重大突破│捷杰传感APEF自适应算法将设备健康监测误报率和漏报率降低92.8%！

设备振动监测报警阈值的准确化、简单化、场景化设定一直以来都是工业设备运维领域的一大难点与挑战，不能有效解决这个问题，就会出现高频次的漏报和误报，狼来的故事经常发生，让客户不胜其烦。传统的设定流程不仅涵盖了对国际标准（如ISO10816）参照，还需经历数据采集、振动特性分析、阈值初步设定以及动态优化等多个环节，费事费力，对非专业人员技术实现难度大。

苏州捷杰传感在这一领域理论结合实践深入研究数年，取得了重大突破，成功研发出自适应边缘保持滤波算法（APEF）。该算法有力推进了工业物联网时代下的设备智能管理，解决了广大用户在振动监测报警阈值设定上的长期痛点，有效解决漏报和误报。

APEF算法凭借独有的滤波技术，能够精准锁定振动数据的边缘特征，精确区分设备的正常运行状态与异常状态。实践证明，在3月18日至21日客户的真实使用场景中，APEF算法通过对振动烈度数据的智能处理与阈值比对，能够在设备振动烈度超标时快速触发有效报警，预警设备潜在故障。数据统计显示，报警信号随时间逐渐增多并在月底达到顶峰，有力证明了APEF算法卓越的故障预测效能（参见图1）。

图1 3月18日-3月21日振动烈度信号APEF滤波数据图

注：绿色线：阈值线

红色线：原始振动数据

蓝色线：算法处理后的振动信号APEF滤波数据值

工业设备运维人员无需专业知识，运用捷杰传感APEF自适应AI算法，不仅让预警阈值的设定更为简单、精准和适用于自身的现场环境，还能够使报警系统的误报率和漏报率降低92.8%以上。APEF自适应AI算法，犹如赋予了设备一双敏锐的眼睛，能够实时去假存真，将智能预测技术与设备实际运行状态紧密结合，真正做到了无需人工干预。