尖峰能量™(后面简称为SE,也就是Spike Energy的缩写)测量最初是为了检测受损滚动轴承产生的一些冲击信号。
无线传感器技术实现了更高水平的自动化,对许多行业都具有重大意义。零售业已从这种下一代技术中受益匪浅。在这里,我们重点介绍了零售中无线传感器的主要应用,并展示了该技术的多功能性。
导读:很多企业仍然在进行概念验证看看物联网(Internet of Things,IoT)可以在哪些方面给他们的运营和战略带来价值,但是已经有很多物联网应用在跨多个行业领域扎下了根,并且正在给业务带来
振弦传感器是岩土工程中常用的一种监测设备,用于监测土体和岩体的振动情况。而振弦传感器信号转换器则是将传感器所获得的振动信号转换为人类可读的数据,以方便监测人员进行数据分析和工程决策。
现代电力工业的设备运行和维护中,要求在电厂或电站运行的关键变压器,特别是发现有异常的变压器上,经常进行故障气体、微水含量、局部放电和绕组变形等项目的测量。测量结果可以预测运行成本和设备安全性。从这些结果中得到的科学信息是电力部门预计并控制安全服务和运行成本的诸多因素。
定量皮带秤的控制器与皮带秤累计器的功能相似,只是多了输出4~20mA的控制功能,定量皮带秤的控制器一般分成二种类型:单机控制器、PLC型控制器。
小缺陷可能会在工厂机器中造成巨大故障,同时增加能耗并减少利润。声学传感器可以在此类问题失控之前诊断机器的健康状况。
从现实情况来看,福特要实现这项专利有难度。 近期,福特获批了一项专利,将无人机安装在汽车顶部。当汽车的某个传感器出现故障的时候,无人机将临时充当传感器,并引导驾驶员到就近的为丢点进行维修。 据专利文件描述,汽车在检测记录到某个传感器出现故障之后,就会通过车对车网络(vehicle-to-vehicle network)和某个无人机进行通信,随即后者就会自动寻找到故障车辆。一旦配对成功,无人机就能够作为替代传感器进行使用,并引导车辆到附近的维修中心以对故障传感器进行修理。 从最终实现的目的来看,这一专利的出发
焊缝跟踪传感器是现代焊接技术中的重要装备之一,它能够通过对焊缝位置的精确跟踪,实现自动焊接和焊接质量的提高。然而,如同任何其他的机器设备一样,焊缝跟踪传感器的正常使用需要日常的保养和维护,以保证其稳定性和可靠性。本文将从清洁、调整、检查等方面详细介绍焊缝跟踪传感器的日常保养和维护。
物联网平台是任何物联网解决方案的基础,可实现连接设备以及从这些设备捕获的数据的连接,配置,设备管理,自动化,仪表板和数据分析。物联网平台提供了一组现成的功能,可以极大地加快管理和监视大量物联网设备所需的应用程序和基础设施的开发速度,从而保证可扩展性以及一定程度的跨设备兼容性。
工业互联网时代,传感器是网络互联数据产生的根源,是工业互联网的“神经末梢”,为工业互联网全生态构建提供最基础的数据支撑。随着工业领域技术水平的提高,新型、低成本、低功耗、高精度的工业传感器不断推出。作为新基建的重要组成部分,工业互联网的建设,将对传感器产业产生全方位、深层次、革命性的影响,国内传感器产业将迎来前所未有的发展机遇。
工业企业在日常生产流程中,普遍面临着两大核心痛点难题,一个是非计划停机,一个是安全事故,两者均会带来巨大的损失。随着物联网、云计算、工业大数据等技术的成熟,通过技术手段分析和预测机电类设备的故障,为预防事故、科学安排检修、更换备件,实现预测性维护已经成为可能。
利用现有的网络基础设施(例如故障检测器),能源运营商可以经济高效地构建智能电网物联网应用。
