CN109102189B - 一种电气设备健康管理***和方法 - Google Patents

一种电气设备健康管理***和方法 Download PDF

Info

Publication number
CN109102189B
CN109102189B CN201810909793.7A CN201810909793A CN109102189B CN 109102189 B CN109102189 B CN 109102189B CN 201810909793 A CN201810909793 A CN 201810909793A CN 109102189 B CN109102189 B CN 109102189B
Authority
CN
China
Prior art keywords
electrical equipment
data
health
module
evaluation
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
Application number
CN201810909793.7A
Other languages
English (en)
Other versions
CN109102189A (zh
Inventor
杨璇
尹江飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810909793.7A priority Critical patent/CN109102189B/zh
Publication of CN109102189A publication Critical patent/CN109102189A/zh
Application granted granted Critical
Publication of CN109102189B publication Critical patent/CN109102189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提出了一种电气设备健康管理***和方法，通过数据拟合方式，建立映射关系，输入的运行参数，根据映射关系，分析出最终结果，并根据最终结果不断地对数据拟合方式进行校正，不断的更新数据拟合方式，分析的最终结果是健康评估和故障预测的二次评估预测结果；通过在电气设备中安装各种传感器及通过通讯获取内部数据，进行实时监测、定期巡检等方法采集数据；本发明不仅建立了数据模型和神经网络，还通过数据拟合方式进行自主学习，通过其中的映射关系，对电气设备进行健康状态评估和故障预测，本发明包括三种评估预测的方式，结合三种评估预测方式对进行电气设备的健康状态评估和故障预测，降低误判的可能性。

