CN111314463A - 一种基于泵站机组健康评估的方法 - Google Patents
一种基于泵站机组健康评估的方法 Download PDFInfo
- Publication number
- CN111314463A CN111314463A CN202010095787.XA CN202010095787A CN111314463A CN 111314463 A CN111314463 A CN 111314463A CN 202010095787 A CN202010095787 A CN 202010095787A CN 111314463 A CN111314463 A CN 111314463A
- Authority
- CN
- China
- Prior art keywords
- data
- lift
- runner
- pump station
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000003745 diagnosis Methods 0.000 claims abstract description 6
- 238000004171 remote diagnosis Methods 0.000 claims abstract description 4
- 238000007405 data analysis Methods 0.000 claims abstract description 3
- 238000013461 design Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000010349 pulsation Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种基于泵站机组健康评估的方法,首先根据泵站机组健康评估的需求,建立数据采集前端结合监测网络以及远程诊断的网络***整体架构,包括感知层、网络层和应用层,然后根据感知层的数据采集装置采集泵站机组的相应数据,通过网络层将采集数据发送到应用层的服务器,根据采集到的数据与预设的报警门限值进行比较后判断是否要进行数据分析及故障诊断,最后将诊断结果进行发布。本发明通过综合采集振动、摆度、环境温度等数据参数对泵站机组的监测结果进一步的分析,客观评估泵站机组的健康状况,以保证泵站机组的正常运行,最大限度的延长其使用寿命,从而降低成本。
Description
技术领域
本发明涉及智能运维技术领域,特别是涉及一种基于泵站机组健康评估的方法。
背景技术
传统的泵站维护人员通过“望、闻、摸、听”4种方法来对机组设备进行日常点检,由此看出传统的日常点检局限性很大,要是通常发现的设备故障已经到了最后无法挽回的地步了,这个时候可能只有经验丰富的维护人员才能做到,而且传统的检修方式也是定期才会进行检查更换和维修的,针对传统泵站机组管理存在的问题,泵站机组的全生命周期管理和健康评估定义如下:
全生命周期管理:机组设备从开始使用,到设备的老化磨损,甚至无法继续投入使用的整个过程,可以对设备在该整个过程中进行管理,做好设备生命周期的每个环节(如设备最初的设计缺陷管理、运输途中的磕碰等信息资料的管理、安装过程的数据管理、运行过程数据管理、设备的维修拆换管理),最大化的延长设备寿命,降低成本。
健康评估:通过实时监测泵站机组设备的运行状态,实时掌握设备的健康状况,从而当设备存在异常时,能够避免因设备故障造成重大事情发生,从而降低生产成本。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于泵站机组健康评估的方法,以保证泵站机组的正常运行,最大限度的延长其使用寿命,从而降低成本。
本发明解决上述问题所采用的技术方案为:一种基于泵站机组全生命周期管理的健康评估的方法,首先根据泵站机组全生命周期管理与健康评估的需求,建立数据采集前端结合监测网络以及远程诊断的网络***整体架构,包括感知层、网络层和应用层,然后根据感知层的数据采集装置采集泵站机组的相应数据,通过网络层将采集数据发送到应用层的服务器,根据采集到的数据与预设的报警门限值进行比较后判断是否要进行数据分析及故障诊断,最后将诊断结果进行发布。
