电机“智”检——模块化数据采集系统配AI

电机异音是质量问题会给产品形象带来负面影响，在生产过程中就检测出这些异音非常必要。目前这些工作都是人工完成，电机厂商期待能够替代人工质检的“智能”自动化装置，NI与无锡雪浪数制科技有限公司（简称雪浪数制）联手将这一需求变为现实。

行业5大痛点

电机异音检测行业不得不说的“痛”，今天就来逐个盘点下。

▶痛点1：人工产品检验

听不到-故障噪音容易被环境噪音淹没；

听不清-故障噪音幅值不大，时有时无；

听不准-原始故障噪音特征不明显，难区分；

听不稳-人力的水平及经验参差不齐，有人能听有人听不到；

▶痛点2：电机产线质检评价标准较主观、未量化，不利于统一和推广

▶痛点3：环境噪音对数据干扰大、信噪比低（麦克风采集需要较安静环境）

▶痛点4：启动器产生的噪音影响电机的数据采集

▶痛点5：垃圾音的电机易漏检

电机“智”检

电机“智”检——模块化数据采集系统配AI

某电机厂商遇到了前面提到的人工检验效率低及异音检测不准的问题，为帮助该厂商提高整体研发水平。数据采集行业领先厂商NI及AI（人工智能）算法领先厂商雪浪数制创新性地提出了一套切实可行的技术路线。

技术路线

机构设计隔离背景噪音→ 稳定可靠数据采集配合电气/机械控制→ 人工智能算法识别异音→ 分拣标记

在这个案例中，受测电机被分为了四类：一类是正常、轴承音（异常电机）、刮擦音（异常电机）、垃圾音（异常电机），然后对这些电机进行两轮测试，比较两轮测试数据是否对应。

在检测过程中，通过NI的1槽以太网CompactDAQ机箱cDAQ-9181和3通道C系列动态信号采集模块NI9232采集产线被测对象上的多路传感器信号，然后用雪浪研制的AI算法自动完成异音判别。

据了解，在电机生产线上普遍采用人工听音的方法分辨良、次品，不仅成本高，而且重复、单调的听音工作极易引起人员疲劳，容易出现误判，若个别不良品混入整批成品中，会给工厂带来严重经济损失，甚至严重影响产品声誉。所以需要采用AI对异常电机进行识别，实现电机异音检测自动化，解决人工检测无法准确、可靠识别异音的痛点，助力精益制造、智能制造的升级。

本案例的最终解决方案如下：

左右滑动查看更多

NI模块化的数据采集系统，正是电机异音检测的首选

在本案例中，系统会产生大量的数据，通过NI模块化的采集系统，能够更加快捷地对传感器信号进行采集。

NI承担了数据采集的重任

本系统用到的NI产品：cDAQ-9181与NI-9232

在新一轮科技革命和产业变革的浪潮下，电机的用途将更加广泛。而模块化的数据检测配合AI，将帮助电机厂商提高产线自动化测试的效率，提高良品率，降低产线人力成本等。

关于无锡雪浪数制科技有限公司

无锡雪浪数制科技有限公司致力于建设国家级工业互联网平台、打造自主可控的工业数据操作系统。通过实现对工业人、机、料、法、环全体系数据的全面采集、处理、存储、打通，提供以真实需求场景为导向的大数据与人工智能技术产品，从解决工业实际应用问题、发挥数据智能实际应用价值的角度，帮助工业领域客户在“供”、“研”、“产”、“销”链路上实现数字化的全面快速转型，从产品、产线到产业链全方位的升级。于此同时，为开发者提供友好、方便的开放开发平台，不断开发出多样化、新型国产工业软件。核心团队来自阿里云、百度、微软、ABB、西门子等国内外顶尖互联网及自动化公司，拥有云计算及大数据、机器学习平台等一批自主研发的核心技术及产品，在通用云计算、大数据、人工智能、装备及自动化等技术领域处于世界领先水平。平台创始人王峰为前阿里云ET工业大脑负责人，中国工程院院士、浙江大学机械工程学院院长杨华勇担任平台首席科学家，阿里巴巴技术委员会主席王坚博士担任平台战略指导顾问。