Description

一种电气设备健康管理***和方法
技术领域
本发明涉及设备健康管理领域，尤其涉及一种电气设备健康管理***和方法。
背景技术
随着电气设备管理的精细化，电气设备的维修费用在生产成本中的比重越来越大，为提高经济效益，增强市场竞争力，企业对电气设备的日常维护也日益重视。在经历了事后维护、计划维护等阶段后，进入基于状态的电气设备维护阶段，即根据电气设备的历史运行、检修及连续工作监测数据，对电气设备的健康状态进行评估和预测。但通常现有技术存在功能和诊断方法单一，操作繁琐，易误判等问题。本发明提供了一种电气设备健康管理***和方法。
发明内容
有鉴于此，本发明提出了一种方便获取电气设备的健康状态和电气设备维护的***和方法。
本发明的技术方案是这样实现的：
一方面，本发明提供了一种电气设备健康管理方法，其包括以下步骤：
S101、获取电气设备的运行参数，剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理；
S102、建立电气设备物理或数学模型，根据处理后的运行参数，获取正常状态下输出的理论期望值，与实际的输出值进行比较，通过参数辨识和统计，进行电气设备的健康评估和故障预测的初步评估预测；
S103、归纳电气设备发生故障时的运行参数，通过数据拟合方式，建立映射关系，输入处理后的运行参数，进行数据分析，通过映射关系，获得分析的最终结果，根据最终结果不断地对数据拟合方式进行校正，不断的更新数据拟合方式，分析的最终结果是健康评估和故障预测的二次评估预测结果；
S104、结合神经网络，将电气设备运行参数及对应的健康状态作为样本输入神经网络，训练后得到知识库及相应的推理库，然后将电气设备实时参数输入神经网络，利用知识库和推理库进行分析，得到健康评估和故障预测结果；
S105、根据健康评估和故障预测结果，对电气设备的任务计划进行安排。
在以上技术方案的基础上，优选的，S101中获取电气设备的运行参数的方法包括：通过数据总线从安装在电气设备的传感器上在线采集电气设备的运行参数或通过电气设备管理人员的定期巡检获取运行参数。
在以上技术方案的基础上，优选的，S103中，建立映射关系的方法为：归纳多组案例中故障发生前出现的异常数据，总结故障发生时，异常数据的出现规律，根据异常数据出现的规律和故障之间的关系，形成映射关系。
第二方面，本发明还提供了一种电气设备健康管理***，其包括数据采集模块、数据处理模块和通信接口，还包括运行状态监测模块、评估预测模块和推理决策模块；
数据采集模块采集电气设备的运行参数，并将采集的运行参数传送给数据处理模块；
数据处理模块接收数据采集模块传送的运行参数，剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理，获取初步处理数据，将处理后的运行参数传给运行状态监测模块；
运行状态监测模块接收数据处理模块处理后的运行参数，设定参数阈值或期望值，将特征参数与期望值或参数阈值进行比较，评估电气设备当前的运行状态，并将电气设备的当前运行状态传送给评估预测模块和推理决策模块；
评估预测模块接收运行状态监测模块传送的电气设备当前运行状态，判断电气设备健康状态，对电气设备进行健康状态评估，在预设时间内对电气设备的健康状态进行预测，并将健康状态评估和故障预测的结果传送给推理决策模块；
推理决策模块接收运行状态监测模块的运行状态信息、评估预测模块的健康状态评估和故障预测结果，对电气设备未来的任务计划进行安排，并通过决策后的实施效果不断完善决策依据；
通信接口是***与外部设备的通讯方式，支持多种通讯方式，推理决策模块通过通信接口实现人机交互。
在以上技术方案的基础上，优选的，数据采集模块包括：检测电气设备特征参数的传感器、A/D转换器和单片机；
传感器包括：电流传感器、电压传感器、转速传感器、温湿度传感器和振动传感器；
电流传感器、电压传感器、转速传感器、温湿度传感器和振动传感器均与A/D转换器电性连接，A/D转换器与单片机电性连接，单片机和数据处理模块连接。
在以上技术方案的基础上，优选的，评估预测模块包括数学模型单元；
数学模型单元接收运行状态监测模块传来的电气设备当前的运行状态信息，做参数辨识和统计处理，输出电气设备的健康评估和故障预测的初步处理信息给推理决策模块。
更进一步优选的，评估预测模块还包括：自主学习单元；
自主学习单元输入运行状态监测模块传来的电气设备当前的运行状态信息，归纳多组案例中故障发生前出现的异常数据，总结故障发生时，异常数据的出现规律，根据异常数据和故障之间的关系，形成映射关系，根据映射关系，判断电气设备的健康状态和是否会出现故障，输出健康状态评估和故障预测结果给推理决策模块。
更进一步优选的，评估预测模块还包括神经网络单元；
神经网络单元接收运行状态监测模块传来的电气设备当前的运行状态信息，利用知识库和推理库对运行状态信息进行分析，输出电气设备的健康评估和故障预测的三次处理信息给推理决策模块；
神经网络单元包括相互连接的知识库和推理库；
知识库接收运行状态监测模块传来的电气设备当前的运行状态信息，存储电气设备历史健康数据、当前运行状态及维修历史，分析电气设备历史健康数据、当前运行状态及维修历史，建立推理规则；
推理库根据推理规则推理出电气设备的健康状态和故障预测结果。
本发明的相对于现有技术具有以下有益效果：
(1)通过数据拟合方式，建立映射关系，输入的运行参数，根据映射关系，分析出最终结果，并根据最终结果不断地对数据拟合方式进行校正，不断的更新数据拟合方式，分析的最终结果是健康评估和故障预测的二次评估预测结果；
(2)通过在电气设备中安装各种传感器及通过通讯获取内部数据，进行实时监测、定期巡检等方法采集数据；
