CN110703698A - 设备故障的检测方法 - Google Patents
设备故障的检测方法 Download PDFInfo
- Publication number
- CN110703698A CN110703698A CN201810749610.XA CN201810749610A CN110703698A CN 110703698 A CN110703698 A CN 110703698A CN 201810749610 A CN201810749610 A CN 201810749610A CN 110703698 A CN110703698 A CN 110703698A
- Authority
- CN
- China
- Prior art keywords
- equipment
- wireless
- fault
- sensor network
- nodes
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims description 60
- 230000005540 biological transmission Effects 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 12
- 230000006854 communication Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种设备故障的检测方法,在分布式无线传感网中针对无线传感器网络节点本身能够进行信息交流的先天优势,将相邻节点之间的信息进行交互,在给定区域内的一组分布式无线传感器收集数据,通过从邻居节点的感知节点的数据推理出邻居设备和该设备的使用情况,增加了检测隐性故障的概率,大大减少重大事故发生的概率。当无线感知节点检测到当地异常数据时,利用无线异常数据控制中心触发所有设备自查命令;同时在无线传感网正常检测过程中,即使未感知到参数异常控制中心随机命令和定时命令所有传感节点上传数据,增加无线传感网检测的有效性和可靠性。
Description
技术领域
本发明涉及一种基于分布式无线传感网对工业流程设备链中的设备故障进行检测方法。
背景技术
工业流程作为制造业的重要组成,其工业流程设备链中的设备具有空间分散、结构复杂、自动化程度高的特点。不同于离散型制造业,其产品由多个零件经过不连续的工序组装而成,单个设备的故障不会影响整个制造过程;工业流程变化机理由物料平衡和能量平衡进行驱动,其对整条线上的工业流程设备链平稳运行具有较高要求,一旦某个设备出现故障都会造成整个流程作业的停止。因此,需要对工业流程设备运行状态进行实时检测,并能够有效对运行过程中潜在的故障进行分析和识别。
目前大多数工业流程作业工厂已经采用各种类型传感器,采集运行参数通过专用有线电缆传输到控制中心,但是由于工业流程作业环境可能造成布线安装困难,更有部分潮湿和酸碱度高的区域容易使得电缆腐蚀,从而影响对整个工业流程设备检测的有效性;而手工巡检仪采用点对点的检测方法,能够对工业流程设备进行参数采集、数据传输、故障报警等,但是存在检测点不够全面的缺点。无线传感器网络是一种分布式传感技术,它的末梢是可以感知和检查外部世界的传感器。无线传感器网络通过无线方式通信,因此网络设置灵活,设备位置可以随时更改,还可以跟互联网进行有线或无线方式的连接,通过无线通信方式形成一个多跳自组织网络。无线传感器网络已经越来越广泛的用于工业流程设备链的检测。目前无线传感器网络用于设备检测,大多采用单个传感节点感知参数并上传到数据处理单元的工作模式,由数据处理单元进行数据判断,当设备存在隐性故障时单个传感节点感知参数仍显示正常,无法通过故障预测来降低设备出现故障的概率,所以等到单个传感节点感知参数显示设备故障时,往往已经发生了重大事故。
发明内容
本发明的目的是克服现有技术中的不足之处,提供一种基于分布式无线传感网对工业流程设备链中的设备故障的检测方法。
实现本发明目的的基本技术方案是:一种设备故障的检测方法,工业流程设备链的各设备因工艺本身或者空间布局需求而分散分布及原料和介质流连续的特性,建立包含无线感知节点和汇聚节点在内的兼具参数感知与通信功能的无线节点自组织构建工厂内分布式无线传感网,基于该分布式无线传感网对工业流程设备链中的设备故障的检测方法包括以下步骤:
