CN111178554B - 一种设备健康管理方法、***及雷达 - Google Patents
一种设备健康管理方法、***及雷达 Download PDFInfo
- Publication number
- CN111178554B CN111178554B CN201911320291.1A CN201911320291A CN111178554B CN 111178554 B CN111178554 B CN 111178554B CN 201911320291 A CN201911320291 A CN 201911320291A CN 111178554 B CN111178554 B CN 111178554B
- Authority
- CN
- China
- Prior art keywords
- equipment
- state
- component
- temperature
- score
- 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
- 230000036541 health Effects 0.000 title claims abstract description 50
- 238000007726 management method Methods 0.000 title claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 41
- 230000003862 health status Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 25
- 230000001419 dependent effect Effects 0.000 description 23
- 239000000284 extract Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种设备健康管理方法、***及雷达,首先根据设备的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定设备的剩余寿命,便于维护人员实时了解设备的健康状况,也就是说,本申请通过建立预输出模式集合和实际输出状态之间相互关联的模型,实现对设备进行合理地健康管理。
Description
技术领域
本发明涉及设备管理领域,尤其涉及一种设备健康管理方法、***及雷达。
背景技术
为适应雷达装备的综合保障需求,改变传统定期事后维修保障方式的缺陷,提高装备保障的质量和效率,美国于20世纪末提出了一种先进的测试、维修和管理技术,即故障预测与健康状态管理(Prognostics and Health Management,PHM),利用监测***实时采集到的各种信息,通过智能算法对整个装备当前的状态进行评估,就像对人体进行体检一样,通过对各种指标的监测,可以有效地对雷达***故障进行预测。其中,健康管理是一种全面的故障检测、隔离和预测及状态管理控制技术,可有效提高雷达工作的任务可靠性,但在目前的研究中,关于健康管理的技术架构比较多,而关于模型算法的研究比较少,一些设备如雷达的健康状态和故障信息庞大而杂乱,有些信息可能难以量化,有些信息可能是无用数据,正是由于没有合理的健康管理模型,导致对雷达***进行健康管理的合理性较低。
因此,如何提出一种模型来对设备进行合理地健康管理是业内亟待解决的技术问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供了一种设备健康管理方法、***及雷达。
本发明的一种设备健康管理方法、***及雷达的技术方案如下:
S1、获取设备的各故障模式,建立所述设备的各组件与各相应的故障模式之间的映射关系,根据各所述映射关系,确定所述设备的不同的预输出模式,记为预输出模式集合;
S2、获取所述设备的实际输出状态,并根据所述预输出模式集合,得到所述实际输出状态对应的映射关系,记为实际对应关系,根据所述实际对应关系确定相应的故障模式和故障组件,或,根据所述实际输出状态确定所述设备的剩余寿命。
本发明的一种设备健康管理方法的有益效果如下:
首先根据设备的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定设备的剩余寿命,便于维护人员实时了解设备的健康状况,也就是说,本申请通过建立预输出模式集合和实际输出状态之间相互关联的模型,提取设备全寿命周期中的有用信息,为设备的服役状态进行评估预测并提供维修保障决策,为设备的可靠性奠定基础,即实现对设备进行合理地健康管理。
本发明的一种设备健康管理***的技术方案如下:
包括预建立模块和预测模块;
所述预建立模块获取设备的各故障模式,建立所述设备的各组件与各相应的故障模式之间的映射关系,根据各所述映射关系,确定所述设备的不同的预输出模式,记为预输出模式集合;
所述预测模块获取所述设备的实际输出状态,并根据所述预输出模式集合,得到所述实际输出状态对应的映射关系,记为实际对应关系,根据所述实际对应关系确定相应的故障模式和故障组件,或,根据所述实际输出状态确定所述设备的剩余寿命。
本发明的一种设备健康管理***的有益效果如下:
