fbpx

借助人工智能 以聲音判斷機器故障

聲音無處不在,但有時人類卻無法聽見,尤其是機器工作時發出的細微聲音。

但借助AI的話,就能夠透過聲音,更好地了解故障機器的聲音模式。芬蘭公司 Noiseless Acoustics 和荷蘭公司 OneWatt 近日透過人工智能(AI),更快、更輕鬆地檢測機器的問題。

透過AI 以聲音判斷機器故障

在美國,工業用電佔全國用電量的25%。然而,儘管它們發揮著重要作用,但電動機可能由於多種原因而失效,從而導致生產率和盈利能力的下降。

而通過使用AI,借助非侵入式傳感器,機器學習算法和預測性維護解決方案,即使人類無法聽到聲音,也可以分析聲音以檢測機器故障,在出現嚴重問題之前的早期階段識別出故障組件。

OneWatt通過聽電機來防止問題。通過其嵌入式聲學識別傳感器(EARS)設備,結合機器學習和頻率分析,OneWatt可以在故障發生之前對其進行檢測和預測。這包括問題的內容,時間和地點。

而這間創業公司將其設備用於業內前八大電機故障中。這些範圍從軸承故障到軟基礎故障。通過這樣做,該公司收集了近2TB的聲學數據,其中包含超過16,000個故障電機的聲音片段。

 

使用聲學聲音分析 實現可持續性

而 Noiseless Acoustics 負責在硬件,軟件和分析的組合。

使用NL Camera,啟動可以使用聲音定位問題。 與熱成像類似,NL相機拍攝的熱圖像可以發出屏幕上的噪音信號。 然後將信息上載到雲,其中算法有助於評估問題。

NL Sense是Noiseless Acoustics使用的另一種工具。 它是一個非侵入式系統,可以精確定位問題所在的位置。 通過使用可以放置在任何給定表面上的緊湊型無線傳感器集線器和傳感器,它將自動將信息發送到雲,在那裡進行分析和處理。

一旦從聲源中隔離出聲音信號,AI就會用來查看是否存在問題。

NL Sense的工作原理是通過非侵入式監控延長現有資產的使用壽命,這也有助於可持續能源產業。

隨著聲音變得有價值,硬件和軟件的進步表明,在基於音頻的預測分析領域正在取得重大進展。

資料來源:thenextweb

 

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *

限制時效已用盡。請重新載入驗證碼。