预测性维护是工业互联网中一个重要的应用场景。在预测性维护出现之前,设备维护的方式主要是被动故障维护以及定期以人工巡检的方式检测,预测性检测的出现可以降低设备的故障率,提高设备利用率,确保设备持续使用,提高企业生产效率,同时也可以减少设备维修费用。
预测性维护能够真正落地并且为客户创造价值,需要具备两大条件,其一是数据基础,第二是算法模型。可听阈声压:正常人耳对1KHz声音刚刚能觉察其存在的声压值(20µPa)被称为 1KHz 声音的可听阈声压。一般讲,人耳不能觉察到低于这一声压值的声音的存在。
另外,当声压达到 20Pa,即声压级为 120dBSPL 时,人们的耳朵会感觉到疼痛,因此,
在声学或医学上把20 Pa=120dBSPL定义为痛阈,长时间在此环境下工作,会对听觉系统造成伤害。
噪声的测量主要是声压级、声功率及其噪声频谱的测量。这里测量声压级。仪器上有阻尼开关能反映人耳听觉动态特性,“快”挡:测定起伏不大的稳定噪声;“慢”挡:测定起伏超过4dB的噪声。对于无规则起伏的连续噪声,如果测量它的平均值,一般用“慢”挡,如果要测量某种噪声变化的zui大值,而没有“zui大保持”挡,应该用“快”挡,观察它的zui大指示值。