(3)本发明不仅建立了数据模型和神经网络，还通过数据拟合方式进行自主学习，通过其中的映射关系，对电气设备进行健康状态评估和故障预测，本发明包括三种评估预测的方式，结合三种评估预测方式对进行电气设备的健康状态评估和故障预测。
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为本发明一种电气设备健康管理方法的流程图；
图2为本发明一种电气设备健康管理***的结构图；
图3为本发明一种电气设备健康管理方法中具体实施例的方法流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
一方面，如图1所示，结合图3，本发明的一种电气设备健康管理方法，其包括以下步骤：
S101、通过数据总线从安装在电气设备的传感器上在线采集电气设备的运行参数或通过电气设备管理人员的定期巡检获取运行参数，剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理；
S102、建立电气设备物理或数学模型，根据处理后的运行参数，获取正常状态下输出的理论期望值，与实际的输出值进行比较，通过参数辨识和统计，进行电气设备的健康评估和故障预测的初步评估预测；
S103、归纳多组案例中故障发生前出现的异常数据，总结故障发生时，异常数据的出现规律，根据异常数据出现的规律和故障之间的关系，通过数据拟合方式，形成映射关系，输入处理后的运行参数，进行数据分析，通过映射关系，获得分析的最终结果，根据最终结果不断地对数据拟合方式进行校正，不断的更新数据拟合方式，分析的最终结果是健康评估和故障预测的二次评估预测结果；
S104、结合神经网络，将电气设备运行参数及对应的健康状态作为样本输入神经网络，训练后得到知识库及相应的推理库，然后将电气设备实时参数输入神经网络，利用知识库和推理库进行分析，得到健康评估和故障预测结果；
S105、根据健康评估和故障预测结果，对电气设备的任务计划进行安排。
另一方面，如图2所示，本发明还提供了一种电气设备健康管理***，其包括数据采集模块、数据处理模块和通信接口，还包括运行状态监测模块、评估预测模块和推理决策模块。
数据采集模块，采集电气设备的运行参数，并将采集的运行参数传送给数据处理模块。数据采集模块包括：检测电气设备特征参数的电流传感器、电压传感器、转速传感器、温湿度传感器、振动传感器、A/D转换器和单片机；电流传感器、电压传感器、转速传感器、温湿度传感器和振动传感器均与A/D转换器电性连接，A/D转换器与单片机电性连接，单片机和数据处理模块连接。
数据处理模块，接收数据采集模块传送的运行参数，剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理，获取初步处理数据，将处理后的运行参数传给运行状态监测模块。
运行状态监测模块，接收数据采集模块处理后的运行参数，设定参数阈值或期望值，将特征参数与期望值或参数阈值进行比较，评估电气设备当前的运行状态，并将电气设备的当前运行状态传送给评估预测模块和推理决策模块。
评估预测模块，接收运行状态监测模块传送的电气设备当前运行状态，判断电气设备健康状态，对电气设备进行健康状态评估，在预设时间内对电气设备的健康状态进行预测，并将健康状态评估和故障预测的结果传送给推理决策模块。评估预测模块包括：数学模型单元、自主学习单元和神经网络单元。
其中，数学模型单元，接收运行状态监测模块传来的电气设备当前的运行状态信息，做参数辨识和统计处理，输出电气设备的健康评估和故障预测的初步处理信息给推理决策模块。
自主学习单元，输入运行状态监测模块传来的电气设备当前的运行状态信息，归纳多组案例中故障发生前出现的异常数据，总结故障发生时，异常数据的出现规律，根据异常数据和故障之间的关系，形成映射关系，根据映射关系，判断电气设备的健康状态和是否会出现故障，输出健康状态评估和故障预测结果给推理决策模块。
神经网络单元，接收运行状态监测模块传来的电气设备当前的运行状态信息，利用知识库和推理库对运行状态信息进行分析，输出电气设备的健康评估和故障预测的三次处理信息给推理决策模块；神经网络单元包括相互连接的知识库和推理库；知识库接收运行状态监测模块传来的电气设备当前的运行状态信息，存储电气设备历史健康数据、当前运行状态及维修历史，分析电气设备历史健康数据、当前运行状态及维修历史，建立推理规则；推理库根据推理规则推理出电气设备的健康状态和故障预测结果。
推理决策模块，接收运行状态监测模块的运行状态信息、评估预测模块的健康状态评估和故障预测结果，对电气设备未来的任务计划进行安排，并通过决策后的实施效果不断完善决策依据。
通信接口，是***与外部设备的通讯方式，支持多种通讯方式，推理决策模块通过通信接口实现人机交互。
本发明一种电气设备健康管理***的信号流程是：电流传感器、电压传感器、转速传感器、温湿度传感器和振动传感器采集电气设备上的运行参数，将采集结果发送给A/D转换器进行模数转换，A/D转换器将转换后的运行参数发送给单片机，单片机将运行参数发送给数据处理模块，数据处理模块剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理，将初步处理的运行参数发送运行状态监测模块检测电气设备的运行状态，并将检测的结果分别发送给评估预测模块的数学模型单元、自主学习单元和神经网络单元的知识库，数据模型单元和自主学习单元根据运行状态和运行参数对电气设备进行健康状态评估和故障预测，神经网络单元的知识库存储电气设备历史健康数据、当前运行状态及维修历史，分析电气设备历史健康数据、当前运行状态及维修历史，建立推理规则；推理库根据推理规则推理出预设时间内的电气设备的健康状态和故障预测结果，数学模型单元、自主学习单元和神经网络单元的推理库将健康状态评估和故障预测的结果发送给推理决策单元进行预设时间的任务计划进行安排，其中，预设时间为电气设备当前运行状态到故障发生前的时间。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种电气设备健康管理方法，其包括以下步骤：