焊接机器人是现代工业生产中不可或缺的重要设备,它能够高效地完成焊接任务,提高生产效率和质量。然而,由于长时间运行、操作不当以及零部件老化等原因,焊接机器人也会出现一些常见故障。在本文中,我们将介绍焊接机器人常见故障的原因以及相应的解决措施。
自动驾驶车辆中的感知系统通常接收来自多模传感器的输入,例如 LiDAR 和相机。然而,在真实应用中,传感器失效和故障会导致感知系统预测能力下降,从而危及自动驾驶的安全性。
导读:物联网这一概念,20年前已经在比尔盖茨的《拥抱未来》中提及,10年前,国际电信联盟(ITU)确定了“物联网”这一概念。随着通信技术的发展,“需互联”和“已互联”的设备越来越多,物联网市场日益火热
现代隧道越来越复杂,对于隧道安全的监测也变得越来越重要。振弦传感器和振弦采集仪已经成为了一种广泛应用的技术,用于隧道结构的监测和评估。它们可以提供更精确的测量结果,并且可以在实时监测模式下工作,从而使工程师和维护团队更加轻松地进行隧道安全监测。
5G智能工业网关下的公厕改造,实现公厕智能化管理,环境质量、使用状态引导屏实时显示,蹲位红绿灯状态显示,人体传感器自动冲厕感应,一键报警,远程摄像客流监测,云平台实时监测等功能,打造节水、安全、环保的全面自动化智能公厕。
设备健康诊断系统已成为智能工厂的重要组成部分,现场机器千差万别,一套开放架构可组态的系统成为现场运维工程师,设备开发技术人员的迫切需求。本系统演示针对旋转机械主轴部件进行健康诊断。
Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments
近日,一辆特斯拉失控造成2死3伤的严重事故,再度引发了全网对于特斯拉是否存在“刹车失灵”这个老问题的质疑。
对关键工业设备和流程进行预测性和主动维护有助于减少计划外停机时间并提高流程可用性和稳定性。用于过程数据分析的人工智能 (AI) 方法可以为工厂操作员提供决策支持和预测性工厂维护策略所需的见解。让我通过一个具体项目为您带来更多见解。
目前,大楼管理主要是依赖人力后期维护和预防性维护,属于“被动式”管理,依靠人力完成工作,而劳动成本率57.7%即为“劳动密集型”,成本高效率低,加之面临人力短缺的现实问题,企业营业利润率低至2.4%。因此,提高楼宇维护作业效率是当务之急。
智能机器人的外部传感器大致可分为力学传感器,触觉传感器,接近传感器,视觉传感器,滑觉传感器和热觉传感器等,对于智能机器人来说传感器是必不可少的一部分,对于每一个环节传感器都是很重要的,如此看的出来,智能机器人对传感器有非常严格的要求,下面就列举一下智能机器人对传感器有什么具体的要求: 首先值得关注的是精度等问题,对于智能机器人来说传感器需要有精度高,可靠性高,稳定性好。智能机器人在感知系统的帮助下,自主完成人类指定的工作,如果传感器的精度差,会直接影响机器人的作业质量,如果传感器不稳定或者可靠性不高,很
为了更好的使用Python来开发物联网数据分析平台,我们使用pkl文件以日期作为文件名称来存储数据。原来数据是在数据库中的,我们需要定时将最近产生的数据导出为pkl文件。下面两段代码,分别实现按照日期从数据库中导出pkl文件以及定时任务执行前者。
SCADA 代表监督控制和数据采集,用于描述硬件和软件系统,帮助组织收集有关其系统、操作和资产的大量数据,并从远程位置为这些系统提供控制和响应。
小小的器件能模仿人类的五官?视觉、听觉、触觉、嗅觉、味觉都不在话下?没错,传感器的诞生就是替人类感知设备工作状态的变化的。
从建筑业到采矿业再到制造业,物联网为各行业提供了新的方法来改进其流程,使其更安全、更高效。
