传感器|36氪首发｜「华控智加」获数千万Pre-A轮融资，自研多传感器信号采集方案实现预测性维护 meshcloud脉时云|part|saas|ner|mesh

作者｜韦世玮
编辑｜石亚琼
**
【传感器|36氪首发｜「华控智加」获数千万Pre-A轮融资，自研多传感器信号采集方案实现预测性维护】36氪获悉，近日工业互联网解决方案提供商「华控智加」完成数千万元Pre-A轮融资，由北京基石创投、科华基金、京福基金投资。该轮资金将主要用于扩大研发投入、加速产品设计，从而提升市场覆盖率和渗透率。
「华控智加」成立于2018年5月，是清华大学科技成果转化并现金投资的工业互联网及人工智能产业化平台企业，主要基于自主研发的细微特征提取、低资源与非协作人工智能技术，面向工业设备智能运维领域，推出基于机器指纹和运行大数据分析的设备健康预测性维护，以及运行参数智能优化解决方案。
此前，36氪曾对华控智加的产品解决方案和技术优势进行了跟踪报道，如今一年过去，华控智加在人员扩张、产品业务方面都有了不少进展。
一方面，公司团队规模已从最初的40人扩张到70多人，核心人员来自清华大学、中科院及其他头部企业。另一方面，公司已推出成系列的产品，包括针对火力发电机组、水力发电机组、风力发电机组、超高压变压器等大型核心设备的智能监测系统，并已开始部署上线。
纵观工业制造领域，我国作为世界第一制造大国，每年的设备存量及新增规模庞大、造价高，同时也面临着设备健康状态不佳和运行过程参数配置不合理导致的能效降低、排放增加严重等问题。
但传统的工业设备通常采用每个季度停机检修、一年大修的计划性维护方式，巡检难度大、维护成本高，难以及时发现潜在隐患。此外与机器视觉AI质检相比，图像技术只能做外观识别，无法提早预测设备内部的运行状态，当识别到设备故障时往往大多已处于重大事故。
华控智加联合创始人、CEO刘德广告诉36氪，现在的工业设备维护方式正转向预测性维护，从声学及传感角度切入设备检测体系，能实时监测设备运行状态，在线对设备健康状态和运维数据进行提取，还能通过AI模型和数据统计模型准确分析设备的状态变化趋势，尽早地发现设备早期故障征兆、优化设备运行参数，达到节能减排、提高生产效率的效果。
因此，华控智加自主研发了同步多传感器信号采集智能边缘计算终端，可实时采集和处理设备内部的声音、振动、温度等信号，再通过深度学习对数据进行建模分析，生成故障预测模型并与基于动力学和材料学机理故障检测模型相融合。
同时，系统还在线获取设备实时运行数据，构建知识图谱分析模型，对设备运行过程中可能出现的问题进行推理和决策分析，实现工业设备故障和效能的画像分析，并对运行参数进行优化配置，实现智能运维。
刘德广谈到，华控智加具有三点优势：一是公司的系统不光采集普通的信号的频谱特征，还采用了独有的细微特征提取方法，该技术来自于清华大学电子工程系核心技术成果的转化，同时该技术也应用于国家部门，并发挥了重要作用。智加公司率先将该技术应用在工业领域，开发基于机器设备指纹的细微特征提取分析法，能够超早期地发现设备故障并进行精准预测。
二是系统采用了融合物理机制的深度神经网络建模方法，更适应工业场景，能够更准确地监测和管理大型核心装备的整体性运维状态。
三是其他玩家主要采用开放式噪音监测方法，例如监测环境中的噪音，但公司能够提取到设备内部的细微特征信号，比外部环境更早发现设备故障问题。
此外，华控智加还积累了丰富的数据样本，包括水电领域的水轮机发电机、电网领域的变压器、风力发电机组中以音频为主的信号数据，并且每次对接一个客户，公司都会开展定制化试验工作，在现场实地采集生产设备的样本数据，大大解决了传统行业样本积累难度大的问题。