优选地,应用层的服务器存储、分析、管理从各数据采集装置传送过来的实时数据、历史数据以及各种特征值数据,对数据进行分析及故障诊断,即进行健康评估,首先根据实际情况取评估因素,并且对各因素进行权重划分,根据各因素权重划分建立打分制度,并且根据评估计算规则进行打分,分值越高,设备健康状况越好,在机组每次结束运行后,***均根据运行情况,自动对其健康评价结果进行更。
优选地,所述评估计算规则包括:
1)无任何传感器的数值超过报警门限值
评分计算公式:F=PE-K-P-[(A转轮/A0)×10%+(Apj/A0)×10%+(Bpj/B0)×25%+(C定子/C0)×10%+(Cpj/C0)×20%+(Dpj/D0)×15%+(Epj/E0)×10%]×20-M/10-N-10×S-T/1000
2)当传感器数值超过报警值,但未达到事故停机值:
评分计算公式:F=PE1-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/1000
该情况下,得分低于M1分;
3)当传感器数值超过事故停机的值时:
评分计算公式:F=PE2-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/1000
该情况下,得分低于M2分;
其中:
A转轮:转轮室振动传感器读数;取本次运行过程中各测点的最大值的平均值;
A其他:其他部位振动传感器读数;
B:摆度传感器读数;
C定子:电机定子三相温度传感器读数;取本次运行过程中的最大值;
C其他:其他温度传感器读数;
D:压力脉动传感器读数;
E:噪音传感器读数;
An:编号为第n的振动传感器读数;
max[An]:编号为第n#的振动传感器在刚结束的本次运行过程中,采集到的最大的有效数值;
Apj:所有振动传感器的max[An]的算术平均值;
A0:振动报警门限值;
A1:振动事故停机门限值;
K:不同工况下,稳定运行的范围,即比较不同工况下,转轮室的平均振动幅值A大小是否接近;K=max{A转轮低扬程/A转轮中间扬程、A转轮低扬程/A转轮最大扬程、A转轮中间扬程/A转轮最大扬程、A转轮中间扬程/A转轮低扬程、A转轮最大扬程/A转轮最小扬程、A转轮最大扬程/A转轮中间扬程};最大、最小、中间扬程指本次运行期间的扬程;
P:设计工况下,即当测量扬程=设计扬程时,实测流量与设计流量的比值大小,P=100-100*Q实测/Q设计,若Q实测/Q设计小于1,则P为正值;若Q实测/Q设计大于1,则P为负值;如果本次运行没有到达设计扬程,则Q设计则取本次开机的所有机组中最大的流量;
M:最近一次大修距今的月数;
N:最近一次大修至今已发生的故障数量;
S:尚未解决的故障数量;
T:前一次大修至今的运行时长;
F:健康评估分值;
PE、PE1、PE2:各阶段分值上限。
优选地,服务器通过接收数据采集装置采集对应测点的数值,结合不同颜色之间变化来表达出该测点当前的报警状态:
当没有数据时候,数据显示区域的背景颜色为灰色;
当数据处于正常范围时候,该背景颜色会改变为绿色,即正常;
当振动数据的数值超过报警门限的时候,该背景颜色会改变为黄色,即高报;
当振动数据的数值超过危险门限的时候,该背景颜色会改变为红色,即高高报。
与现有技术相比,本发明的优点在于:
本发明通过依靠计算机监控***实现对泵站机组在线运行状况的监测,泵站机组设备的管理应该从设备的规划、采购开始,直到设备报废失去了使用价值的整个过程中对设备全面合理管理。另一方面,通过综合采集振动、摆度、环境温度等数据参数对泵站机组的监测结果进一步的分析,客观评估泵站机组的健康状况,以保证泵站机组的正常运行,最大限度的延长其使用寿命,从而降低成本。
附图说明
图1是本发明实施例中一种基于泵站机组健康评估网络***整体架构图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本实施例中的一种基于泵站机组健康评估的方法,主要包括以下内容:
一、搭建网络结构