20世纪50年代印刷电路板(PCB)的发明改变了自动化的世界。在PCB之前,电子电路板是手工组装的,这是一个生产力极其有限的生产过程。今天,随着制造过程中各种仪器的引入和边缘计算的使用,工业正在经历另一次革命性的飞跃。
根据《中国氢能源及燃料电池产业白皮书》,氢能将成为中国能源体系重要组成部分,2050年能源体系中占比约10%,氢气需求量达6000万吨,加氢站10000座以上,氢燃料汽车产量达500万辆/年,行业发展前景广阔。
本方案的目的是对某乳业公司相关库房各道门的风幕风机进行控制,通过控制室的PC实时显示各道门风幕的温度,通过温度控制各个风机的启停,当发生温度超限时在各道门的控制柜、总控制柜以及控制室计算机软件上实现声光报警,并完成对系统里的计算机等网络设备时钟同步工作。
近日,轻舟智航全新发布Driven-by-QCraft第三代L4级自动驾驶硬件方案,其中传感器套件结合了多类先进高精度传感器的特点,实现了360度无盲区感知,具备极强的稳定性和实时性。同时在传感器、计算平台、电源、通信等模块均采用全冗余设计。
目前,随着自动驾驶技术的越发成熟以及自动驾驶感知任务需求的日益增多,工业界和学术界非常希望一个理想的感知算法模型,可以同时完成如3D目标检测以及基于BEV空间的语义分割在内的多个感知任务。对于一辆能够实现自动驾驶功能的车辆而言,其通常会配备环视相机传感器、激光雷达传感器以及毫米波雷达传感器来采集不同模态的数据信息,从而充分利用不同模态数据之间的互补优势,比如三维的点云数据可以为3D目标检测任务提供算法模型必要的几何数据和深度信息;2D的图像数据可以为基于BEV空间的语义分割任务提供至关重要的色彩和语义纹理信息,通过将不同模态数据的有效结果,使得部署在车上的多模态感知算法模型输出更加鲁棒和准确的空间感知结果。
预测性维修作为工业互联网中的最核心应用,无论是早期的探索者还是新进的工业互联网平台都将它作为主要切入口。当我们谈到应用落地时,可能很多企业会有这样的误解或疑问:“是不是将设备装上传感器就能开展预测性维修”、“我的工厂现在能不能部署预测性维修”。本文尝试从数据的角度(抛开人员因素、管理因素等影响)来寻找这些问题的答案。 通过我的上一篇文章(机器学习(13):飞机发动机的故障预测),我们知道进行故障预测的前提假设是设备故障遵循某种与时间相关的模式,也就是说设备会随着使用时间的增加而出现性能下降、健康衰减、零
现在自己在做红外成像仪的越来越多了,两年前有个井下机电设备运行状态的科研项目,当时使用了 AMG8833(88 像素),科研毕竟就是科研,后来也没有听说成果得到应用的消息, 我想也是, 88 能干什么,也就能做个红外测温枪吧。 前段时间因为公司生产电路板测试需要,打算买一台红外成像仪测量电路板发热是否正常,商用的价格还是有些小贵的,我们电路板都不大所以就找了一台便宜的先用着,无意中发现了 MLX90640 这个东西, 32*24像素, 768 个测温点,基本上可以成像用了。
如何保证L4级自动驾驶系统的普适性,同时找到自动驾驶车辆成本、规模化之间的平衡点?近日,此前已经在自动驾驶网约巴士(Robobus)领域打出声量的轻舟智航推出了全新的Driven-by-QCraft第三代L4级自动驾驶硬件方案,在适配多种车型的同时,做到了高效与场景通用。其中传感器套件结合了多类先进高精度传感器的特点,实现了360度无盲区感知,具备极强的稳定性和实时性。同时在传感器、计算平台、电源、通信等模块均采用全冗余设计。