首先预建立模块建立所述设备的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定设备的剩余寿命,便于维护人员实时了解设备的健康状况,也就是说,本申请通过建立预输出模式集合和实际输出状态之间相互关联的模型,提取设备全寿命周期中的有用信息,为设备的服役状态进行评估预测并提供维修保障决策,为设备的可靠性奠定基础,即实现对设备进行合理地健康管理。
本发明的一种雷达的技术方案是:包括控制芯片,控制芯片用于执行上述任一项所述的一种设备健康管理方法。
本发明的一种雷达的有益效果是:控制芯片首先得到雷达的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定雷达的剩余寿命,便于维护人员实时了解设备的健康状况。
附图说明
图1为本发明实施例的一种设备健康管理方法的流程示意图;
图2为分***的影响等级框架示意图;
图3为拟合方程的拟合曲线;
图4为本发明实施例的一种设备健康管理***的结构示意图;
具体实施方式
如图1所示,本发明实施例的一种设备健康管理方法,包括如下步骤:
S1、获取设备的各故障模式,建立所述设备的各组件与各相应的故障模式之间的映射关系,根据各所述映射关系,确定所述设备的不同的预输出模式,记为预输出模式集合;
S2、获取所述设备的实际输出状态,并根据所述预输出模式集合,得到所述实际输出状态对应的映射关系,记为实际对应关系,根据所述实际对应关系确定相应的故障模式和故障组件,或,根据所述实际输出状态确定所述设备的剩余寿命。
首先根据设备的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定设备的剩余寿命,便于维护人员实时了解设备的健康状况,也就是说,本申请通过建立预输出模式集合和实际输出状态之间相互关联的模型,提取设备全寿命周期中的有用信息,为设备的服役状态进行评估预测并提供维修保障决策,为设备的可靠性奠定基础,即实现对设备进行合理地健康管理。
较优地,在上述技术方案中,建立所述映射关系具体包括如下步骤:
获取所述设备的第i组件的温度和状态,用第一公式表示第i组件bi与相应的故障模式之间的对应关系,所述第一公式为:
其中,xi,1表示第i组件的温度,xi,2表示第i组件的状态,xi,1和xi,2的取值为0或1,(0,0)表示第i组件为正常状态,(1,0)表示第i组件的温度超标,(0,1)表示第i组件为故障状态,(1,1)表示第i组件为故障状态且温度超标,i为正整数;
S11、建立第二公式:将所述第一公式带入所述第二公式得到:
其中,bi表示第i组件的输出值,(xi,1,xi,2)与bi之间的关系即第i组件与相应的故障模式之间的映射关系;
S12、重复执行S10至S11,确定所述设备的各组件与各相应的故障模式之间的映射关系。通过数学建模建立设备的各组件与各相应的故障模式之间的映射关系。
其中,以雷达某分***为例,进行详细阐述:该分***包括29个组件,其输出值分别标记为b1,b2,...bi,...b29,依据已建立的雷达某分***测试性模型可以输出该分***的D矩阵,利用以测试性建模即多信号流模型为基础的通用故障诊断推理机,最终形成的诊断定位输出为64种故障模式,将64种故障模式表示为:a={a1,a2,...ak...,a64},其中,ak=0或ak=1,ak表示第k故障模式,在这64种故障模式中,可设置a11、a13、a17、a19、a22、a24、a27、a29、a32、a33、a34、a35、a37、a40、a42、a47、a51、a53、a56、a59、a61共计21种故障模式为温度,详细地:
其余的43中故障模式为状态,详细地:
由此得到第一公式:
然后将第一公式带入所述第二公式得到,
第二公式的具体含义为:当bi=1时,表示第i组件正常,当bi=2时,表示第i组件的温度超标,当第i组件bi=5时,表示第i组件发生故障。
另外还可用判别量Δ=xi1 or xi2+xi2,则(0,0)对应于Δ=0,(1,0)对应于Δ=1,(0,1)和(1,1)都对应于Δ=2,此时:
进而给出各组件的输出值,具体为:
首先得到各组件与各故障模式之间的对应关系,详细地:第一组件为第一功分器,其输入取决于a1且为状态,此时x1,1=0,x1,2=a1,因此,其对应关系为
第二组件为电源模块,其输入取决于a2、a4且均为状态,此时x2,1=0,x2,2=max{a2,a4},则其对应关系为
第三组件为第二功分器,其输入取决于a3且为状态,此时x3,1=0,x3,2=a3则其对应关系为
第四组件为第一功放电源模块,输入取决于a5且为状态,此时x4,1=0,x4,2=a5,则其对应关系为
第五组件为第二功放电源模块,输入取决于a6且为状态,此时x5,1=0,x5,2=a6,则其对应关系为
第六组件为基准频率组件,输入取决于a7、a8、a9、a10、a11,其中a7、a8、a9、a10为状态,a11为温度,此时x6,1=a11,x6,2=max{a7,a8,a9,a10},则其对应关系为:
第七组件为细步进组件,它的输入取决于a12、a13,其中a12为状态,a13为温度,此时x7,1=a13,x7,2=a12,则其对应关系为:
第八组件为细步进频扩组件,它的输入取决于a14、a15、a16、a17,其中a14、a15、a16为状态,a17为温度,此时x8,1=a17,x8,2=max{a14,a15,a16},则其对应关系为:
第九组件为第一控制组件,它的输入取决于a18、a19,其中a18为状态,a19为温度,此时x9,1=a19,x9,2=a18,则其对应关系为:
第十组件为频扩组件,它的输入取决于a20、a21、a22,其中a20、a21为状态,a22为温度,此时x10,1=a22,x10,2=max{a20,a21},则其对应关系为:
第十一组件为频率合成组件,它的输入取决于a23、a24,其中a23为状态,a24为温度,此时x11,1=a24,x11,2=a23,则其对应关系为:
第十二组件为频扩标频组件,它的输入取决于a25、a26、a27,其中a25、a26为状态,a27为温度,此时x1=a27,x2=max{a25,a26},则其对应关系为:
第十三组件为宽带频扩组件,它的输入取决于a28、a29,其中a28为状态,a29为温度,此时x13,1=a29,x13,2=a28,则其对应关系为:
第十四组件为宽带波形组件,它的输入取决于a30、a31、a32,其中a30、a31为状态,a32为温度,此时x14,1=a32,x14,2=max{a30,a31},则其对应关系为:
第十五组件为收发校正组件,它的输入取决于a33且为温度,此时x15,1=a33,x15,2=0,则其对应关系为:
第十六组件为第一数传组件,它的输入取决于a34且为温度,此时x16,1=a34,x16,2=0,则其对应关系为:
第十七组件为第二数传组件,它的输入取决于a35且为温度,此时x17,1=a35,x17,2=0,则其对应关系为:
第十八组件为第二控制组件,它的输入取决于a36、a37,其中a36为状态,a37为温度,此时x18,1=a37,x18,2=a36,则其对应关系为:
第十九组件为第二宽带波形组件,它的输入取决于a38、a39、a40,其中a38、a39为状态,a40为温度,此时x19,1=a40,x19,2=max{a38,a39},则其对应关系为:
第二十组件为第二宽带频扩组件,它的输入取决于a41、a42,其中a41为状态,a42为温度,此时x20,1=a42,x20,2=a41,则其对应关系为:
第二十一组件为第二基准频率组件,它的输入取决于a43、a44、a45、a46、a47,其中a43、a44、a45、a46为状态,a47为温度,此时x21,1=a47,x21,2=max{a43,a44,a45,a46},则其对应关系为:
第二十二组件为第二细步进频扩组件,它的输入取决于a48、a49、a50、a51,其中a48、a49、a50为状态,a51为温度,此时x22,1=a51,x22,2=max{a48,a49,a50},则其对应关系为:
第二十三组件为第二细步进组件,它的输入取决于a52、a53,其中a52为状态,a53为温度,此时x23,1=a53,x23,2=a52,则其对应关系为:
第二十四组件为第二频扩组件,它的输入取决于a54、a55、a56,其中a54、a55为状态,a56为温度,此时x24,1=a56,x24,2=max{a54,a55},则其对应关系为:
第二十五组件为第二频扩标频组件,它的输入取决于a57、a58、a59,其中a57、a58为状态,a59为温度,此时x25,1=a59,x25,2=max{a57,a58},则其对应关系为:
第二十六组件为第二频率合成组件,它的输入取决于a60、a61,其中a60为状态,a61为温度,此时x26,1=a61,x26,2=a60,则其对应关系为:
第二十七组件为时钟放大组件,它的输入取决于a62且为状态,此时x27,1=0,x27,2=a62,,则其对应关系为:
第二十八组件为二本振放大组件,它的输入取决于a63且为状态,此时x28,1=0,x28,2=a63,则其对应关系为:
第二十九组件为一本振放大组件,它的输入取决于a64且为状态,此时x29,1=0,x29,2=a64,则其对应关系为:
将各对应关系分别带入第二公式:
得到:
若用b1、b3表示两个功分器的输出值,由于功分器不构成任何组合,且假设梳理该分***的组合结构方式,分别形成三个组合,其中第一组合为{b2,b6,b7,b8,b9,b10,b11,b12,b13,b14,b15,b16},合计由12个组件构成,其中bi=1,2,5,设置相对应的判别量Δ1=max{b2,b6,b7,b8,b9,b10,b11,b12,b13,b14,b15,b16},则第一组合的输出为:
其中,第二组合为{b17,b18,b19,b20,b21,b22,b23,b24,b25,b26},合计由10个组件构成,其中bi=1,2,5,设置相对应的判别量Δ2=max{b17,b18,b19,b20,b21,b22,b23,b24,b25,b26},则第二组合的输出为:
其中,第三组合为{b4,b5,b27,b28,b29},合计由5个组件构成,其中,bi=1,5,设置相对应的判别量Δ3=max{b4,b5,b27,b28,b29},则第三组合的输出为:
按照该分***的各组件与相应的各故障模式可将该分***分为4部分,分别为完好集合、两个功能集合和不影响性能集合,其中,完好集合用A1表示,两个功能集合分别用A2和A3表示,不影响性能集合用A4表示,如图2所示,A1、A2、A3和A4形成该分***的影响等级框架,其各集合的输出值为1、2和5,在此,将A1、A2、A3和A4的输出值分别标记为A1、A2、A3和A4;标记为Ae=1,2,5,其中,1≤e≤4;预设该影响等级框架输出1、2、3、4、5,分别代表该***的状态为:健康、预警、注意、恶化和停机,即确定分***的不同的预输出模式为健康、预警、注意、恶化和停机,分别用1、2、3、4、5表示,其中,健康可用绿色提示,预警可用黄色提示,注意可用桔色提示,恶化可用粉色,停机可用红色提示;
