監測收益
避免昂貴的(de)非預期停工
復雜工況磨損顆粒磨損圖像實(shi)時溯源分(fen)析、
實時外(wai)部復雜環境污染物溯源分析、
實時水分，油液劣化多參數實時監控保障關鍵部件運、
優化人工巡檢過程、協助設備維護
盾構(gou)(gou)機(ji)(ji)是(shi)一(yi)種使用盾構(gou)(gou)法的(de)(de)隧(sui)(sui)道掘(jue)進機(ji)(ji)。盾構(gou)(gou)的(de)(de)施(shi)工(gong)法是(shi)掘(jue)進機(ji)(ji)在(zai)掘(jue)進的(de)(de)同時(shi)構(gou)(gou)建/鋪(pu)設(she)隧(sui)(sui)道支撐性(xing)管片，是(shi)個(ge)復雜、高度集(ji)成的(de)(de)系(xi)統，集(ji)光(guang)、機(ji)(ji)、電(dian)、液、傳感、信息技(ji)(ji)術(shu)于(yu)一(yi)體(ti)。具有(you)開(kai)挖切削(xue)土(tu)(tu)體(ti)、輸送(song)土(tu)(tu)碴、拼裝隧(sui)(sui)道襯(chen)砌、測量導向(xiang)糾偏等(deng)功(gong)能(neng)，涉(she)及地(di)質、土(tu)(tu)木(mu)、機(ji)(ji)械、力學(xue)、液壓、電(dian)氣、控(kong)制、測量等(deng)多門學(xue)科(ke)技(ji)(ji)術(shu)，是(shi)專門用來(lai)在(zai)地(di)下、山體(ti)中為地(di)鐵(tie)、火車等(deng)大(da)型交通工(gong)具挖掘(jue)隧(sui)(sui)道的(de)(de)設(she)備(bei)。雖然(ran)用盾構(gou)(gou)法的(de)(de)機(ji)(ji)械進行隧(sui)(sui)洞施(shi)工(gong)具有(you)自動化(hua)程(cheng)度高、節省人力、施(shi)工(gong)速度快、一(yi)次成洞、不受氣候影(ying)響(xiang)、開(kai)挖時(shi)可控(kong)制地(di)面沉(chen)降(jiang)、減(jian)少對地(di)面建筑物的(de)(de)影(ying)響(xiang)和(he)在(zai)水下開(kai)挖時(shi)不影(ying)響(xiang)地(di)面交通等(deng)特點(dian)。
但(dan)盾構(gou)機的運行(xing)(xing)環境惡劣、檢(jian)修難度大(da)，計劃外(wai)停機將會對(dui)工(gong)程進度和工(gong)程成(cheng)本(ben)(ben)的影響極(ji)大(da)，所以對(dui)盾構(gou)機的運行(xing)(xing)監控和故(gu)(gu)障診(zhen)斷是十分重要的，由于盾構(gou)機的施工(gong)地(di)點偏遠，且一般深埋地(di)下，人工(gong)進行(xing)(xing)檢(jian)修維護(hu)時(shi)成(cheng)本(ben)(ben)高、時(shi)間周期(qi)長、對(dui)每個部件(jian)進行(xing)(xing)故(gu)(gu)障分析的工(gong)作(zuo)量過于繁(fan)重。所以在線油(you)液(ye)監測，可大(da)大(da)減少(shao)維護(hu)成(cheng)本(ben)(ben)與時(shi)間周期(qi)，并減少(shao)意(yi)外(wai)停機的風險。
監測目標
盾構機主軸承：密(mi)封性損壞、齒輪磨損、齒輪油(you)水分污染。
主驅動減速機：水(shui)冷密封損壞(huai)、油液劣化、金(jin)屬磨損。
液壓系統：水分污染，磨損(sun)顆粒(li)超(chao)標。
OilWear 的在線油液監測系統為現(xian)場維護工程(cheng)師與遠程(cheng)監控中(zhong)心(xin)實(shi)時推送盾構機運行狀態監測預警信(xin)息，極(ji)大(da)程(cheng)度(du)減輕日常運維工作(zuo)量，提高(gao)了(le)工作(zuo)效率。
OilWear在線油液監測系統是基于物聯網技術故障預警的智能監測云平臺，由國內知名物聯網廠商合作研發。Oilwear顆粒可檢測范圍：大于4μm的顆粒，同時精度為±1個污染度等級、數據可涵蓋：NAS1638、ISO4406等顆粒污染度等級標準。同時顆粒溯源識別通過AI人工智能計算準確識別顆粒的磨損形式，反饋機器運作模式。同時OilWear還提供家族油液OilHealth健康傳感器、OilMoisture油液水分傳感器、以及粘度傳感器。可實時監測潤滑系統的各重要理化指標。通過這些指標可實時了解潤滑系統是否存在密封缺陷所導致水分污染、油液劣化、等影響潤滑工作狀態的情況。
針對盾構機的齒輪刀盤OilWear的圖像法智能鐵譜可監測超過20μm的金屬磨損顆粒的各種來源，和磨損形式，通過OilwearAI智能診斷軟件可實時得知齒輪是否存在疲勞剝落、接觸不均勻、超負荷工作，等重要信息，非計劃重大意外的事故提供預警，使工程師可以提前的干預避免了事故發生。同時多機軟件集成，以及簡約式可視化處理使得預警結果簡易可讀，極大程度替代傳統的繁雜人工實驗室鐵譜分析。
