CN106500831B - 振动传感器的检测方法和装置 - Google Patents
振动传感器的检测方法和装置 Download PDFInfo
- Publication number
- CN106500831B CN106500831B CN201610894339.XA CN201610894339A CN106500831B CN 106500831 B CN106500831 B CN 106500831B CN 201610894339 A CN201610894339 A CN 201610894339A CN 106500831 B CN106500831 B CN 106500831B
- Authority
- CN
- China
- Prior art keywords
- value
- preset
- vibration sensor
- sum
- ratio value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供的一种振动传感器的检测方法和装置,通过振动传感器检测装置的接收模块接收处于工作振动状态下振动传感器的振动数据作为待检测数据,上述待检测数据为以预设采样率采集的数据,然后,通过振动传感器检测装置的处理模块获取上述待检测数据中在每个预设周期内的正峰值和负峰值,根据上述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值,通过判断所述比率值与和值是否同时处于所述待检测振动传感器对应的比率值阈值和和值阈值范围内,便可以判断所述待检测振动传感器是否处于正常工作状态。从而提高对待检测振动传感器是否处于正常工作状态下的准确率。
Description
技术领域
本发明涉及振动传感器领域,尤其涉及振动传感器的检测方法和装置。
背景技术
振动传感器在测试技术中是关键部件之一,它的作用是接收机械量并转换为与之成比例的电量,是一种机电转换装置。为了保证振动传感器正常工作,需要对振动传感器进行检测,以确定振动传感器是否故障。
现有技术中,在对振动传感器进行检测时,首先,将待检测的振动传感器停止工作并与振动监测仪进行连接,然后,通过人工使用敲击锤敲击振动传感器;最后,人工根据经验观察振动监测仪的波形图像鉴别振动传感器是否故障。
然而,由于人工使用敲击锤敲击的振动方式模拟振动传感器的工作状态与振动传感器的实际工作状态相差较大,因此,现有的振动传感器检测方式准确率低。
发明内容
本发明提供了一种振动传感器的检测方法和装置,用以解决现有技术中振动传感器检测方式准确率低的问题。
本发明提供了一种振动传感器的检测方法,包括:
接收振动传感器发送的待检测数据,上述待检测数据为上述振动传感器以预设采样率采集的数据,上述振动传感器处于振动状态;
获取上述待检测数据中在每个预设周期内的正峰值和负峰值;
根据上述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值;
根据上述比率值和所述和值,确定所述振动传感器是否故障。
可选的,根据上述比率值和所述和值,确定所述振动传感器是否故障,包括:
若上述比率值大于等于第一预设比率值且小于等于第二预设比率值;并且,上述和值大于等于第一预设和值且小于等于第二预设和值,确定上述振动传感器正常;
若上述比率值小于第一预设比率值,或者上述比率值大于第二预设比率值,或者,上述和值小于第一预设和值,或者,上述和值大于第二预设和值,确定上述振动传感器故障。
可选的,通过神经网络训练,获取上述第一预设比率值、上述第二预设比率值、上述第一预设和值和上述第二预设和值。
可选的,在第三种可能的实现方式中,确定所述振动传感器故障之后,发送告警报告。
可选的,以图形方式显示故障的传感器发送的所述待检测数据。
本发明提供了一种振动传感器的检测装置,包括:
接收模块,用于接收振动传感器发送的待检测数据,上述待检测数据为上述振动传感器以预设采样率采集的数据,上述振动传感器处于振动状态;
处理模块,用于获取上述待检测数据中在每个预设周期内的正峰值和负峰值;
上述处理模块,还用于根据上述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值;
上述处理模块,还用于根据上述比率值和上述和值,确定上述振动传感器是否故障。
可选的,上述处理模块具体用于若上述比率值大于等于第一预设比率值且小于等于第二预设比率值;并且,上述和值大于等于第一预设和值且小于等于第二预设和值,确定上述振动传感器正常;若上述比率值小于第一预设比率值,或者上述比率值大于第二预设比率值,或者,上述和值小于第一预设和值,或者,上述和值大于第二预设和值,确定上述振动传感器故障。
可选的,上述处理模块还用于通过神经网络训练,获取上述第一预设比率值、上述第二预设比率值、上述第一预设和值和上述第二预设和值。
可选的,还包括:报警模块,用于发送报警报告。
可选的,还包括:显示模块,用于以图形方式显示故障的传感器发送的上述待检测数据。
