在线会议
论坛
专题
工控直播
新闻中心
子站
技术
社区
微电机以体积小、重量轻、便于控制等优点，在生产、消费、科研等领域有广泛的应用。电机厂为了确保微电机性能达到使用要求，质量检测成为必不可少的环节。造成微电机不良的原因很多，例如卡磁、机壳轴承与端盖不同心、机壳内小粒异物等都会使电机电流偏高；磁铁没磁性、铜线沾锡、电刷针变形短路等都会造成电机短路。其他原因和表现还有很多，但欲避免这些问题控制工程网版权所有，存在诸多难点。
难点和对策
微电机的质量检测手段目前比较缺乏，大部分的厂家还处于人工听音的方式。由于微电机出货量大，所需检测人员比较多www.cechina.cn，带来了巨大的成本压力。人工检测无法保证质量的稳定性和进行质量追溯，从而无法反馈和改进生产工艺，提高良品率。基于此凌华协助客户打造智能微电机自动化检测解决方案，有效满足了厂家对自动化质量检测手段的迫切需求。
凌华智能微电机自动化检测方案完美解决了传统人工检测中的难点CONTROL ENGINEERING China版权所有，并且发挥信息技术的优势，可以积累大量产品质量数据和工艺生产数据，通过大数据分析来优化生产线，实现质量的不断提升。
机器算法代替人工听音，提高检测效率
以往客户惯用的人工听音方式，需要检测人员用手按压电机。由于检测人员按压微电机的力度不同，经常出现有的人员检测是好的，另一个人检测却是坏的。人员的心理和生理状态也会影响检测的效果，特别是长时间进行检测工作，更无法保证检测的一致性。更重要的是微电机生产量很大，每天一个工厂需要几千台的检测量，需要大量的人工，人员工资和管理将造成大量的成本支出。
凌华智能微电机自动化检测方案融合NVH信号分析算法和机器学习算法。利用NVH信号分析算法进行质量特征值的提取，与现有的人工检测进行比对和分析后，将以往人工检测的经验和算法优化结合。并且微电机每天的生产数量巨大CONTROL ENGINEERING China版权所有，特别适合使用机器学习算法，基于大量电机特征数据（特别是故障电机），对测试电机进行良率检测和不良品分类。该方案不用专业检测人员进行操作，普通工人就能完成，降低了人工成本，提高了准确性和检测效率。
凌华科技MCM-100边缘智能运算平台，基于振动声音特征发现异常
NVH信号分析算法通过声强、频率成分、声音品质等多个维度综合评判采集到的数据，能极大的提高判定的准确性、可靠性，最大限度的避免误判漏判。如果直接使用机器学习进行分析，依赖于提供的样本分布（良品和不良品的比率），适应性存在一些疑虑。NVH信号分析算法和机器学习算法结合，实现了从机理上解释清楚故障的原因，满足了工业上对确定性的要求。
凌华的MCM-100边缘智能运算平台在整个方案的硬件链路上起到最核心的作用。MCM-100体积小巧易于部署，将数据收集、振动分析算法、计算和网络连接任务整合在一个系统中。内建IEPE 2mA激励电流源，不仅支持IEPE/ICP数据采集器，同时提供USB、COM、Ethernet、4G等丰富的接口，系统整合简单方便。
MCM-100拥有4个通道，具备24位分辨率以及128kS/s采样率，优于常见的 12至16位分辨率、20kS/s采样率，能够高质量地采集到电机运行时的振动声音信号。搭配内置在MCM-100内的NVH信号分析算法，将时域的声音信号进行数据变换和特征提取，通过上千个样品的分析，制定出相应的判定标准控制工程网版权所有，并将此标准应用在马达制造装配线的下线性能测试站，从而能够快速的评判出良品和不良品。
.jpg)
每个联接都经得起时间考验-Moxa有奖调查.jpg)
AVEVA InTouch Unlimited试用版下载
福禄克三大“法宝”帮您搞定过程仪表校准难题
2024年度最佳产品奖颁奖典礼会后报道
2024全球自动化和制造主题峰会会后报道