根据图2可知,该分***的输出共有34=81种情形,具体为:
1)如果A1=5,则该***的输出值为5,共有33=27种情形;
2)如果A1=1或A1=2时,继续判断A2和A3,详细地:
2.1)如果A2+A3=10,则该***的输出值为5,共有2×3=6种情形;
2.2)如果A2+A3=6或A2+A3=7,则该分***的输出值为4,共有2×4×3=24种情形;
2.3)如果A2+A3≤4,继续判断A4,详细地:
2.3.1)如果A2+A3=3或A2+A3=4、或时,若A4=1或A4=2,则该分***的输出值为2,共有7×2=14种情形;若A4=5,则该分***的输出值为3,共有7种情形;
2.3.2)如果那么,当A4=1时,则该分***的输出值为1,共1种情形;当A4=2时,则该分***的输出值为2,共有1种情形;当A4=5时,则该分***的输出值为3,共有1种情形;
统计以上各种情形,该分***输出值为5时,共有27+6=33种情形;该分***输出值为4时,共有24种情形;该分***输出值为3时,共有7+1=8种情形;该分***输出值为2时,共有14+1=15种情形;该分***输出值为1共有1种情形,合计为81种情形;
若分***实际实际输出值为5时,即得到该分***的实际输出状态,此时有A1=5或者也就是从预输出模式集合中得到实际输出状态对应的映射关系,即实际对应关系,然后找到发生故障的组件,并进一步找到相应的故障模式。
若分***实际实际输出值为4时,此时有或者/>或者/>或者/>也就是从预输出模式集合中得到实际输出状态对应的映射关系,即实际对应关系,然后找到发生故障的组件,并进一步找到相应的故障模式。
较优地,在上述技术方案中,获取所述设备的健康状态评分,所述健康状态评分包括设备的服役时间评分、保障能力评分和性能状态评分;
其中,所述服役时间评分其中,X表示全寿命周期,x1表示已服役时间,α表示所述服役系数,Y1表示所述服役时间评分的满分值;/>
所述保障能力评分其中,Y2表示所述保障能力评分的满分值,M表示备件种类,Lj表示第j种备件的数量,Nj表示第j种备件的消耗数量,且0≤Nj≤Lj,M、Lj、Nj和j均为整数;
获取所述设备的功率值,并根据温度的不同,分段得到所述性能状态评分。在获取设备的实际输出状态后,使维护人员可通过健康状态评分来进一步了解在该实际输出状态的实际情况。
其中,由于传统的设备的健康状态的实际输出状态只有正常状态和故障状态两种方式,且分别用绿色和红色向维护人员进行提示,但正常状态和故障状态的程度却难以量化,由此,引入设备的健康状态评分,具体包括设备的服役时间评分、保障能力评分和性能状态评分,设备的服役时间评分按照其全寿命周期内的服役开机时间进行折算,可设置服役时间评分的满分值为50分即Y1=50,也可设置Y1=70或Y1=100等,且服役时间评分的满分值Y1可根据实际情况进行设置,设备服役多开机1小时,则其全寿命周期X减少1小时,并依此类推,在一些设备中,例如雷达,在其服役时,要考虑雷达的服役地点然后对其全寿命周期X进行加权,根据GJB4384-2002具体如下:
1)长江以北环境条件较好的地区,服役系数α为1.5;
2)长江以南内地和长江以北沿海(距海岸线20公里的带状区域)及海岛地区,服役系数α为1.35;
3)长江以南沿海地区,以及内陆环境条件恶劣的高山、沙漠地区,服役系数α为1.2;
4)热带海岛地区,服役系数α为1。
雷达的全寿命周期X可按照不同服役系数α进行折算。
例如,当设置服役时间评分的满分值为50分即Y1=50、全寿命周期X为40000小时、已服役时间x1,则设备的服役时间评分为:
其中,保障能力评分按照设备的备件的剩余个数进行评定,主要评定备件的满足概率,可用百分比进行显示,保障能力评分的满分值Y2可为50、100等,可根据实际情况进行确定,同时在考虑满足概率的同时,还可考虑设备的加电时间、备件的故障发生概率和备件的周转时间等因素。
其中,获取设备的性能状态评分具体为:
假设对某设备的已有数据进行统计,其功率值的变化范围为950~1250mW,功率衰减量的取值为0~10dB,温度的变化范围为-40℃~70℃,那么:当功率值超出1250mW时,则将性能状态评分设置为0,设置每个温度下的功率值的起始位置所对应的性能状态,为性能状态评分的满分值,标记为Y3,即Y3表示性能状态评分的满分值,其中,Y3=100,也可设置Y3=70或Y3=50等,也可根据实际情况进行设置,在此以Y3=100继续进行阐述,若将不同的温度进行分段,例如,若温度-40≤T≤25时,设置功率值的起始数据P0=-0.2308T+996.7692,若温度25≤T≤70时,设置功率值的起始数据P0=0.8667T+969.3333,那么:
1)当温度-40≤T≤25时,若设备的功率值p不在[996.7692-0.2308T,1250]的区间范围内时,则可设置此时性能状态评分为0;若设备的功率值p在[996.7692-0.2308T,1250]的区间范围内,则性能状态评分
2)当温度25≤T≤70时,若设备的功率值p不在[969.3333+0.8667T,1250]区间范围内时,则可设置此时性能状态评分为0,若设备的功率值p在在[969.3333+0.8667T,1250]区间范围内,则性能状态评分