本发明提供的一种振动传感器的检测方法和装置,通过振动传感器检测装置的接收模块接收处于工作振动状态下振动传感器的振动数据作为待检测数据,上述待检测数据为以预设采样率采集的数据,通过振动传感器检测装置的处理模块获取上述待检测数据中在每个预设周期内的正峰值和负峰值,根据上述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值,通过判断所述比率值与和值是否同时处于所述待检测振动传感器对应的比率值阈值和和值阈值范围内,便可以判断所述待检测振动传感器是否处于正常工作状态。从而提高对待检测振动传感器是否处于正常工作状态下的准确率,另外,通过结合监控程序可以在第一时间监测到所有传感器的工作状态,省去人工定期检查的繁琐工作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明振动传感器的检测方法和装置实施例一振动传感器检测方法流程示意图;
图2a-图2f为本发明振动传感器的检测方法和装置实施例一振动传感器正常工作状态下采集到的数据图像;
图3为本发明振动传感器的检测方法和装置实施例二振动传感器非正常工作状态下采集到的数据图像;
图4为本发明振动传感器的检测方法和装置实施例一振动传感器检测装置结构示意图;
图5为本发明振动传感器检测装置的又一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和/或“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
通过振动传感器检测装置的接收模块接收处于工作振动状态下振动传感器的振动数据作为待检测数据,上述待检测数据为以预设采样率采集的数据,通过振动传感器检测装置的处理模块获取上述待检测数据中在每个预设周期内的正峰值和负峰值,根据上述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值,通过判断所述比率值与和值是否同时处于所述待检测振动传感器对应的比率值阈值和和值阈值范围内,便可以判断所述待检测振动传感器是否处于正常工作状态。从而提高对待检测振动传感器是否处于正常工作状态下的准确率,另外,通过结合监控程序可以在第一时间监测到所有传感器的工作状态,省去人工定期检查的繁琐工作。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图1为本发明振动传感器检测的方法实施例一的流程示意图,图2a-图2f为本发明振动传感器的检测方法和装置实施例一振动传感器正常工作状态下采集到的数据图像。如图1所示为某种振动传感器检测方法的流程示意图:
S101、接收振动传感器发送的待检测数据,所述待检测数据为所述振动传感器以预设采样率采集的数据,所述振动传感器处于振动状态。
具体地,振动传感器处于振动状态是指,待检测振动传感器处于工作状态下;即待检测数据是在待检测振动传感器处于工作状态下实时采集的,并不同于这与现有技术中,需要将待检测振动传感器停止工作通过人工敲击得到的振动数据。其中,通过观察原始振动数据观察峰值分布时间单位,按单位筛选出峰值。
根据实际需求,在特定的采样频率下,对接收到的上述实时采集的待检测数据进行采样,得到数据样本。
S102、获取所述待检测数据中在每个预设周期内的正峰值和负峰值。
具体的,根据实际需求,获得在预设周期内的正、负峰值,并对提炼出的样本中的正、负峰值序列进行正值计数、负值计数,正值和值计算、负值和值计算。
S103、根据所述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值。
具体的,对上述正、负峰值个数求比,得到比率值;将上述正值和值与负值和值绝对值求和值,得到和值。
S104、根据所述比率值和所述和值,确定所述振动传感器是否故障。
可选的,若所述比率值大于等于第一预设比率值且小于等于第二预设比率值;并且,所述和值大于等于第一预设和值且小于等于第二预设和值,确定所述振动传感器正常;
若所述比率值小于第一预设比率值,或者所述比率值大于第二预设比率值,或者,所述和值小于第一预设和值,或者,所述和值大于第二预设和值,确定所述振动传感器故障。
具体的,当所采集数据的振动传感器处于正常工作状态下时,所采集数据根据S103部计算得出的比率值会处于第一预设比率值与第二预设比率值组成取值区间;其中,第一预设比率值小于第二预设比率值,第一预设比率值为最小阈值,第二预设比率值为最大阈值;当所采集数据的振动传感器处于正常工作状态下时,所采集数据根据S103部计算得出的和值会处于第一预设和值与第二预设和值组成取值区间;其中,第一预设和值小于第二预设和值,第一预设和值为最小阈值,第二预设和值为最大阈值。
可选的,第一预设比率值、第二预设比率值、第一预设和值和第二预设和值,通过神经网络训练方法获取。为了提高检测准确率,可以通过采集大量数据进行统计分析,实践证明,数据越大,得出的阀值越精确,但仅仅依靠阀值来判断传感器可靠性比较属于刚性判断,很多干扰因素并没有引入。在传感器实际应用中,往往因为传感器接入监测个体的差异会带来或多或少的干扰,从而使只凭阀值判断有效性降低。并且,在对数据进行提炼出六个特征值后,把正常数据和非正常数据进行分类标签化,结合神经网络训练出训练库,可以达到更好的诊断效果。
