《关键生产设备预测性维护 第2部分 数据获取和处理》（征求意见稿）

1关键生产设备预测性维护第2部分：数据获取和处理本文件适用于关键生产设备预测性维护的数据获取GB/T40571-2021智能服务预测性维护GB/T43555-2023智能服务预测性维护算GB/T19873、GB/T22394和T/CAMSXXXX.1界3.1功能块functionblock数据获取和处理主要包括数据采集、数据预处理、特征提取，在该阶段应实现数据质量和故障/异关键生产设备数据获取和处理的流程如图1——原始测量值为设备及过程被测量经传感器信号采集，尚未经处理的数据；——状态表征数据是经数据预处理和特征提取后能表征设备状态特征的数据。2a中间数据数据采集数据预处理中间数据数据采集数据预处理原始测量值特征提取特征提取状态表征数据被测量被测量5.1数据采集对象关键生产设备的数据采集应根据装备预测性维护的需求和方法以确定，如采用基于统计的分析方设备运行状态的数据，且要求数据应尽可能连续真实地反映设备随时间变化的运行状•人员的基本数据，如姓名、性别、出生日期等；•能力数据，如岗位技能、工作负荷、学历、职称、培训经历等；•行为数据，如作业操作过程、空间位置、行走轨迹等；•生理体征数据，如心电、体温、心率、呼吸率、脑电波等。5.2数据采集要求3奈奎斯特采样定理。而对于瞬态工况则应可能采用较高的采5.3数据传输要求预测性维护的数据传输应采用统一的数据结构，以实现对不同企业生产的关键生产设备开展数据设备上额外附加的传感器仍可为设备的寿命预测提供有力的支持，这些传感器通常输出模拟量而时域中具有物理单位U的数据样本序列x(n)可以通过离散傅里叶变换公式变换到频域中，在频域4仅将其在某个时间点的观测值作为反映设备状态的指标是足够的，随时间变化的梯度在某些情况下也故障的特征频率十分微弱，一些信号处理方法与技术可用于消除其他无关因素的影响从而使故障的特这些方法在用于提取故障特征时也是有用的，其能量分布也可作为指示故障的特征指——z-score标准化为基于原始数据的均值和方差进行数56本附录以数控机床为案例，介绍了利用功能块主轴驱动集成气动1.3集成流体技术集成发动机1.1.1集成承受性分析工作时间速度温度扰动运转1.1.4集成力矩工作时间速度温度电流工具夹头1.1.3集成外力速度移动主轴驱动集成气动1.3集成流体技术集成发动机1.1.1集成承受性分析工作时间速度温度扰动运转1.1.4集成力矩工作时间速度温度电流工具夹头1.1.3集成外力速度移动机器状态1集成进给轴集成旋转接头密封1.1.2集成压力速度温度密封功能7主轴驱动进给轴流体技术主轴驱动进给轴流体技术机器状态11.3反弹/启动润滑油质量外部编码器逆变器工作时间编码器钢轨润滑油质量失去平衡螺栓+反弹/启动润滑油质量外部编码器逆变器工作时间编码器钢轨润滑油质量失去平衡螺栓+螺母位置电流润滑油质量失去平衡8装备监测参数机泵人阀XXXXXXXXX———XXXXX—XX—X X ——XX—X——————X——X————————XX—X—XX—X XX X X XX XX—————X——XXX—————X——XXX—————X————X—————X————X———XXX—XXXXXXX——XX—XXXXXXXXXXX——XXXXXXXXXX—XXXXXXXXX XXXXXXXXX XXXXXXXXX—XXXXXXXXXX—XXXXXXXXXX——XXXXXXXXX——XX—X—XXX—XXXXXXXXXXXXX—X———————X— XXXX XX XXXXX X XX—XXX——————————————X——————————X——9—XXXXXXXXXX气缸XXX—XXX———XX——XX—X—XXX—XXXXXX—————————X——— X ——————————X—XXXX——XX—X——X—XX——————————————XXX—XX—X——X———XXXXXXXXXXXXX—XXXXXXXXXXXXX——X————X———X—————X———————X———XXXXXXXXXXXXX—XXXXXXXXXXXXX———————————XX————X——————XXX————————————X—————————X———X——————————X——XX—————————X——XX—————————X——X——— XX X XXX XX ——XX—————XXXXX——XX—————X