Embedded Files
無人巡佐系統—人工智慧與遙感功能擴增研究
無人巡佐系統—人工智慧與遙感功能擴增研究
本專案要解決的問題是利用機械設備故障的聲訊資料來進行非接觸的預知保養。本研究建置的人工智慧的數位關聯(Digital Twin, DT)學習模型，不需現場給出大量故障資料，也不需在現場機器上大量安裝接觸式傳感器，本研究可利用分析與計算出來的高維特徵及以特殊算法縮減至數個複合式的有效預測因子，方便現場人員進行故障型態預測操作，以大幅簡化預知保養的工作量。
首先本團隊已經改良位於現場收音的無人巡佐系統，如圖1，將系統體積縮小化、氣密性提高並且延長使用時間。
再者對錄音設備，陣列麥克風進行遙感功能評估，在吵雜環境或距離太遠情況下也能感測到聲音，如圖2。
而本案目前已經完成了，可以透過本團隊所開發的GUI介面進行錄製聲音，並將音檔上傳至我們所開發的AI模型，可以得知此馬達支故障樣態鑑別與健康度分析。
以零接觸式光學方法學習數位分身虛擬人進行去氧血紅素及褥瘡早期預測
臥床患者長期不活動又持續受壓，導致局部組織缺氧或細胞破壞，造成褥瘡。這是因為皮膚內部發生的病變難以直接觀察，但這時如果有一個數位分身虛擬人(Digital Twin)(圖1)，利用與患者同步的電腦3D流體模型，在電腦內重建出這位患者全身的組織循環狀況，並判斷出高危險的部位，這將會節省大量照護人力與提高照護品質。節省人力的部份，是因為一般情況是看不見潛在危險，所以就盲目地大量地做了許多無用的功。有了Digital Twin, DT，我們就可以以針對性工作，達到提高效率，減少不必要而無用的接觸，往零接觸的目標接近。
艦艇輪機系統妥善研判導入全聲景特徵音頻智慧演算之研究
本計畫的主要目標是將AI應用於"傳感器-智慧計算-故障預測"的數位孿生模式。我們希望利用聲波資料來實現非接觸式的預知保養，同時解決聲波資料在收集和應用方面的困難。透過機器學習，在電腦中建立數位孿生模型的方法，可以有效地分離出雜訊中的有效訊號，並穩定地提取故障特徵值，避免受到閾值的限制，以AI的方式預測故障的發生及成因。同時，我們也將以AI的方式做出即時的決策和判斷，以最大程度延長系統的使用壽命，同時在最低成本下維持所需的可靠度水平。
此計畫分為三年期，現在已進行至第二年，而第一年針對艦用馬達開發AI MDT技術，甄別出培林損傷、軸承偏心、固定螺絲鬆動、潤滑由不足等週期波異常聲波與馬達故障發生之關連性，並藉由機器學習將所收集的聲景數據、資料，轉換成異常診斷的演算模型。
第二年時本團隊開發了自行的故障模擬平台，建立了獨特的故障資料集，且可以針對不常見的故障進行模擬建立樣態，不再只針對軸承故障進行分析，開始增加如轉軸偏心、基座鬆動等故障樣態。而目前，我們的故障模擬包含了轉動不平衡、轉軸偏心、軸承損壞、軸承內部不平衡以及設備基座鬆動等不同的故障樣態。並且我們進行實驗時，在故障模擬平台中加入了煞車負載，以模擬等級1至4的不同故障程度，並開發了一套名為「預知保養系統」的人機介面，旨在提前預測設備異常並及時警示現場人員。
海軍輪機的可靠度分析
1. 分析海軍輪機組件的可靠性數據。
- 收集海軍輪機組件的可靠性數據，包括故障率、維修時間和平均失效時間。
- 使用統計方法分析可靠性數據，以確定組件的可靠性分佈。
2. 建立海軍輪機可靠性模型。
使用可靠性工程軟體，建立海軍輪機可靠性模型。
該模型應包括輪機的各個組件，以及它們之間的相互關係。
3. 評估海軍輪機的可靠性。
- 使用可靠性模型，評估海軍輪機的可靠性，包括其平均故障間隔時間、平均修復時間和可用性。
- 確定輪機可靠性是否滿足海軍的要求。
4. 識別海軍輪機的薄弱環節。
- 使用可靠性模型，識別海軍輪機的薄弱環節，即最容易發生故障的組件。
- 確定這些薄弱環節對輪機可靠性的影響。
Report abuse