产品详情
工业听诊器：为机器“预测性维护”
哪些行业可以用到这项技术呢？
第一，针对大型设备运维检测，覆盖电力、水利、轨道交通、轻工业、汽车等工业行业。以电力行业为例，针对输电、变电、配电等环节，进行核心设备故障的诊断和预测性维护、线路巡检，同时还可以提供智能语音控制等。
第二，对空调、洗衣机、电机、发动机等工业产品进行“声音质检”，通过服务工业产品生产环节“最后一环”，高效把控工业产品质量。
在传统的工业场景中，要判断机器故障，常用的方法是通过人的耳朵去“听”——比如一位经验丰富的电力巡检师傅可以“听”到变压器发出的异常声响来判断它到底是过载运行、还是内部接触不良。
而通过人耳检测的缺点是显而易见的——人不可能24小时集中注意力去进行检测，有无经验对检测结果造成极大差别，此外，人耳难以捕抓瞬间发出的短促声音并进行定格分析，需听较长时间的声音才能确定问题所在。而对于具备A.I.能力的算法系统来说，这些问题都将迎刃而解。
工业互联网领域行业应用
火电设备预测性维护
电网设备预测性维护
风电机组预测性维护方案
水轮发电机组预测性维护
相关产品
综合利用了麦克风阵列、语音检出、语音识别、声纹识别、说话人标记等语音技术及大数据技术，主要功能包括声纹数据采集、特征库建设与维护、声纹比对检索、高效并行计算、人机耦合标注、业务展现、系统管理等。该系统可以实现语音数据的智能识别与分析处理，通过声纹信息检索识别，发现特定人员语音片段，实现敏感信息报警、检索、快听、出材、声纹对象入库，达到提升语音侦查工作效率、节约警力，提高海量语音下的信息获取能力的目标，可以用于公安、金融等各类场景。
通过自主研发的同步多传感器信号采集智能边缘计算终端，实时采集设备核心部件的声音、振动、温度等信号，利用深度学习技术对数据进行建模分析，构建故障预测模型，同时在线获取设备实时运行工况数据构建知识图谱模型，对设备运行状态进行推理和决策分析，从而实现设备故障超早期诊断、健康预测性维护和智能化运行。
通过自主研发的同步多传感器信号采集智能边缘计算终端，实时采集设备核心部件的声音、振动、温度等信号，利用深度学习技术对数据进行建模分析，构建故障预测模型，同时在线获取设备实时运行工况数据构建知识图谱模型，对设备运行状态进行推理和决策分析，从而实现设备故障超早期诊断、健康预测性维护和智能化运行。
开关柜发生故障的原因有很多，但究其根本还是由于开关柜内相关元件及线路长期处于大电流、高电压工作状况，且空间狭小不通风，柜内湿气大，强大电流容易导致其内部温升加剧，绝缘层破坏产生拉弧。一旦没有及时发现问题并进行预防，很容易发生火灾等安全事故。因此，做好开关柜内温度监测和除湿，避免发生过热和潮湿现象，对于避免火灾等安全事故的发生具有十分重要的意义。
在线留言
*注：请务必信息填写准确，并保持通讯畅通，我们会尽快与你取得联系