S101、获取电气设备的运行参数，剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理；
S102、建立电气设备物理或数学模型，根据处理后的运行参数，获取正常状态下输出的理论期望值，与实际的输出值进行比较，通过参数辨识和统计，进行电气设备的健康评估和故障预测的初步评估预测；
S103、归纳电气设备发生故障时的运行参数，通过数据拟合方式，建立映射关系，输入处理后的运行参数，进行数据分析，通过映射关系，获得分析的最终结果，根据最终结果不断地对数据拟合方式进行校正，不断的更新数据拟合方式，分析的最终结果是健康评估和故障预测的二次评估预测结果；
S104、结合神经网络，将电气设备运行参数及对应的健康状态作为样本输入神经网络，训练后得到知识库及相应的推理库，然后将电气设备实时参数输入神经网络，利用知识库和推理库进行分析，得到健康评估和故障预测结果；
S105、根据健康评估和故障预测结果，对电气设备的任务计划进行安排；
所述S103中，建立映射关系的方法为：归纳多组案例中故障发生前出现的异常数据，总结故障发生时，异常数据的出现规律，根据异常数据出现的规律和故障之间的关系，形成映射关系。
2.如权利要求1所述的一种电气设备健康管理方法，其特征在于：所述S101中获取电气设备的运行参数的方法包括：通过数据总线从安装在电气设备的传感器上在线采集电气设备的运行参数或通过电气设备管理人员的定期巡检获取运行参数。
3.一种电气设备健康管理***，其包括数据采集模块、数据处理模块和通信接口，其特征在于：还包括运行状态监测模块、评估预测模块和推理决策模块；
所述数据采集模块采集电气设备的运行参数，并将采集的运行参数传送给数据处理模块；
所述数据处理模块接收数据采集模块传送的运行参数，剔除运行参数中的错误数据和不良数据，对运行参数进行滤波、数理统计和特征参数提取处理，获取初步处理数据，将处理后的运行参数传给运行状态监测模块；
所述运行状态监测模块接收数据处理模块处理后的运行参数，设定参数阈值或期望值，将特征参数与期望值或参数阈值进行比较，评估电气设备当前的运行状态，并将电气设备的当前运行状态传送给评估预测模块和推理决策模块；
所述评估预测模块接收运行状态监测模块传送的电气设备当前运行状态，判断电气设备健康状态，对电气设备进行健康状态评估，在预设时间内对电气设备的健康状态进行预测，并将健康状态评估和故障预测的结果传送给推理决策模块；
所述推理决策模块接收运行状态监测模块的运行状态信息、评估预测模块的健康状态评估和故障预测结果，对电气设备未来的任务计划进行安排，并通过决策后的实施效果不断完善决策依据；
所述通信接口是***与外部设备的通讯方式，支持多种通讯方式，推理决策模块通过通信接口实现人机交互；
所述评估预测模块包括数学模型单元；
所述数学模型单元接收运行状态监测模块传来的电气设备当前的运行状态信息，做参数辨识和统计处理，输出电气设备的健康评估和故障预测的初步处理信息给推理决策模块；
所述评估预测模块还包括：自主学习单元；
所述自主学习单元输入运行状态监测模块传来的电气设备当前的运行状态信息，归纳多组案例中故障发生前出现的异常数据，总结故障发生时，异常数据的出现规律，根据异常数据和故障之间的关系，形成映射关系，根据映射关系，判断电气设备的健康状态和是否会出现故障，输出健康状态评估和故障预测结果给推理决策模块。
4.如权利要求3所述的一种电气设备健康管理***，其特征在于：所述数据采集模块包括：检测电气设备特征参数的传感器、A/D转换器和单片机；
所述传感器包括：电流传感器、电压传感器、转速传感器、温湿度传感器和振动传感器；
所述电流传感器、电压传感器、转速传感器、温湿度传感器和振动传感器均与A/D转换器电性连接，A/D转换器与单片机电性连接，单片机和数据处理模块连接。
5.如权利要求3所述的一种电气设备健康管理***，其特征在于：所述评估预测模块还包括神经网络单元；
所述神经网络单元接收运行状态监测模块传来的电气设备当前的运行状态信息，利用知识库和推理库对运行状态信息进行分析，输出电气设备的健康评估和故障预测的三次处理信息给推理决策模块；
所述神经网络单元包括相互连接的知识库和推理库；
所述知识库接收运行状态监测模块传来的电气设备当前的运行状态信息，存储电气设备历史健康数据、当前运行状态及维修历史，分析电气设备历史健康数据、当前运行状态及维修历史，建立推理规则；
所述推理库根据推理规则推理出电气设备的健康状态和故障预测结果。
CN201810909793.7A 2018-08-10 2018-08-10 一种电气设备健康管理***和方法 Active CN109102189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810909793.7A CN109102189B (zh) 2018-08-10 2018-08-10 一种电气设备健康管理***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810909793.7A CN109102189B (zh) 2018-08-10 2018-08-10 一种电气设备健康管理***和方法