沿用上述实例进行进一步阐述,当该分***输出值为1,2,3时,可按照上述内容,并带入实际的温度和功率值,进一步给出该分***的健康状态评分,例如,假如***输出值为3时,相应的健康状态评分中的性能状态评分为40分至60分之间,此时可精确计算出其性能状态评分,假如计算出的性能状态评分为42分,则维护人员可准备相应备件进行维修和更换,若计算出的性能状态评分为60分,则维护人员可不必急于进行维修。
较优地,在上述技术方案中,根据所述实际输出状态确定所述设备的剩余寿命具体包括如下步骤:
S20、基于插值理论的动态预测模型,补充所述设备在不同温度下的功率值,根据预设的截止输出功率得到相对应的最终工作温度极值;
S21、将实际温度与所述最终工作温度极值分别带入温度随时间的拟合方程:t=0.0299T2-2.2420T+33.1209,分别得到t1和t2,所述剩余寿命为t2-t1,其中T表示温度值。
基于插值理论的动态预测模型和拟合方程可精确预测出设备的剩余寿命,其中,拟合方程的拟合曲线如图3所示。
继续用上述实例进行阐述,当分***的输出值为2时,计算出健康状态评分后,还可以进一步预测其剩余寿命,基于插值理论的动态预测模型主要根据统计计算的插值信息,补充不同温度下的功率值,通过功率值的变化找出所对应的最终工作温度极值,截止输出功率为1250mW,且25≤T≤70,当实际功率值超过1250mW发生故障,具体地:
首先,将实际温度标记为T1,则t1=0.0299T1 2-2.2420T1+33.1209,其中T1≥37.4916;
然后,最终工作温度极值标记为T2,其中,根据拟合方程计算出t2=0.0299T2 2-2.2420T2+33.1209;
最后,根据t=t2-t1得到剩余寿命t。
其中,插值理论的动态预测模型可以理解为:如下表1所示:
表1:
表1中T1至T12表示温度,T1温度下功率值的最小值为969.3333+0.8667T1,功率值的最大值为1250mW,即表1中的P1T1=969.3333+0.8667T1,P12T1=1250mW,此时,T1温度下对应的时间为t1=0.0299T12-2.2420T1+33.1209,当温度达到323.8337℃时,设备将失效,即T12=323.8337℃,而P12T1=1250mW,现在假设T1温度下实际采集到的功率值P,且功率值P介于[969.3333+0.8667T,1250]之间,不妨设衰减量为5dB时,P6T1=P,则P6T7=1250mW,找到设备失效时所对应的温度为T7,再由T7得到设备将停止工作的时刻t2=0.0299T72-2.2420T7+33.1209,最后由t2-t1即可计算出设备的剩余寿命。
沿用上述例子进行进一步阐述:获取该分***的功率值P和实际温度才能实际求出性能状态评分,下面以设备的功率值P和实际温度进行阐述:
当实际温度为20℃时,功率值的变化范围为[1001.4,1250],如果设备的功率值P=994mW时,则性能状态评分y3=0,如果设备的功率值P=1179mW时,得到性能状态评分y3=28.5582。
若温度实际温度为+50℃时,则此时考虑的功率值范围为[1012.7,1250],如果给定的数值x=1003,那么容易给出分数为0;如果设备的功率值P=1003mW时,则性能状态评分y3=0,如果设备的功率值P=1179mW时,得到性能状态评分y3=29.9159。
也可根据上述内容预测该分***的剩余寿命。例如考虑温度T=+50℃时,如果功率值x=1179,计算出的性能状态评分29.9159分;进一步计算出剩余寿命为261.9311秒。
如图4所示,本发明实施例的一种设备健康管理***200,包括预建立模块210和预测模块220;所述预建立模块210获取设备的各故障模式,建立所述设备的各组件与各相应的故障模式之间的映射关系,根据各所述映射关系,确定所述设备的不同的预输出模式,记为预输出模式集合;所述预测模块220获取所述设备的实际输出状态,并根据所述预输出模式集合,得到所述实际输出状态对应的映射关系,记为实际对应关系,根据所述实际对应关系确定相应的故障模式和故障组件,或,根据所述实际输出状态确定所述设备的剩余寿命。
首先预建立模块210建立所述设备的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定设备的剩余寿命,便于维护人员实时了解设备的健康状况,也就是说,本申请通过建立预输出模式集合和实际输出状态之间相互关联的模型,提取设备全寿命周期中的有用信息,为设备的服役状态进行评估预测并提供维修保障决策,为设备的可靠性奠定基础,即实现对设备进行合理地健康管理。
较优地,在上述技术方案中,还包括:所述预建立模块210获取所述设备的第i组件的温度和状态,用第一公式表示第i组件bi与相应的故障模式之间的对应关系,所述第一公式为:
其中,xi,1表示第i组件的温度,xi,2表示第i组件的状态,xi,1和xi,2的取值为0或1,(0,0)表示第i组件为正常状态,(1,0)表示第i组件的温度超标,(0,1)表示第i组件为故障状态,(1,1)表示第i组件为故障状态且温度超标,i为正整数;
建立第二公式:将所述第一公式带入所述第二公式得到:
其中,bi表示第i组件的输出值,(xi,1,xi,2)与bi之间的关系即第i组件与相应的故障模式之间的映射关系;
以此类推,所述预建立模块210确定所述设备的各组件与各相应的故障模式之间的映射关系。通过数学建模建立设备的各组件与各相应的故障模式之间的映射关系。
较优地,在上述计算方案中,还包括评分模块,所述评分模块获取所述设备的健康状态评分,所述健康状态评分包括设备的服役时间评分、保障能力评分和性能状态评分;
