的故障類別進行特征挖掘分類和預測。

多源數據采集系統可以采集電機運行過程中的振動、噪聲、溫度、電流、電壓、轉速、轉矩等信號。振動信號分析及電流電壓信號分析是電機故障診斷診斷中應用最為廣泛的研究方法，通過采集不同故障類型的電機信號，應用機器學習手段對信號進行分類與預測，挖掘故障數據的潛在特征，對故障診斷效率和準確率有著極大的提升。

MFM600礦用電機智能運維監測系統可以模擬重現礦用電機常見的故障信號，讓很難提取到早期的故障特征進行重現，出現在隨著機器學習技術的發展和完善，研究人員將機器學習模型應用于故障診斷，提高了診斷準確性。