所述“杀手级特征”指的是“杀手级”。风机叶片状态监测

由于传感器技术，物联网技术，工业大数据和人工智能技术的发展，预测性维护已成为“杀手;”。工业互联网的应用。
在最近举行的中德智能制造/工业4.0标准化工作组第十次会议上，来自机械工业仪器仪表与经济研究所（“宜宗研究所”）的专家介绍了最佳实践案例收集阶段。预测性维护性结果。
其中，魏德米勒的“ BLADEcontrol＆reg; reg;风力涡轮机叶片的状态监控”已成功选择。在同时制定国际标准“工业自动化设备和系统的预测性维护”时，以及国家标准“智能服务的预测性维护的一般要求”，Yong也提出了预测性维护的应用案例模板，并在中国和德国实施了最佳实践。
通过分析预测性维护技术的发展状况，收集实际案例为标准开发，平台构建以及推广和实施提供支持。 BLADEcontrol＆reg;这次被选为预测性维护的最佳实践案例的是，第一批获得DNV GL分类协会认证的风力涡轮机叶片监控系统。
它由魏德米勒（Weidmüller）开发，主要用于风力涡轮机叶片状态监测。 3000多个套已成功应用于各种类型的风扇。
BLADEcontrol＆amp; reg;随着大型风力发电机的发展趋势，风力发电机叶片状态监测系统的平台架构变得越来越明显。大型刀片已经成为未来发展的方向，并得到中国相关政策的支持。
由于生产技术不佳或不利的操作环境，叶片容易损坏，断裂甚至损坏。因此，毫无疑问，使用智能监控系统实时监控刀片的运行状态，掌握刀片操作中可能存在的各种风险并抑制“刀片架”中的风险是非常明智的选择。
;通过预防性维护。在这种情况下，BLADEcontrol＆reg;风机叶片状态监测系统的平台主要包括高精度加速度传感器，数据采集与测量单元，机舱中的无线接入点和数据评估服务器等硬件设备，以及状态监测与健康管理系统，异常情况等。
刀片状态。警报系统和其他软件部件使用数据模型和算法来实现诸如振动感测，状态评估，故障诊断，状态趋势预测，维护管理以及风扇叶片的其他功能等功能，从而帮助用户实现数字化管理，增加生产效益，并降低安全风险。