步骤一:工业流程设备无线传感检测参数中存在频率差异的两类信号,对其中的高频信号进行压缩以节省传输能量,同时对高频与低频信号进行准时间同步,将检测参数变换到同一时间尺度处理;相邻工作流程的设备在空间上的排列呈现非连续性布置,无线节点由于传输路径差异造成同一物理量具有不同的背景噪声;
步骤二具体为:(1)工业流程工艺连续设备参数具有强相关性,经无线传感网传输信号具有传感噪声和环境噪声,采用灰色关联分析法对邻居节点采集的无线关联信号进行特征提取;
(2)分析无线感知节点采集的设备运行参数和物料参数,与预先存储的正常运行参数值进行比较来判断相关设备的运行状况,形成工业设备运行自维护健康表;根据无线链路通信特点构建数据融合树,计算感知节点与汇聚节点距离确定融合节点的加权深度;当无线感知节点检测到当地异常数据时,利用无线异常数据控制中心触发所有设备自查命令;在无线传感网正常检测过程中,即使未感知到参数异常,控制中心随机命令和定时命令所有传感节点上传数据;
(3)汇集邻域内无线节点采集的故障信息,检测到故障时基于无线传感网汇聚节点间通信能力,对无线节点的感知参数进行自查,判断为重大故障类型时需要对整个工业流程设备进行故障检测;
步骤三:采用分布式无线传感网构建地方专家库,对子检测区域所有故障进行分析并向上汇聚形成中心专家库,并对专家库故障链进行自学习维护。
以上述基本技术方案为基础的技术方案是:所述步骤三具体为:(1)建立数据上传-数据判断-数据存储-数据下传的数据链路,分布式无线传感网检测工业流程设备链故障时,感知节点记录自身的故障情况并保存在汇聚节点,由感知节点获得参数向汇聚节点传输,在汇聚节点对参数进行分析判断,形成邻域内分布式无线传感网的地方专家库;
(2)汇聚节点的故障类型传输并保存在控制中心,在控制中心形成该工业流程设备链的中心专家库;建立地方专家库到中心专家库层次化结构,形成先访问地方专家库后中心专家库的机制;
(3)专家库中记录的故障有对应故障类型说明和处理措施,形成基于地方专家库同类故障链和中心专家库异构故障链相结合的模式,故障类型的增加对专家库故障链进行自学习维护,实现分布式无线传感网对工业流程设备链的有效检测。
本发明具有积极的效果:(1)本发明的基于分布式无线传感网对工业流程设备链的设备故障的检测方法,在设备作业空间部署无线节点构建分布式无线传感器网络,解决了分布范围广、数量众多流程设备有线检测过程中面临的线缆布设复杂、成本高、可维护性差等问题,采用无线传感网检测空间杂散分布设备的运行参数和物料参数,通过设计的无线路由汇聚参数到汇聚节点。由于无线传感节点之间能够进行参数的传递,对汇聚邻域内的相邻节点采集的参数进行分析,通过相邻节点采集的相关无线信号推理判断该设备和邻居设备的运行状态,同时建立先地方专家库再中心专家库分级的故障访问机制。本发明分布式无线传感网下工业流程设备链检测,利用无线传感网感知和通信能力,突破有线部署时传感器受到设备结构及网络维护困难的限制。工业流程设备出现故障时,邻居节点感知的数据具有较大相关性,其相邻设备的感知数据里面包含着该设备的隐藏故障信息。针对无线传感器网络节点本身能够进行信息交流的先天优势,将相邻节点之间的信息进行交互,在给定区域内的一组分布式无线传感器收集数据,通过从邻居节点的感知节点的数据推理出邻居设备和该设备的使用情况,增加了检测隐性故障的概率,大大减少重大事故发生的概率。当无线感知节点检测到当地异常数据时,利用无线异常数据控制中心触发所有设备自查命令;同时在无线传感网正常检测过程中,即使未感知到参数异常控制中心随机命令和定时命令所有传感节点上传数据,增加无线传感网检测的有效性和可靠性。
(2)在工业流程设备作业区域优化部署无线传感网,使得无线信号能够在可视环境进行传输,利用数量众多的无线节点对工业流程设备进行综合检测,同时信号传输过程中受到工业设备强背景噪声、振动和粉尘等干扰,需要对无线关联信号进行特征提取、分析及处理,从而能够为基于无线传感网的故障检测提供数据支撑,保障工业流程设备的健康运行。
(3)因为普通无线节点是由电池供电的,在数据通信和传输过程中存在能量损耗,数据传输量越大和传输距离越远,无线节点消耗的能量越大。因此,本发明中当无线感知节点所感知到的参数在正常范围内,则无线感知节点无需向上发送数据从而节省节点的能量;当感知到节点参数异常时,则触发节点发送数据,从而延长无线节点的工作时间。
