1.1. 通過搭建“溫振監測系統”，對關鍵輔機設備的運行狀態進行實時在線監測，準確掌握設備的運行狀況及劣化趨勢。系統利用工業無線傳輸技術，在線采集現場設備關鍵部位的溫度、振動等運行參數，通過數據監測與分析，為關鍵輔機制定最佳的維修策略，并提供優化的維修任務建議(包括最佳的維修時機、維修內容等)，從而減少機泵異常故障次數，降低機泵停機檢修時間和費用。系統建立設備大數據中心，通過數據挖掘、數據分析，提高關鍵輔機狀態監測的智能化水平。系統可將大南湖電廠的設備管理體制由定期檢修和計劃檢修的方式向預測性維護的方式轉變，實現關鍵輔機運行狀態實時監測和預測性維護的目標，提高設備的可靠性與經濟性，降低生產成本，繼而提高設備的利用率。

1）降低設備巡檢的勞動強度、提高設備狀態監測數據質量

設備巡檢包含測振、測溫等數據采集工作，技術人員除了要定期檢測這些數據，還需要記錄、導入以及分析相關振動和溫度數據，這些工作占用技術人員大量的工作時間。同時，人工巡檢還存在數據采集不穩定、易出錯等問題，也對設備數據的統計和分析帶來了不確定性。基于有線、無線溫振傳感器的“設備狀態監測”能大大降低巡檢的勞動強度，使設備維護工作逐步由現場轉到操作室。

2）提前預知設備劣化情況、降低非計劃停車帶來的損失

通過對設備長期、穩定的狀態監測，可以更為全面的評估設備的工況，對設備機械劣化趨勢提前預知，將突發性、非計劃性的維修，轉變為有計劃的備品備件采購及施工作業，縮短檢維修時間，延長設備運行周期。

3）精確定位設備故障、降低設備維修費用

通過對設備異常特征數據的分析，可以對設備的故障位置、故障原因、故障程度進行精確地評估，為設備在線保養、停機檢修、備件準備等決策提供了嚴謹的數據依據。在縮短設備故障維修時間、減少備品備件費用的同時，也能對設備維修的效果進行評估，確保維修工作按照規范條例，高質量的實施。

4）降低由設備異常故障帶來的生產風險

由于設備的故障，帶來的其它生產安全風險，其損失更無法估計。一旦發生安全事故，出現人員傷亡，更是企業不可承受的。

二、主要功能

2.1. 專家智能診斷系統結合AI大模型智能診斷功能

根據設備運行狀況、故障發生頻率、異常頻率等信息評估設備的健康情況，實時分析、診斷設備的狀態、故障原因及維修建議等。診斷結果能夠診斷出故障具體部位，同時出具診斷報告，推送到設備管理人員。智能診斷模塊需具有以下功能：

1）展示旋轉類動設備診斷列表，可看到設備的健康狀態及最近的診斷時間；

2）設備診斷列表能夠展示診斷結果的處理狀態、對診斷結果的評價；

3）設備診斷列表能夠根據機器名稱、設備狀態、處理狀態等進行篩選；

4）診斷結果能夠診斷出故障發生的具體部位及自動推送維修建議。

2.2. AI智能診斷系統支持基于數據和機理模型結合的智能診斷功能。目前已建立各種機械故障機理模型：包括不平衡、不對中、動靜碰摩、軸承早期/中期/晚期故障、齒輪故障、基礎松動、抽空/汽蝕等，通過積累四萬余小時、數十種電機設備與各類軸承的實驗臺數據，以及現場運行的數據集。運用這些大數據訓練后的AI智能診斷系統，其診斷準確率已經超過智能診斷行業水平。即使面對未接觸過的新型設備，只需一定時間的數據采集，通過模型的遷移學習，也可使診斷準確率達到業界領先水平。

溫振.png