Publications (2)

Publication Number Publication Date
CN109102189A CN109102189A (zh) 2018-12-28
CN109102189B true CN109102189B (zh) 2022-02-11

Family

ID=64849330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810909793.7A Active CN109102189B (zh) 2018-08-10 2018-08-10 一种电气设备健康管理***和方法

Country Status (1)

Country Link
CN (1) CN109102189B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111427937A (zh) * 2019-01-09 2020-07-17 江苏新道格自控科技有限公司 旋转机械在线健康管理与技术状态评估***
US11348813B2 (en) * 2019-01-31 2022-05-31 Applied Materials, Inc. Correcting component failures in ion implant semiconductor manufacturing tool
CN109947088B (zh) * 2019-04-17 2020-09-08 北京天泽智云科技有限公司 基于模型全生命周期管理的设备故障预警***
CN110163385B (zh) * 2019-05-13 2023-02-07 上海交通大学 机场多平台多设备复杂***健康管理方法
CN112303810A (zh) * 2019-08-01 2021-02-02 山东朗进科技股份有限公司 一种基于机器学习的空调健康预测方法
CN110623679A (zh) * 2019-09-20 2019-12-31 四川九八村信息科技有限公司 一种单采血浆机设备故障预测***及方法
CN111178554B (zh) * 2019-12-19 2023-08-11 北京无线电测量研究所 一种设备健康管理方法、***及雷达
CN113158705A (zh) * 2020-01-07 2021-07-23 株洲中车时代电气股份有限公司 风机故障预测与健康管理装置和方法
CN111367909A (zh) * 2020-02-27 2020-07-03 通鼎互联信息股份有限公司 一种智能制造设备的健康管理方法及***
CN113673713A (zh) * 2020-04-30 2021-11-19 ***际物业管理顾问有限公司 长期建筑修缮费用管理***
CN111507490B (zh) * 2020-05-09 2024-02-20 武汉数字化设计与制造创新中心有限公司 基于多源数据驱动的数控机床主轴预测性维护方法及***
CN111769556B (zh) * 2020-07-09 2021-08-27 石家庄科林云能信息科技有限公司 一种低压配电***的健康评估方法
CN112570912B (zh) * 2021-01-15 2023-05-12 广东恒悦精密电器股份有限公司 一种减少工作人员眼部疲劳且避免锥度的激光钻孔机
CN113823396A (zh) * 2021-09-16 2021-12-21 武汉联影医疗科技有限公司 医疗设备管理方法、装置、计算机设备和存储介质
CN114137915A (zh) * 2021-11-18 2022-03-04 成都航天科工大数据研究院有限公司 一种工业设备的故障诊断方法
EP4187550A1 (en) * 2021-11-30 2023-05-31 Koninklijke Philips N.V. Post-service state validator for medical devices
WO2023099234A1 (en) * 2021-11-30 2023-06-08 Koninklijke Philips N.V. Post-service state validator for medical devices
CN117092980B (zh) * 2023-08-05 2024-02-06 淮阴师范学院 一种基于大数据的电气故障检测控制***
CN117370848B (zh) * 2023-12-08 2024-04-02 深圳市明心数智科技有限公司 设备故障预测方法、装置、计算机设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110167024A1 (en) * 2010-01-05 2011-07-07 American Gnc Corporation Embedded health monitoring system based upon Optimized Neuro Genetic Fast Estimator (ONGFE)
US20150160098A1 (en) * 2013-11-01 2015-06-11 Hitachi Power Solutions Co., Ltd. Health management system, fault diagnosis system, health management method, and fault diagnosis method
CN105138755A (zh) * 2015-08-14 2015-12-09 北京航天试验技术研究所 一种液体火箭发动机试验台故障响应生成器的设计方法
CN105447250A (zh) * 2015-11-25 2016-03-30 中国船舶工业***工程研究院 一种机电设备健康表征参数确定方法
CN105809255A (zh) * 2016-03-07 2016-07-27 大唐淮南洛河发电厂 一种基于物联网的火电厂旋转机械健康管理方法及***
CN106203642A (zh) * 2016-07-18 2016-12-07 王力 一种电力机车故障预测及健康管理的方法
CN106789243A (zh) * 2016-12-22 2017-05-31 烟台东方纵横科技股份有限公司 一种具有智能故障分析功能的it运维***
CN107767056A (zh) * 2017-10-25 2018-03-06 上海电气上重碾磨特装设备有限公司 一种用于电站磨煤机的状态监控与健康管理***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110167024A1 (en) * 2010-01-05 2011-07-07 American Gnc Corporation Embedded health monitoring system based upon Optimized Neuro Genetic Fast Estimator (ONGFE)
US20150160098A1 (en) * 2013-11-01 2015-06-11 Hitachi Power Solutions Co., Ltd. Health management system, fault diagnosis system, health management method, and fault diagnosis method
CN105138755A (zh) * 2015-08-14 2015-12-09 北京航天试验技术研究所 一种液体火箭发动机试验台故障响应生成器的设计方法
CN105447250A (zh) * 2015-11-25 2016-03-30 中国船舶工业***工程研究院 一种机电设备健康表征参数确定方法
CN105809255A (zh) * 2016-03-07 2016-07-27 大唐淮南洛河发电厂 一种基于物联网的火电厂旋转机械健康管理方法及***
CN106203642A (zh) * 2016-07-18 2016-12-07 王力 一种电力机车故障预测及健康管理的方法
CN106789243A (zh) * 2016-12-22 2017-05-31 烟台东方纵横科技股份有限公司 一种具有智能故障分析功能的it运维***
CN107767056A (zh) * 2017-10-25 2018-03-06 上海电气上重碾磨特装设备有限公司 一种用于电站磨煤机的状态监控与健康管理***