其中,所述服役时间评分其中,X表示需服役时间,x1表示已服役时间,α表示所述服役系数,Y1表示所述服役时间评分的满分值;
所述保障能力评分其中,Y2表示所述保障能力评分的满分值,M表示备件种类,Lj表示第j种备件的数量,Nj表示第j种备件的消耗数量,且0≤Nj≤Lj,M、Lj、Nj和j均为整数;
获取所述设备的功率值,并根据温度的不同,分段得到所述性能状态评分。
在获取设备的实际输出状态后,使维护人员可通过健康状态评分来进一步了解在该实际输出状态的实际情况。
较优地,在上述技术方案中,还包括:所述预测模块220基于插值理论的动态预测模型,补充所述设备在不同温度下的功率值,根据预设的截止输出功率得到相对应的最终工作温度极值,并将实际温度与所述最终工作温度极值分别带入温度随时间的拟合方程:t=0.0299T2-2.2420T+33.1209,分别得到t1和t2,所述剩余寿命为t2-t1,其中T表示温度值。基于插值理论的动态预测模型和拟合方程可精确预测出设备的剩余寿命。
上述关于本发明的一种设备健康管理***200中的各参数和各个单元模块实现相应功能的步骤,可参考上文中关于一种设备健康管理方法的实施例中的各参数和步骤,在此不做赘述。
本发明的一种雷达,包括控制芯片,控制芯片用于执行上述任一项所述的一种设备健康管理方法。
控制芯片首先得到雷达的各组件与各相应的故障模式之间的映射关系,确定出预输出模式集合,然后通过获取设备的实际输出状态,与预输出模式集合中的预输出模式进行对比后,获得实际对应关系,一方面,根据实际对应关系可对相应的故障模式和故障组件进行精确的判断,便于维护人员进行维修;另一方面,根据实际输出状态可确定雷达的剩余寿命,便于维护人员实施了解设备的健康状况。
在本发明中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种设备健康管理方法,其特征在于,包括如下步骤:
S1、获取设备的各故障模式,建立所述设备的各组件与各相应的故障模式之间的映射关系,根据各所述映射关系,确定所述设备的不同的预输出模式,记为预输出模式集合;
S2、获取所述设备的实际输出状态,并根据所述预输出模式集合,得到所述实际输出状态对应的映射关系,记为实际对应关系,根据所述实际对应关系确定相应的故障模式和故障组件,或,根据所述实际输出状态确定所述设备的剩余寿命;
建立所述映射关系具体包括如下步骤:
S10、获取所述设备的第i组件的温度和状态,用第一公式表示第i组件bi与相应的故障模式之间的对应关系,所述第一公式为:
其中,xi,1表示第i组件的温度,xi,2表示第i组件的状态,xi,1和xi,2的取值为0或1,(0,0)表示第i组件为正常状态,(1,0)表示第i组件的温度超标,(0,1)表示第i组件为故障状态,(1,1)表示第i组件为故障状态且温度超标,i为正整数;
S11、建立第二公式:将所述第一公式带入所述第二公式得到:
其中,bi表示第i组件的输出值,(xi,1,xi,2)与bi之间的关系即第i组件与相应的故障模式之间的映射关系;
S12、重复执行S10至S11,确定所述设备的各组件与各相应的故障模式之间的映射关系;
还包括:获取所述设备的健康状态评分,所述健康状态评分包括设备的服役时间评分、保障能力评分和性能状态评分;
其中,所述服役时间评分其中,X表示全寿命周期,x1表示已服役时间,α表示所述服役系数,Y1表示所述服役时间评分的满分值;
所述保障能力评分其中,Y2表示所述保障能力评分的满分值,M表示备件种类,Lj表示第j种备件的数量,Nj表示第j种备件的消耗数量,且0≤Nj≤Lj,M、Lj、Nj和j均为整数;
获取所述设备的功率值,并根据温度的不同,分段得到所述性能状态评分。
2.根据权利要求1所述的一种设备健康管理方法,其特征在于,根据所述实际输出状态确定所述设备的剩余寿命具体包括如下步骤:
S20、基于插值理论的动态预测模型,补充所述设备在不同温度下的功率值,根据预设的截止输出功率得到相对应的最终工作温度极值;
S21、将实际温度与所述最终工作温度极值分别带入温度随时间的拟合方程:t=0.0299T2-2.2420T+33.1209,分别得到t1和t2,所述剩余寿命为t2-t1,其中T表示温度值,t1=0.0299T1 2-2.2420T1+33.1209,t2=0.0299T2 2-2.2420T2+33.1209,T1表示实际温度,T2表示最终工作温度极值。
3.一种设备健康管理***,其特征在于,包括预建立模块和预测模块;
所述预建立模块获取设备的各故障模式,建立所述设备的各组件与各相应的故障模式之间的映射关系,根据各所述映射关系,确定所述设备的不同的预输出模式,记为预输出模式集合;
所述预测模块获取所述设备的实际输出状态,并根据所述预输出模式集合,得到所述实际输出状态对应的映射关系,记为实际对应关系,根据所述实际对应关系确定相应的故障模式和故障组件,或,根据所述实际输出状态确定所述设备的剩余寿命;
还包括:所述预建立模块获取所述设备的第i组件的温度和状态,用第一公式表示第i组件bi与相应的故障模式之间的对应关系,所述第一公式为:
其中,xi,1表示第i组件的温度,xi,2表示第i组件的状态,xi,1和xi,2的取值为0或1,(0,0)表示第i组件为正常状态,(1,0)表示第i组件的温度超标,(0,1)表示第i组件为故障状态,(1,1)表示第i组件为故障状态且温度超标,i为正整数;
建立第二公式:将所述第一公式带入所述第二公式得到:
其中,bi表示第i组件的输出值,(xi,1,xi,2)与bi之间的关系即第i组件与相应的故障模式之间的映射关系;
以此类推,所述预建立模块确定所述设备的各组件与各相应的故障模式之间的映射关系;
还包括评分模块,所述评分模块获取所述设备的健康状态评分,所述健康状态评分包括设备的服役时间评分、保障能力评分和性能状态评分;
其中,所述服役时间评分其中,X表示全寿命周期,x1表示已服役时间,α表示所述服役系数,Y1表示所述服役时间评分的满分值;
所述保障能力评分其中,Y2表示所述保障能力评分的满分值,M表示备件种类,Lj表示第j种备件的数量,Nj表示第j种备件的消耗数量,且0≤Nj≤Lj,M、Lj、Nj和j均为整数;
获取所述设备的功率值,并根据温度的不同,分段得到所述性能状态评分。
4.根据权利要求3所述的一种设备健康管理***,其特征在于,还包括:所述预测模块基于插值理论的动态预测模型,补充所述设备在不同温度下的功率值,根据预设的截止输出功率得到相对应的最终工作温度极值,并将实际温度与所述最终工作温度极值分别带入温度随时间的拟合方程:t=0.0299T2-2.2420T+33.1209,分别得到t1和t2,所述剩余寿命为t2-t1,其中T表示温度值,t1=0.0299T1 2-2.2420T1+33.1209,t2=0.0299T2 2-2.2420T2+33.1209,T1表示实际温度,T2表示最终工作温度极值。
5.一种雷达,包括控制芯片,其特征在于,所述控制芯片用于执行权利要1或2所述一种设备健康管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320291.1A CN111178554B (zh) | 2019-12-19 | 2019-12-19 | 一种设备健康管理方法、***及雷达 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320291.1A CN111178554B (zh) | 2019-12-19 | 2019-12-19 | 一种设备健康管理方法、***及雷达 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178554A CN111178554A (zh) | 2020-05-19 |
CN111178554B true CN111178554B (zh) | 2023-08-11 |
Family
ID=70651999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911320291.1A Active CN111178554B (zh) | 2019-12-19 | 2019-12-19 | 一种设备健康管理方法、***及雷达 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178554B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528512A (zh) * | 2020-12-18 | 2021-03-19 | 北京无线电测量研究所 | 一种雷达装备通用的实时状态评估方法及*** |
CN113419226B (zh) * | 2021-08-24 | 2021-11-12 | 四川锦美环保股份有限公司 | 一种雷达故障检修*** |
CN114298643A (zh) * | 2021-12-30 | 2022-04-08 | 北京无线电测量研究所 | 一种雷达备件的管理方法和*** |
CN117332993B (zh) * | 2023-11-29 | 2024-03-22 | 深圳市北辰德科技股份有限公司 | 基于物联网的金融机具控制管理方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484723A (zh) * | 2014-12-25 | 2015-04-01 | 国家电网公司 | 一种基于寿命数据的电力变压器经济寿命预测方法 |
CN106932764A (zh) * | 2017-04-01 | 2017-07-07 | 中国电子科技集团公司第三十八研究所 | 雷达接收分***模块的指标测试与故障定位***及其方法 |
CN109102189A (zh) * | 2018-08-10 | 2018-12-28 | 杨璇 | 一种电气设备健康管理***和方法 |
CN109656818A (zh) * | 2018-12-05 | 2019-04-19 | 北京计算机技术及应用研究所 | 一种软件密集***故障预测方法 |
CN109934358A (zh) * | 2019-01-30 | 2019-06-25 | 中国人民解放军32181部队 | 装备故障预测和健康评估方法、***及终端设备 |
CN109987251A (zh) * | 2019-04-08 | 2019-07-09 | 中国航空综合技术研究所 | 基于应力等效方法的针对薄弱环节的等效寿命试验方法及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8290753B2 (en) * | 2006-01-24 | 2012-10-16 | Vextec Corporation | Materials-based failure analysis in design of electronic devices, and prediction of operating life |