具体的,如图2a所示为正常工作状态下振动传感器振动数据形成的图像,图像大致呈上下对称分布,并以对称线为零线,线上部分为正值,线下部分为负值,并且当振动传感器处于不正常工作状态时,如图2b所示,振动图像有可能不会呈正负对称分布。所以,通过正、负峰值个数求比得到的比率值可以作为判断待检测振动传感器是否正常工作的依据。并且,比值愈接近1表明待检测振动传感器处于正常工作状态的可能性愈大。当待检测振动传感器比率值小于第一预设比率值(比率值最小阈值)或者大于第二预设比率值(比率值最大阈值)时,待检测振动传感器处于不正常工作状态。
具体的,如图2c-2f处于非正常工作状态下的振动传感器的振动图像所示,振动图像大致呈现正负对称并不能说明待检测振动传感器处于正常工作状态,而且,如图2c-2f处于不正常工作状态下的振动传感器的振动图像所示,不正常工作状态下的振动图像的正、负峰值绝对值均处于过大或者过小状态,所以,判断待检测振动传感器是否正常工作的依据还包括:上述和值,即正、负峰值绝对值之和。当待检测振动传感器和值小于第一预设和值(和值最小阈值)或者大于第二预设和值(和值最大阈值)时,待检测振动传感器处于不正常工作状态。
具体的,当待检测振动传感器的振动数据的和值与比率值均处于对应的和值阈值区间以及比率值阈值区间内时候,则判断待检测振动传感器处于正常工作状态。
本实施例中,通过接收振动传感器采集的处于工作状态下的待检测数据,并对待检测数据进行整理与处理得到用于判断所述待检测振动传感器是否处于正常工作状态的比率值与和值,通过判断所述比率值与和值是否同时处于所述待检测振动传感器对应的比率值阈值和和值阈值范围内,便可以判断所述待检测振动传感器是否处于正常工作状态。从而,可提高对待检测振动传感器是否处于正常工作状态下的准确率。
实施例二
图3为本发明振动传感器检测方法实施例二的流程示意图。如图3所示为某种振动传感器检测方法的流程示意图:
实施例二是在实施例一的基础上,进一步地,振动传感器检测方法还包括:
若判断待检测振动传感器没有处于正常工作状态下时,执行S105发送报警报告,以图形方式显示故障的传感器发送的所述待检测数据。若判断待检测振动传感器处于正常工作状态下时,则继续采集待检测振动传感器的待检测数据,并计算待检测振动传感器的比率值以及和值进行是否处于正常工作状态的判断。
可选的,振动传感器检测方法通过监控程序甄别出振动传感器没有处于正常工作状态时,进行实时通报提醒,以发出报警报告。
可选的,以图形方式显示故障的传感器发送的所述待检测数据,以便于进行故障分析。
本实施例中,通过结合监控程序可以在第一时间监测到所有传感器的工作状态,省去人工定期检查的繁琐工作。并且,对振动传感器的实时监测不限于距离的限制,从而保证了对处于不同地点工作的振动传感器进行实时监测,进一步保证振动传感器处于正常工作状态。
图4为本发明振动传感器检测装置实施例一的结构示意图。如图4所示,振动传感器检测装置包括:接收模块401和处理模块402。
其中,接收模块401用于接收处于振动状态的振动传感器、并在预设采样率下发送的待检测数据。处理模块402用于获取待检测数据中在每个预设周期内的正峰值和负峰值,处理模块402还用于根据正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值,处理模块402还用于根据比率值和和值,确定待检测振动传感器是否故障。
可选的,处理模块402具体用于若比率值大于等于第一预设比率值且小于等于第二预设比率值;并且,和值大于等于第一预设和值且小于等于第二预设和值,确定振动传感器正常;若比率值小于第一预设比率值,或者比率值大于第二预设比率值,或者,和值小于第一预设和值,或者,和值大于第二预设和值,确定振动传感器故障。
可选的,处理模块402还用于通过神经网络训练,获取所述第一预设比率值、所述第二预设比率值、所述第一预设和值和所述第二预设和值。
具体的,第一预设比率值小于第二预设比率值,第一预设比率值为最小阈值,第二预设比率值为最大阈值。第一预设和值小于第二预设和值,第一预设和值为最小阈值,第二预设和值为最大阈值。
本实施例的装置对应的可用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图5为本发明振动传感器检测装置的又一结构示意图。如图5所示,图5是在图4所示实施例的基础上,进一步地,振动传感器检测装置还可以包括:报警模块403和显示模块404。
可选的,报警模块403用于当判断待检测振动传感器没有处于正常工作状态下时发送报警报告。显示模块404用于以图形方式显示故障的传感器发送的所述待检测数据,以便于进行故障分析。
本实施例的装置对应的可用于执行图3所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种振动传感器的检测方法,其特征在于,包括:
接收振动传感器发送的待检测数据,所述待检测数据为所述振动传感器以预设采样率采集的数据,所述振动传感器处于振动状态;
