Технологии диагностики исполнительных механизмов и средств измерений

Настоящий отчет посвящен разработке и внедрению интеллектуальных систем диагностики подшипниковых узлов и асинхронных электродвигателей для промышленного оборудования на основе мультисенсорных технологий и методов машинного обучения. Исследования проводились с целью повышения надежности и эффективности эксплуатации критически важных узлов металлургических и машиностроительных предприятий. Основные результаты работы: 1. Разработаны системы мониторинга подшипниковых узлов для станов горячей прокатки листа и проволоки. В основе технологии лежит адаптация мультисенсорного измерения теплового градиента с использованием беспроводных датчиков температуры. Экспериментально подтверждена возможность раннего выявления дефектов подшипников по аномалиям температурного поля с точностью локализации до 4–5°C. 2. Создан специализированный набор данных (dataset), включающий сигналы тока, напряжения, вибрации и нагрузки силовых электродвигателей. Данные получены для исправного и дефектного состояний оборудования, что позволяет использовать их для обучения и тестирования алгоритмов диагностики. 3. Разработаны комбинированные нейросетевые модели для обработки токовых сигналов электродвигателей. Предложен метод диагностики межвитковых замыканий статора на основе анализа фазовых задержек, а также алгоритм выявления обрывов стержней ротора с использованием корреляционного анализа. Точность диагностики подтверждена лабораторными и натурными испытаниями. 4. Реализована аппаратно-программная платформа на базе одноплатного компьютера Orange Pi 3 с использованием СУБД PostgreSQL и фреймворка Grafana. Система обеспечивает сбор, хранение и визуализацию данных в реальном времени, а также интеграцию с SCADA-системами предприятий. 5. Проведены натурные испытания на производственных площадках, включая прокатный стан 2300. Результаты подтвердили работоспособность системы в условиях высоких механических нагрузок, вибраций и электромагнитных помех. Срок автономной работы датчиков составил до 850 дней. Разработанные технологии позволяют осуществлять непрерывный мониторинг технического состояния промышленного оборудования, выявлять дефекты на ранних стадиях и минимизировать риски аварийных остановок. Полученные результаты могут быть применены в металлургии, машиностроении и других отраслях для реализации концепций предиктивного обслуживания и цифровой трансформации производств.