ADAS(Advanced Driver Assistance Systems,高级驾驶辅助系统)是一系列集成在现代汽车中的技术系统,旨在提高驾驶员的安全性、舒适性和便利性。这些系统使用传感器、处理器、控制器和算法来监测车辆周围的环境并提供驾驶员辅助。
【0. 前言】 尽管在各种智能设备的协同工作下,机器正在变得越来越聪明,但是仅有聪慧的头脑恐怕还远远不够。我们还需要灵敏而丰富的感知、敏捷而精准的执行,也许才能真正将机器的所思所想,落实为对人类有益的实际生产成果。由此可见,在探索工业4.0 智能制造的自动化项目实践中,我们将会遇到关于传感器与执行器在产品与技术应用方面越来越大的挑战。 【1. 来自执行器/传感器层的挑战】 经典的企业自动化网络模型,自上到下包含5个层级:计划编制层(Planning Level)、控制层(Control Level)、单元层(Cell Level)、现场层(Field Level)、执行器/传感器层(Actuator/Sensor Level)。其中,执行器/传感器层需要与现场层的控制器连接,因此本质上是属于现场层的一部分。之前关于 PROFINET的一些思考,主要聚焦在现场层的控制器与 IO 设备上,考虑了一些提高通讯网络稳定与快速性能以及智能化的问题,而现在有必要来看看一些 PROFINET 在执行器/传感器层的应用问题。 挑战1:安装数量越来越多,安装位置越来越分散。想要使机器具有丰富的感知,机器的每个部位上都有传感器覆盖的必要;类似的,想要实现丰富的机械动作输出,执行器也有必要如此覆盖在机器的各个部位;由此产生了大量且分散的IO 信号需要处理。对于收集处理大量的 IO 信号,一个大容量的且功能集成较多的 IO 设备也许就可以解决问题。但是每个PROFINET 控制器带动 PROFINET设备的能力(设备数量)都有各自的上限(就像一个班级中不可能有无限多的学生)。由此我们可能在处理过多分散的 IO信号时,发现仅靠一个控制器网络内的设备,还不足以覆盖这么多的分散区域。 挑战2:功能要求越来越高,接线要求越来越简洁。为了实现机器感知的灵敏、动作的敏捷,执行器/传感器层对于自身发送接收 IO信号的更新时间要求是很高的,甚至会低于控制器的循环扫描周期。而目前执行器/传感器的产品种类与功能也越来越丰富,电气控制接口形状遵循各自不同的协议规范,电气信号格式也多种多样,例如电压型电流型模拟量、数字开关量等等。这么多分散的不同规格的信号线缆接到IO 设备上,需要 IO 设备本身集成各种类型的 IO模块,不仅增加了电气调试编程的复杂度,而且增加了电气接线施工与故障诊断的复杂度。终端用户往往也希望对于各种各样的执行器/传感器层 IO信号线,最好也能类似 PROFINET那样一网到底,只需一种通讯线,就搞定所有类型的执行器/传感器产品方案的电气接线与控制工作。 由此可见,如果有一种擅长于处理执行器/传感器层 IO 信号的总线网络,作为 PROFINET 网络的延伸,与 PROFINET集成在一起,共同管理整个现场层的通讯网络,就显得越来越有意义且有必要了。 【2. 关于 PROFINET 与 I/O 总线集成应用的方案】 如下图所示,随着工业以太网技术的普及与相关产品的发展,从传统的手动工位到整个自动化工厂,我们都可以用 PROFINET通讯方案将它们连接在一起。而从应用复杂度的角度来看,对于数据结构相对简单,数量众多布局分散的执行器/传感器信号处理来说,更轻量级的I/O 总线协议有时候显得性价比更高。