(4)由于传感器尤其是无线节点进行参数感知和传输,采用完全信任传感器机制易造成误判,本发明通过对工业流程设备链上整个过程参数进行分析,结合邻居设备的数据佐证来共同判断设备A运行状况,保障了整个工业流程设备链的正常稳定运行。即在工业流程工艺作业设备A,B和C均有感知节点进行实时检测,设备A感知节点由于传感器自身或者环境噪声因素使得设备A在存在故障时误报设备A为健康,但是设备A的不稳定运行会影响设备B和设备C的物料检测参数,由设备B和设备C报告异常状况并通知包含设备A、设备B和设备C在内的所有设备进行自查。通过对工业流程设备链上整个过程参数进行分析,结合邻居设备的数据佐证来共同判断设备A运行状况,保障了整个工业流程设备链的正常稳定运行。
附图说明
图1为本发明的设备故障的检测图;
图2为分布式传感网检测工业流程设备的流程图;
图3为工业流程设备链地方-中心专家库构建图。
具体实施方式
(实施例1)下面结合附图对本发明的实施例作详细说明
见图1至图3,根据工业流程设备链的各设备因工艺本身或者空间布局需求而分散分布及原料和介质流连续的特性,建立包含无线感知节点和汇聚节点在内的兼具参数感知与通信功能(数据传输)的无线节点自组织构建工厂内分布式无线传感网,基于该分布式无线传感网对工业流程设备链中的设备故障的检测方法包括以下步骤:
步骤一:利用分布式无线传感网对频率差异而时空关联的工业设备运行和物料参数进行感知,同时基于网络生存和参数传输均衡构建无线路由传输机制;具体过程如下:
(1)在工业流程设备运动区域安装无线感知节点和汇聚节点,同时建立感知节点和汇聚节点的独立路由机制;各无线感知节点得到的数据通过汇聚节点进行传输;对设备流和介质流参数感知,减少参数路由路径同时延长无线网络检测时间,在三维区域通过优化部署使无线信号传输至可视环境,无线信号通过多跳路由传输;
(2)工业流程设备无线传感检测参数存在频率差异的两类信号,需要对其中的高频信号进行压缩以节省传输能量,同时对高频与低频信号进行准时间同步,将检测参数变换到同一时间尺度处理。
步骤二:无线节点三维空间感知参数存在各向异性,基于邻居节点关联信息进行分析并提取特征信息,对工业流程连续设备的故障进行可信判别与评估;具体过程如下:
(1)因工业流程设备运行工艺需求,导致相邻工业流程的设备在空间上的排列往往会呈现出非连续性的布置;由于工业流程设备存在噪声、振动、粉尘等干扰,使得感知节点采集的设备参数和物料参数存在环境噪声,无线感知节点由于传输路径差异造成同一物理量具有不同的背景噪声,导致无线数据得到的感知参数幅值不一样;工业流程连续设备参数具有强相关性,经无线传感网传输信号具有传感噪声和环境噪声,采用灰色关联分析法对邻居节点采集的无线关联信号进行特征提取;
(2)在节点寄存器中存储设备和物料的变化阈值,分析无线感知节点采集的设备运行参数和物料参数,利用相邻节点采集的参数包含着一致的感知信息,与预先存储的正常运行参数值进行比较来判断相关设备的运行状况,形成工业设备运行自维护健康表;当前无线感知节点采集的数据与自维护健康表进行比对,当无线感知节点所感知到的参数在正常范围内,则无线感知节点无需向上发送数据从而节省节点的能量;当感知到节点数据幅值超过其阈值时,则触发节点发送数据,上传该数据到汇聚节点;根据无线链路通信特点构建数据融合树,计算感知节点与汇聚节点距离确定融合节点的加权深度,对感知数据进行处理;当无线感知节点检测到当地异常数据时,利用无线异常数据控制中心触发所有设备自查命令;同时在无线传感网正常检测过程中,即使未感知到参数异常,控制中心随机命令和定时命令所有传感节点上传数据,增加无线传感网检测的有效性和可靠性,有效避免因传感测量误差而引起的流程设备链运行隐晦。在工业流程工艺作业设备A,B和C均有感知节点进行实时检测,设备A感知节点由于传感器自身或者环境噪声因素使得设备A在存在故障时误报设备A为健康,但是设备A的不稳定运行会影响设备B和设备C的物料检测参数,由设备B和设备C报告异常状况并通知包含设备A、设备B和设备C在内的所有设备进行自查。通过对工业流程设备链上整个过程参数进行分析,结合邻居设备的数据佐证来共同判断设备A运行状况,保障了整个工业流程设备链的正常稳定运行;
(3)当感知节点出现能量较低或传感器故障时,通过剩余感知节点继续工作;而当汇聚节点出现故障时,选择其他感知节点为汇聚节点传送数据;