Also Published As

Publication number Publication date
CN109102189A (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
CN109102189B (zh) 一种电气设备健康管理***和方法
CN110647133B (zh) 轨道交通设备状态检测维护方法及***
CN113077172A (zh) 一种设备状态趋势分析及故障诊断方法
CN102510125B (zh) 电力一次设备运行工况监测方法及装置
CN103824130A (zh) 一种基于svm的粮情预测预警方法及***
CN104615122B (zh) 一种工控信号检测***及检测方法
CN114576152B (zh) 水泵状态监测***、监测方法、装置、电子设备和介质
CN111124852A (zh) 一种基于bmc健康管理模块的故障预测方法及***
CN111160652B (zh) 一种基于知识感知的设备异常状态综合判断及运维方法
CN109670584A (zh) 一种基于大数据的故障诊断方法及***
CN116224925B (zh) 一种智能加工管理***
CN103529343A (zh) 一种电器设备的智能诊断方法及***
CN115453254B (zh) 一种基于专变采集终端的电能质量监测方法及***
CN114002597A (zh) 基于gru网络定子电流分析的电机故障诊断方法与***
CN116308304A (zh) 基于元学习概念漂移检测的新能源智慧运维方法及***
CN114510979A (zh) 一种基于边缘计算的水下设备检查***及方法
CN116880402A (zh) 智慧工厂协同管控***及其方法
CN109523030B (zh) 一种基于机器学习的遥测参数异常监测***
CN112734977B (zh) 一种基于物联网的设备风险预警***及算法
CN117556359A (zh) 配电设备健康状态评估***及方法
CN116611953A (zh) 基于物联网的电能表生产制造实时数据管理方法和***
KR102411915B1 (ko) 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법
CN116363843A (zh) 试验室设备预警***
CN112710918B (zh) 基于边缘计算的无线数据采集方法及***
CN110874506A (zh) 一种低温设备故障预测的方法

Legal Events

Date Code Title Description
PB01 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