在过去的十年里,3D传感器已成为机器人技术中最多用途和普及性最广的传感器之一。在许多机器人应用中,3D传感器已成为近场物体检测和避障、表面和物体检测以及地图创建等任务的首选。本文将重点介绍使用的三种最常见的3D传感技术:CMOS双目视觉(主动和被动)、结构光和飞行时间法。尽管激光雷达(LiDAR)的数据也是三维的,但本文不涉及LiDAR。
EKF的目的是使卡尔曼滤波器能够应用于机器人等非线性运动系统,EKF生成的状态估计比仅使用实际测量值更准确。在本文中,我们将简要介绍扩展卡尔曼滤波器,并了解传感器融合的工作原理。为了讨论EKF,我们将考虑一种机器人车(自驾车车辆在这种情况下)。如下图所示,我们可以在一个全局坐标系中为这辆车建模,坐标为:Xglobal、Yglobal和Zglobal(面朝上)。X_car和Y_car坐标属于以线速度(V)和角速度(ω)移动的车的坐标系。横向角(γ)测量汽车绕全局Z轴旋转的程度。
物联网作为一种新兴的战略产业,在工业生产、交通运输等众多方面被广泛应用。作为物联网的重要基础与核心技术,传感器技术在物联网的发展中发挥着重要作用。
WISE-750是集成机器学习功能的以太网高速同步采集模块,通过采集电压信号和与WISE-750一起打包的加速度传感器PCL-M10测量振动信号。测量完成后,由AI芯片进行机器学习建模并得到特征值,告诉产品是否合格、机器是否健康等。特征值信息可以通过以太网或数字报警信号发送,也可以将原始数据上传进行后续分析。WISE-750提供数据采集、数据处理、振动传感器和以太网连接,可用于分布式高速采集、产品质量检测和旋转机械,如机床、泵和电梯等电机驱动设备的PHM等。
当前,新一轮科技革命和产业变革孕育兴起,大数据的集聚、理论算法的革新、计算能力的提升及网络设施的演进,驱动人工智能发展进入新阶段,人工智能正加快在工业领域的渗透融合,带动工业企业进步,推动产业升级,而预测性维护是工业大数据和人工智能的一个重要应用场景。它针对设备、设施的故障和失效,由事后维护到定期检修(人工巡检)再到主动预防最终到事先预测和综合规划管理的演进中,不断提升、发展着。那么究竟什么是预测性维护,它与事后维护、预防性维护有什么区别?让我们一文看懂预测性维护。
本文开始介绍新的内容,开始涉及一些外设,本次整理的是关于震动传感器的东西。传感器的使用并不复杂,只是多了接线的步骤。
寄云科技是专注用先进技术结合行业经验,推动产业升级的工业互联网平台厂商,利用云计算、大数据和物联网技术,致力于为企业提供全套IT+OT的解决方案,帮助传统的企业实现数字化转型,提高核心竞争力。
隧道工程是指为铁路、公路、城市轨道交通、水利等工程在地下开挖一定断面形状和尺寸得洞穴或通道,以满足交通运输、水利调节等需要。为了确保隧道工程的安全性和稳定性,需要对其进行监测,以及对监测数据进行分析和处理。而工程监测仪器振弦传感器信号转换器在隧道中的应用则是其中不可或缺的一部分。
通常放置于温室大棚内栽种的植物,对生长环境都有着较为苛刻的要求,温度、湿度、二氧化碳浓度等指标都需要维持在一个稳定的范围内。早期的温室大棚,通过布置各种传感器,人工定时去查看,并对大棚内的温控器、加湿器等设备进行调整。但随着温室大棚数量越来越多、单个大棚内需要的传感器也越来越多,传感器之间的通讯线缆布线变得非常困难,通过人工去管理大棚也变得越来越难。
风力发电作为可再生能源的重要方式,已广泛应用于世界各地。为了降低风力发电机维护成本,提高故障诊断效率,需要安装风力发电机故障诊断系统。
领取专属 10元无门槛券
手把手带您无忧上云