(4)汇集邻域内无线节点采集的故障信息,当检测到故障时基于无线传感网汇聚节点间通信能力,对其邻域内无线节点的感知参数进行自查,判断为重大故障类型时需要对整个工业流程设备进行故障检测。
步骤三:采用分布式无线传感网构建地方专家库,对子检测区域所有故障进行分析并向上汇聚形成中心专家库,并对专家库故障链进行自学习维护。当感知节点检测到设备故障时,首先在地方专家库寻找解决方案,而无需向上访问控制中心的中心专家库;当出现复杂故障类型地方专家库无法解决时,再寻求中心专家库的协助从而避免频繁访问中心专家库引起的低效。具体过程如下:
(1)建立数据上传-数据判断-数据存储-数据下传的数据链路,分布式无线传感网检测工业流程设备链故障时,感知节点记录自身的故障情况,包括故障类型、直接因素、间接因素以及其他影响,其他感知节点的故障传输并保存在汇聚节点,由感知节点获得参数向汇聚节点传输,在汇聚节点形成该邻域内的地方专家库;同时在汇聚节点对参数进行分析判断,形成邻域内分布式无线传感网的地方专家库,保持故障类型局部整体性,避免专家库在感知节点所引起的局限性,形成一个该区域感知节点与汇聚节点的横向故障链;
(2)所有汇聚节点将其保存的故障类型传输并保存在控制中心,在控制中心形成该工业流程设备链的中心专家库,使得所有设备的故障在控制中心均能找到相应对策,使中心专家库数据具有完整性,从而形成一个包含所有故障类型的纵向故障链;进而形成地方专家库到中心专家库层次化结构,采取先访问地方专家库后中心专家库的机制;采用地方-中心专家库层次化的结构,使得每级专家库均有处理和解决问题的能力,在提高故障排查效率的同时解决了无线传感器网络节点能量有效的限制;
(3)当一个故障在专家库已经有过记录就不需要再进行建立,相应故障的处理办法在专家库都有说明和对应的处理措施,如果判断为一个新的故障类型,需要写入专家库中,随着地方专家库和中心专家库处理故障类型的增多,始终对故障链进行自学习更新,形成基于地方专家库同类故障链和中心专家库异构故障链相结合的模式;从而实现分布式无线传感网对工业流程设备链的有效检测。
以上实施例仅供说明本发明之用,而非对本发明的限制,本发明的保护范围不限于上述的实施例,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可以作出各种变换和变化,具体应用过程中还可以根据上述实施例的启发进行相应的改造,因此所有等同的技术方案均应该归入本发明的专利保护范围之内。
Claims (2)
1.一种设备故障的检测方法,其特征在于:工业流程设备链的各设备因工艺本身或者空间布局需求而分散分布及原料和介质流连续的特性,建立包含无线感知节点和汇聚节点在内的兼具参数感知与通信功能的无线节点自组织构建工厂内分布式无线传感网,基于该分布式无线传感网对工业流程设备链中的设备故障的检测方法包括以下步骤:
步骤一:工业流程设备无线传感检测参数中存在频率差异的两类信号,对其中的高频信号进行压缩以节省传输能量,同时对高频与低频信号进行准时间同步,将检测参数变换到同一时间尺度处理;相邻工作流程的设备在空间上的排列呈现非连续性布置,无线节点由于传输路径差异造成同一物理量具有不同的背景噪声;
步骤二具体为:
(1)工业流程工艺连续设备参数具有强相关性,经无线传感网传输信号具有传感噪声和环境噪声,采用灰色关联分析法对邻居节点采集的无线关联信号进行特征提取;
(2)分析无线感知节点采集的设备运行参数和物料参数,与预先存储的正常运行参数值进行比较来判断相关设备的运行状况,形成工业设备运行自维护健康表;根据无线链路通信特点构建数据融合树,计算感知节点与汇聚节点距离确定融合节点的加权深度;当无线感知节点检测到当地异常数据时,利用无线异常数据控制中心触发所有设备自查命令;在无线传感网正常检测过程中,即使未感知到参数异常,控制中心随机命令和定时命令所有传感节点上传数据;
(3)汇集邻域内无线节点采集的故障信息,检测到故障时基于无线传感网汇聚节点间通信能力,对无线节点的感知参数进行自查,判断为重大故障类型时需要对整个工业流程设备进行故障检测;
步骤三:采用分布式无线传感网构建地方专家库,对子检测区域所有故障进行分析并向上汇聚形成中心专家库,并对专家库故障链进行自学习维护。
2.根据权利要求1所述的设备故障的检测方法,其特征在于:所述步骤三具体为:
