一、安全生产隐患大：

在很多应用领域中，电动机经常都需要保持连续不间断地运转，加之运行环境的影响，使得电动机的故障发生率相对较高，由于电动机的故障较为复杂，且与多方面因素有关，从而导致了电动机的维修技术难度大，对维修人员的技术水平要求较高。

二、经济损失影响大：

就工业生产而言，其应用的电动机多为大型异步电机，其运行状态的优劣，对工业生产过程有着直接影响，如果电动机出现故障，不但会导致自身受损，而且  还可能造成工业生产过程中断，由此会给企业带来巨大的经济损失。 

三、科锐特优势卓越：

为了有效减少甚至杜绝电动机故障问题的发生，需要对其运行状态进行监测，科锐特电机状态监测与故障预警的出现及其在电动机上的应用，除了可以防止电动机重大事故的发生，还能在较短的时间内找到故障原因，给维修工作提供可靠依据。由此可见，对电动机的运行状态进行监测尤为重要。

不创新就会落伍

不转型就被淘汰

唯有观势谋局、遵循发展规律

与“国之大者”同频共振

才能赢得未来

科锐特拥有历经二十余年成功落地的电机状态监测与故障预警技术，在当前数字化转型的经济浪潮中一马当先，不仅高度契合《电机能效提升计划（2021-2023）》，同时立足科研前沿，与中国工程院马伟明院士发表的《关于电工学科前沿技术发展的若干思考》不谋而合。

科锐特高屋建瓴，可以说是恰逢其时、大有可为！

科锐特=电机系统数字化

在国家政策层面，工信部、市场监管总局在2021年10月发布《电机能效提升计划（2021-2023）》，明确“加快推动电机系统智能化、数字化提升”，特别是——“鼓励应用自动检测设备”、“探索电机全生命周期智能化跟踪管理”、“完善电机故障诊断机理模型”，“推进电机系统运行数据采集、计算、存储、通讯一体化”、“鼓励电机系统设备上云”，这与科锐特的企业理念是高度契合的。

Ø 推进电机系统智能化、数字化提升

1.加快推动电机系统智能化。

推进电机产品互联网统一标识和解析技术应用，探索电机全生命周期智能化跟踪管理。开展电机系统能效优化模型和智能算法研究，完善电机故障诊断机理模型。加快应用电机智能感知器系列产品、多传感器数据融合技术等，推进电机系统运行数据采集、计算、存储、通讯一体化。

2.协同推进电机系统数字化。

鼓励搭建数字化协同制造平台，推动生产计划、工艺技术、物料配送、设备监控与维护、质量管控、物流跟踪等系统间数据高效交互，集中管控工艺制造和生产管控数据。推动电机产品研发设计、生产制造、企业运维等产业链各环节数据监测和信息共享，鼓励电机系统设备上云。

科锐特的电机诊断预警云平台与移动APP，基于5G网络、华为云与移动互联技术，为当前电机匹配“最接近”的历史数据，并智能地推送进一步的维护建议。用户可通过科锐特云平台进行历史数据检索、运维管理，同时可通过移动APP即时获取技术支持。全面贴合了《电机能效提升计划（2021-2023）》加快推动电机系统智能化、协同推进电机系统数字化的前进进程。

科锐特=电机健康状态管家

在科研前沿层面，中国工程院马伟明院士2021年12月在《电工技术学报》发表文章《关于电工学科前沿技术发展的若干思考》，强调推进“复杂工况下电机系统健康状态监测与故障预测”，这也与科锐特的产品性能不谋而合。

Ø 复杂工况下电机系统健康状态监测与故障预警

舰船推进电机运行工况复杂，故障早期的信号特征极其微弱，易被噪声淹没，强干扰环境下电机渐变故障微弱信号的建模与有效特征提取方法是实现复杂工况下电机系统性能参数退化预警的关键。因此，需研究多源多维信息融合的状态监测与故障诊断技术（见下图），分析电机系统非线性、强耦合特性以及温漂、扰动等非线性因素的作用机理，强干扰下弱信号的提取方法和多源信息融合机制，探明电机参数与运行工况间的非线性函数关系、电机系统渐变故障与状态信息及参数的关系，通过状态观测和参数辨识实现电机系统性能参数退化预警。

科锐特的技术特点更针对电机早期、初发、轻微的信号特征，正如马院士所强调的：复杂工况下的电机系统健康状态监测与故障预测的关键之一在于有效的特征提取方法，科锐特独创性地发现了灵敏、可靠且实用的异步电动机初发故障特征；率先解决了异步电动机初发故障特征的灵敏、可靠提取问题；打破了电机检测行业长久以来依赖于感性信号判断故障来源的瓶颈问题。

1. 明确故障特征

在对定子、转子、轴承故障的检测中，明确“定子负序视在阻抗”、“电流信号特征频率分量”、“瞬时功率信号特征频率分量”、“振动信号特征频率分量”等故障特征；应用基于样本学习的检测阈值自整定策略以及神经网络适当设置检测阈值，判断故障是否存在，避免故障漏检与误判。

2. 故障特征提取技术

综合应用高频率分辨力谱估计、细化傅里叶频谱分析、自适应滤波、转差率估计、调制解调等技术，确保高灵敏度地提取、识别故障特征。

3. 早发现、早诊断

明确故障特征与初发故障的关联性，从而达到“早发现、早诊断”的目的。