获取所述待检测数据中在每个预设周期内的正峰值和负峰值;
根据所述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值;
根据所述比率值和所述和值,确定所述振动传感器是否故障。
2.根据权利要求1所述的方法,其特征在于,所述根据所述比率值和所述和值,确定所述振动传感器是否故障,包括:
若所述比率值大于等于第一预设比率值且小于等于第二预设比率值;并且,所述和值大于等于第一预设和值且小于等于第二预设和值,确定所述振动传感器正常;
若所述比率值小于第一预设比率值,或者所述比率值大于第二预设比率值,或者,所述和值小于第一预设和值,或者,所述和值大于第二预设和值,确定所述振动传感器故障。
3.根据权利要求2所述的方法,其特征在于,还包括:
通过神经网络训练,获取所述第一预设比率值、所述第二预设比率值、所述第一预设和值和所述第二预设和值。
4.根据权利要求1或2所述的方法,其特征在于,确定所述振动传感器故障之后,还包括:
发送报警报告。
5.根据权利要求1所述的方法,其特征在于,还包括:
以图形方式显示故障的传感器发送的所述待检测数据。
6.一种振动传感器的检测装置,其特征在于,包括:
接收模块,用于接收振动传感器发送的待检测数据,所述待检测数据为所述振动传感器以预设采样率采集的数据,所述振动传感器处于振动状态;
处理模块,用于获取所述待检测数据中在每个预设周期内的正峰值和负峰值;
所述处理模块,还用于根据所述正峰值和负峰值得到正峰值个数和负峰值个数的比率值,以及得到正峰值绝对值和负峰值绝对值的和值;
所述处理模块,还用于根据所述比率值和所述和值,确定所述振动传感器是否故障。
7.根据权利要求6所述的装置,其特征在于,所述处理模块具体用于若所述比率值大于等于第一预设比率值且小于等于第二预设比率值;并且,所述和值大于等于第一预设和值且小于等于第二预设和值,确定所述振动传感器正常;若所述比率值小于第一预设比率值,或者所述比率值大于第二预设比率值,或者,所述和值小于第一预设和值,或者,所述和值大于第二预设和值,确定所述振动传感器故障。
8.根据权利要求7所述的装置,其特征在于,所述处理模块还用于通过神经网络训练,获取所述第一预设比率值、所述第二预设比率值、所述第一预设和值和所述第二预设和值。
9.根据权利要求6或7所述的装置,其特征在于,还包括:
报警模块,用于发送报警报告。
10.根据权利要求6所述的装置,其特征在于,还包括:
显示模块,用于以图形方式显示故障的传感器发送的所述待检测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610894339.XA CN106500831B (zh) | 2016-10-13 | 2016-10-13 | 振动传感器的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610894339.XA CN106500831B (zh) | 2016-10-13 | 2016-10-13 | 振动传感器的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106500831A CN106500831A (zh) | 2017-03-15 |
CN106500831B true CN106500831B (zh) | 2019-12-31 |
Family
ID=58293892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610894339.XA Active CN106500831B (zh) | 2016-10-13 | 2016-10-13 | 振动传感器的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106500831B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052490A1 (en) | 2018-09-11 | 2020-03-19 | Changxin Memory Technologies, Inc. | Method and apparatus for controlling tester, medium and electronic device |
CN110657885B (zh) * | 2019-10-14 | 2022-03-11 | 深圳市蓝度汽车电控技术有限公司 | 一种震动传感器的震动报警方法、***及终端 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102680017A (zh) * | 2012-05-31 | 2012-09-19 | 潍柴动力股份有限公司 | 一种传感器故障诊断方法及诊断装置 |
CN103033211A (zh) * | 2012-12-17 | 2013-04-10 | 天津职业技术师范大学 | 一种发动机曲轴位置传感器故障诊断方法 |
CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
CN104568449A (zh) * | 2015-01-12 | 2015-04-29 | 国家电网公司 | 一种发电机组振动传感器信号故障的判断及处理方法 |
-
2016
- 2016-10-13 CN CN201610894339.XA patent/CN106500831B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102680017A (zh) * | 2012-05-31 | 2012-09-19 | 潍柴动力股份有限公司 | 一种传感器故障诊断方法及诊断装置 |
CN103033211A (zh) * | 2012-12-17 | 2013-04-10 | 天津职业技术师范大学 | 一种发动机曲轴位置传感器故障诊断方法 |
CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
CN104568449A (zh) * | 2015-01-12 | 2015-04-29 | 国家电网公司 | 一种发电机组振动传感器信号故障的判断及处理方法 |
Non-Patent Citations (1)
Title |
---|
基于小波分析的MSMA振动传感器信号处理与故障检测;鲁军 等;《电工技术学报》;20150530;第30卷(第10期);第354-360页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106500831A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3454289B1 (en) | Plant abnormality detection method and system | |
US20180107196A1 (en) | Method of Detecting Home Appliance Bus Control System | |
CN109886475B (zh) | 基于ai的计量自动化***的信息安全态势感知*** | |
CN109029589B (zh) | 一种桥梁结构安全状态监测*** | |
US20230162484A1 (en) | Apparatus and method for generating learning data for artificial intelligence model | |
CN102740112B (zh) | 一种基于视频监控***的设备轮巡的控制方法 | |
CN106093838A (zh) | 关口电能表远程在线校验方法及*** | |
KR20120137623A (ko) | 전력설비 모니터링 시스템 및 방법 | |
JP2019067197A (ja) | 故障予兆検知手法 | |
CN106597160B (zh) | 一种电子设备故障检测方法和装置 | |
CN106500831B (zh) | 振动传感器的检测方法和装置 | |
US11755007B2 (en) | System and method for determining a health condition and an anomaly of an equipment using one or more sensors | |
CN114155692A (zh) | 一种设备故障上报方法、装置及存储介质 | |
KR20210077496A (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
CN117368616B (zh) | 一种智能化的配电网接地故障监测方法及*** | |
US20100324700A1 (en) | Facilities control device and facilities control method | |
CN115034094B (zh) | 一种金属加工机床运行状态预测方法及*** | |
CN103743477A (zh) | 一种机械故障检测诊断方法及其设备 | |
CN103997126A (zh) | 一种基于开关量状态的故障诊断分级方法及*** | |
KR101248232B1 (ko) | 병렬 부대설비의 이상 진단 방법 및 시스템 | |
CN103197162A (zh) | 一种基于模板匹配的多开关参量故障诊断方法 | |
CN113487189A (zh) | 一种石化设备故障概率风险评估***及评估方法 | |
CN103868747B (zh) | 一种基于时间序列符号化的结构损伤识别***与识别方法 | |
CN109358578A (zh) | 一种工作效率测试方法 | |
KR20200034339A (ko) | 음향신호를 이용한 플랜트 설비의 결함 진단 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |