A3716 16-kanałowy system monitorowania online
A3716 16-kanałowy system monitorowania online
A3716 to system monitorowania online dla maszyn wirnikowych. System A3716 może działać jako niezależny system wibrodiagnostyczny lub może być używany jako rozbudowa istniejącego systemu. Moduł zawiera 16 wejść AC, 16 DC i 4 TACHO. Wszystkie kanały są mierzone jednocześnie. A3716 może być łatwo rozbudowany, dzięki czemu możemy tworzyć system z większą liczbą kanałów. Konfiguracja i obsługa odbywa się w oprogramowaniu DDS. Konfiguracja nigdy nie była łatwiejsza. Jedyne co musisz zrobić, to stworzyć drzewo maszyn, punkty pomiarowe, wymagane analizy i przypisać je do odpowiednich kanałów. Następnie wystarczy nacisnąć przycisk START, a pomiary wykonają się automatycznie.
Kluczowe cechy:
Adaptacyjny algorytm pozyskiwania danych
16 kanałów AC (ICP®)
16 kanałów DC
4 wejścia TACHO
16 BNC buforowanych sygnałów
16 programowalnych wyjść przekaźnikowych
Schemat zastosowania A3716
Wydajność techniczna |
|---|
Kanały wejściowe AC: 16 x AC, zasilanie ICP® włączone / wyłączone impedancja wejściowa 100kΩ integracja pojedyncza, podwójna filtr górnoprzepustowy 1 Hz – 12800 Hz filtr dolnoprzepustowy 25 Hz – 25600 Hz |
Kanały wejściowe DC: 16 x DC dla wartości procesowych impedancja wejściowa 100 kΩ (VDC), 250 Ω (mADC) |
Wejścia TACHO: 4 niezależne TACHO dla sondy prędkości / wyzwalacza zewnętrznego zakres prędkości 0,8 Hz – 1000 Hz |
Zakres wprowadzania: peak – peak AC +/- 12 V DC +/- 24 V lub 4 – 20 mA TACHO + 10V |
Konwersja AD: 24-bitowy, 64-bitowy, podwójnie zmiennoprzecinkowy sygnał wewnętrzny Brak funkcji AutoGain! |
Zakres dynamiczny S / N: 120 dB |
Zakresy częstotliwości: maks. 25,6 kHz (próbkowanie 16 Ch, 65,5 kHz) |
Tryb próbkowania: w pełni równoczesny dla 16 kanałów |
Rozdzielczość FFT: min. 100 linii Max. 25 600 linii |
Procesor: Intel Core2 – 2,5 GHz |
| Pamięć RAM: 4 GB |
Wewnętrzny dysk twardy: SSD 128 GB |
Pobieranie danych: wartości ogólne sygnały czasowe FFT analiza czasu rzeczywistego analiza DEMOD – ENVELOPE ACMT – analiza łożysk małych prędkości analiza zamówień analiza pasma użytkownika pomiar RPM pomiar DC pomiar orbity pomiar prędkości |
Rejestrator sygnałów: częstotliwość próbkowania 64 kHz 4 zużycie pamięci Ch 3 GB / godzinę |
Trigger: wolny przebieg, TACHO, zewnętrzny (napięcie) |
Komunikacja: Ethernet 1GB RJ45 |
Zakres temperatur: od -10 ° C do + 50 ° C |
Moc: AC 110 – 240 V, 45 – 65 Hz |
Obudowa: 19”aluminium |
Rozmiar i waga (2U): 430 x 360 x 90 mm 4,7 kg |
Rozmiar i waga (3U): 430 x 360 x 135 mm 6,2 kg |
Adaptacyjny algorytm pozyskiwania danych
Konwencjonalny model pozyskiwania danych (używany przez różne marki):
- Dane mierzono w określonym przedziale czasowym (np. co minutę), więc nie mierzono w sposób ciągły, a co za tym idzie niektóre istotne zmiany wartości między tymi pomiarami zostały utracone
- Zapisane zostały wszystkie mierzone dane, więc wartości bez informacji zostały zapisane i zajęły cenną przestrzeń
Adaptacyjny algorytm pozyskiwania danych (nowy system Adash):
- Dane są mierzone w sposób ciągły, więc nie można niczego przegapić
- Zapis tylko wybranych wartości. Jeśli zmierzona wartość nie zmienia się znacząco, nie jest zapisywana. Adaptacyjny algorytm wybiera, które dane mają zostać zapisane, a które nie.
Jak Adaptacyjny algorytm wybiera dane, które zapisać, a które nie?
- Adaptacyjny algorytm mierzy dane w sposób ciągły i nie zapisuje wartości, które nie zmieniają się znacząco. Zapisuje tylko te wartości, które zmieniają się w stosunku do poprzedniej o więcej niż np. 5%, więc jeśli zmierzona wartość nie ulegnie istotnym zmianom, system nie zapisze tego.
Zostaną zapisane tylko wybrane wartości. Jeśli zmierzona wartość nie zmienia się znacząco, nie jest zapisywana. Adaptacyjny algorytm wybiera, które dane mają zostać zapisane, a które nie.
UWAGA:
Żaden diagnosta nie potrzebuje zmian mniejszych niż 5%, patrz zdjęcia poniżej.
- Określa się interwały czasowe w celu oszczędzania danych, więc jeśli ten odstęp jest ustawiony na 1 godzinę, a wartości nie zmieniają się znacznie, np. 1 godzinę, oszczędza się po upływie 1 godziny). Adaptacyjny algorytm może samodzielnie zmieniać niektóre jego parametry, dzięki czemu oszczędzanie danych jest zoptymalizowane, np. dla procesu o bardzo zmiennych wartościach może zwiększyć wartość procentową znacznej zmiany (np. od 5% do 10%), określając, które wartości pomiarowe są zapisywane. Zobacz poniższe wykresy, w jaki sposób ma to wpływ na uzyskane wyniki.
Wszystkie zapisane dane:
Znacząca zmiana = 5 %
Znacząca zmiana = 10 %
Znacząca zmiana = 20 %
Znacząca zmiana = 50 %