(1)建立数据上传-数据判断-数据存储-数据下传的数据链路,分布式无线传感网检测工业流程设备链故障时,感知节点记录自身的故障情况并保存在汇聚节点,由感知节点获得参数向汇聚节点传输,在汇聚节点对参数进行分析判断,形成邻域内分布式无线传感网的地方专家库;
(2)汇聚节点的故障类型传输并保存在控制中心,在控制中心形成该工业流程设备链的中心专家库;建立地方专家库到中心专家库层次化结构,形成先访问地方专家库后中心专家库的机制;
(3)专家库中记录的故障有对应故障类型说明和处理措施,形成基于地方专家库同类故障链和中心专家库异构故障链相结合的模式,故障类型的增加对专家库故障链进行自学习维护,实现分布式无线传感网对工业流程设备链的有效检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810749610.XA CN110703698A (zh) | 2018-07-10 | 2018-07-10 | 设备故障的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810749610.XA CN110703698A (zh) | 2018-07-10 | 2018-07-10 | 设备故障的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110703698A true CN110703698A (zh) | 2020-01-17 |
Family
ID=69192853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810749610.XA Withdrawn CN110703698A (zh) | 2018-07-10 | 2018-07-10 | 设备故障的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703698A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111289160A (zh) * | 2020-02-13 | 2020-06-16 | 中国特种设备检测研究院 | 一种大型游乐设施的应力状态监测***与方法 |
CN112995940A (zh) * | 2021-03-02 | 2021-06-18 | 常州信息职业技术学院 | 一种局域无线关联数据感知的工业设备群异常监测方法 |
CN113691403A (zh) * | 2021-08-23 | 2021-11-23 | 北京百度网讯科技有限公司 | 拓扑节点配置方法、相关装置及计算机程序产品 |
CN114745465A (zh) * | 2022-03-24 | 2022-07-12 | 马斌斌 | 智能手机交互式噪声自先验感知分析*** |
-
2018
- 2018-07-10 CN CN201810749610.XA patent/CN110703698A/zh not_active Withdrawn
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111289160A (zh) * | 2020-02-13 | 2020-06-16 | 中国特种设备检测研究院 | 一种大型游乐设施的应力状态监测***与方法 |
CN111289160B (zh) * | 2020-02-13 | 2022-01-04 | 中国特种设备检测研究院 | 一种大型游乐设施的应力状态监测***与方法 |
CN112995940A (zh) * | 2021-03-02 | 2021-06-18 | 常州信息职业技术学院 | 一种局域无线关联数据感知的工业设备群异常监测方法 |
CN112995940B (zh) * | 2021-03-02 | 2022-11-01 | 常州信息职业技术学院 | 一种局域无线关联数据感知的工业设备群异常监测方法 |
CN113691403A (zh) * | 2021-08-23 | 2021-11-23 | 北京百度网讯科技有限公司 | 拓扑节点配置方法、相关装置及计算机程序产品 |
CN113691403B (zh) * | 2021-08-23 | 2023-05-12 | 北京百度网讯科技有限公司 | 拓扑节点配置方法、相关装置及计算机程序产品 |