WO2008036921A2 (en) * | 2006-09-21 | 2008-03-27 | Impact Technologies, Llc | Systems and methods for predicting failure of electronic systems and assessing level of degradation and remaining useful life |
-
2019
- 2019-12-19 CN CN201911320291.1A patent/CN111178554B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484723A (zh) * | 2014-12-25 | 2015-04-01 | 国家电网公司 | 一种基于寿命数据的电力变压器经济寿命预测方法 |
CN106932764A (zh) * | 2017-04-01 | 2017-07-07 | 中国电子科技集团公司第三十八研究所 | 雷达接收分***模块的指标测试与故障定位***及其方法 |
CN109102189A (zh) * | 2018-08-10 | 2018-12-28 | 杨璇 | 一种电气设备健康管理***和方法 |
CN109656818A (zh) * | 2018-12-05 | 2019-04-19 | 北京计算机技术及应用研究所 | 一种软件密集***故障预测方法 |
CN109934358A (zh) * | 2019-01-30 | 2019-06-25 | 中国人民解放军32181部队 | 装备故障预测和健康评估方法、***及终端设备 |
CN109987251A (zh) * | 2019-04-08 | 2019-07-09 | 中国航空综合技术研究所 | 基于应力等效方法的针对薄弱环节的等效寿命试验方法及设备 |
Non-Patent Citations (1)
Title |
---|
某战场侦察雷达电子机箱重要件寿命预测与可靠性分析;田丰;;装备环境工程(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111178554A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178554B (zh) | 一种设备健康管理方法、***及雷达 | |
CN104131950B (zh) | 一种风电机组温度特征量的阈值分区确定方法 | |
CN111913114A (zh) | 电池热失控检测方法、装置、存储介质及电子设备 | |
CN115378141B (zh) | 基于数据分析的电力电缆故障诊断预警***及方法 | |
CN103679282B (zh) | 风电功率爬坡的预测方法 | |
CN107730117B (zh) | 一种基于异质数据综合分析的电缆检修预警方法及*** | |
CN105160489A (zh) | 一种水电机组变权劣化评估***及评估方法 | |
CN105372591A (zh) | 一种基于暂态过程的水电机组健康状态量化评价方法 | |
CN104267343A (zh) | 断路器故障状态诊断方法和断路器故障状态诊断装置 | |
CN109870650A (zh) | 电池监控方法及*** | |
US20220302513A1 (en) | Cloud-Device Synergy-Based Battery Management System, Vehicle, and Battery Management Method | |
CN114801751A (zh) | 一种基于数据分析的汽车电池故障预测*** | |
CN110920400B (zh) | 纯电动汽车的电池***一致性故障诊断与整车处理方法 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及*** | |
CN115249972A (zh) | 一种大数据下的风电场风力发电机组性能评估***及方法 | |
CN105243478A (zh) | 一种基于浴盆失效曲线的水电机组劣化评估方法 | |
CN117080624B (zh) | 一种电池加热控制方法及*** | |
CN103093287A (zh) | 电网指标预测误差评估方法和*** | |
CN110568249A (zh) | 一种基于环流电流检测的并联电力变压器监测***及其监测方法 | |
CN103674566B (zh) | 基于最大峰值电流的汽车起动监测方法 | |
CN113485279B (zh) | 一种基于全视角人工智能的工厂设备启停节能管理*** | |
CN106650154B (zh) | 一种基于热力性能指标的核电常规岛设备可靠性监测方法 | |
CN111932493B (zh) | 一种配电网局部放电超声波检测方法及*** | |
CN110702972B (zh) | 一种模拟信号自适应采样方法及装置 | |
CN112525270A (zh) | 一种新型水表的数据采集方法以及数据采集*** |
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 |