CN114745465A (zh) * | 2022-03-24 | 2022-07-12 | 马斌斌 | 智能手机交互式噪声自先验感知分析*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108900997B (zh) | 一种分布式无线传感网用于工业流程设备链检测方法 | |
CN110703698A (zh) | 设备故障的检测方法 | |
US12014300B2 (en) | Apparatus and method for establishing maintenance routes within a process control system | |
US8112381B2 (en) | Multivariate analysis of wireless sensor network data for machine condition monitoring | |
CN111736566A (zh) | 一种基于机器学习与边缘计算的远程设备健康预测方法 | |
AU2011247439B2 (en) | Device and method for transmitting measurement signals in spatially extensive supply networks | |
WO2021100054A1 (en) | Method and device for monitoring the critical parameters of oil pipeline | |
TWI415034B (zh) | Environmental monitoring methods and devices designed for the use of data fusion algorithms for cloud computing | |
CN111223284B (zh) | 基于无线数据跳传的站台门智能感知与评价***及方法 | |
CN101109953A (zh) | 适用于城市长隧道的分布式柔性控制方法 | |
KR102352606B1 (ko) | 설비상태의 모니터링 시스템 | |
CN115224794A (zh) | 一种基于物联网技术的配电网监测方法 | |
Yu et al. | A self detection technique in fault management in WSN | |
CN117082105A (zh) | 一种绿色智慧医院设施监控***及方法 | |
CA2806854A1 (en) | Flat-hierarchy system for condition-based monitoring of distributed equipment | |
KR20190056683A (ko) | 클라우드 기반의 선박의 구역별 감지 및 네트워크 시스템 | |
CN105955354A (zh) | 基于无线组网技术的机房自动化监测*** | |
CN112770284A (zh) | 一种蓝牙Mesh网络节点状态监测装置、方法及*** | |
Vaqur et al. | A review of fault detection and diagnosis protocols for WSNs | |
JP2015211317A (ja) | 無線センサネットワーク障害の原因特定方法、原因特定装置及び原因特定プログラム | |
CN103903396B (zh) | 一种用于泥石流短临预警***的网络架构模式 | |
JP6427319B2 (ja) | 防災システム、受信機、及び感知器 | |
Saida et al. | LORA Based Forest Fire Monitoring System | |
Kumar et al. | An Effective Gas and Oil Leakage Detection System over Industrial Environment using Internet of Things Assistance | |
CN206946687U (zh) | 一种将振动加速度、温度数据存储并发送的中转装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200117 |