针对泵站机组全生命周期管理与健康评估的需求,结合“互联网+”技术,提出数据采集前端结合监测网络以及远程诊断的网络***整体架构,整个***由感知层、网络层和应用层组成。其中,感知层实现对物理世界的智能感知、信息处理和自动控制,并通过通信模块将物理实体连接到网络层和应用层。网络层主要实现信息的传递、路由和控制,网络层可依托公众电信网和互联网。应用层包括应用基础设施、中间件和相应应用。泵站整体结构分为数据采集前端、远程诊断中心三个部分。主机组全生命周期监测管理与健康评估网络结构如图1所示。
1)泵站每台机组的数据采集装置负责采集泵站机组的振动、摆度和压力等信号。
2)WEB服务器用于存储、分析、管理从各数据采集装置传送过来的实时数据、历史数据以及各种特征值数据,进行对数据进行分析及故障诊断,并进行数据发布。
WEB服务器通过接收数据采集装置采集对应测点的数值,在***后台可以对针对想要的提示报警的测点进行设置,一般要看这个对象的数据达到某个程度之后会不会产生什么影响,要是感觉有影响的话就会开启报警,并设置相对应的报警限制数值,比如,噪音达到一定的数值可能某个硬件会有问题,这个时候可以设置报警门限值,当超过了就会报警,给工作人员起到提示的作用,同时结合不同颜色之间变化来表达出该测点当前的报警状态:
当没有数据时候,数据显示区域的背景颜色为灰色;
当数据处于正常范围时候,该背景颜色会改变为绿色,即正常;
当振动数据的数值超过报警门限的时候,该背景颜色会改变为黄色,即高报;
当振动数据的数值超过危险门限的时候,该背景颜色会改变为红色,即高高报。
二、健康评估
A、健康评估需涉及到各个因素权重,并对各个因素进行打分,因健康评估针对的因素不是必须一样,可根据实际情况进行取因素,总的规则举例如下:
1)各因素权重划分(百分比,共100%):转轮室振动指标权重10%,其他振动指标权重10%,摆度指标权重25%,定子温度指标权重10%,其他温度指标权重20%,压力脉动指标权重15%,噪音指标权重10%。
2)打分为100分制,满分100分。分值越高,设备健康状况越好。
3)在机组每次结束运行后,***均根据运行情况,自动对其健康评价结果进行更新。
B、因健康评估算法中涉及到很多符号,符号解释如下:
1)A转轮:转轮室振动传感器读数;取本次运行过程中各测点的最大值的平均值;
2)A其他:其他部位振动传感器读数;
3)B:摆度传感器读数;
4)C定子:电机定子三相温度传感器读数;取本次运行过程中的最大值;
5)C其他:其他温度传感器读数;
6)D:压力脉动传感器读数;
7)E:噪音传感器读数;
8)An:编号为第n的振动传感器读数;
9)max[An]:编号为第n#的振动传感器在刚结束的本次运行过程中,采集到的最大的有效数值;
10)Apj:所有振动传感器的max[An]的算术平均值;
11)A0:振动报警门限值;
12)A1:振动事故停机门限值;
13)K:不同工况下,稳定运行的范围。即比较不同工况下,转轮室的平均振动幅值A大小是否接近。K=max{A转轮低扬程/A转轮中间扬程、A转轮低扬程/A转轮最大扬程、A转轮中间扬程/A转轮最大扬程、A转轮中间扬程/A转轮低扬程、A转轮最大扬程/A转轮最小扬程、A转轮最大扬程/A转轮中间扬程};最大、最小、中间扬程指本次运行期间的扬程;
14)P:设计工况下(当测量扬程=设计扬程时),实测流量与设计流量的比值大小。P=100-100*Q实测/Q设计,若Q实测/Q设计小于1,则P为正值。若Q实测/Q设计大于1,则P为负值;如果本次运行没有到达设计扬程,则Q设计则取本次开机的所有机组中最大的流量;
15)M:最近一次大修距今的月数
16)N:最近一次大修至今已发生的故障数量
17)S:尚未解决的故障数量
18)T:前一次大修至今的运行时长(计算时直接除以1000);
19)F:健康评估分值
C:评估计算
1)无任何传感器的数值超过报警门限值:
评分计算公式:F=100-K-P-[(A转轮/A0)×10%+(Apj/A0)×10%+(Bpj/B0)×25%+(C定子/C0)×10%+(Cpj/C0)×20%+(Dpj/D0)×15%+(Epj/E0)×10%]×20-M/10-N-10×S-T/1000
其中:
A转轮指转轮上各振动测点在本次运行过程中的最大值的数值;
C定子、摆度Bpj、噪音Epj同样取最大值的数值;
其他Apj、Cpj、Dpj取最大值的平均值。
2)当传感器数值超过报警值,但未达到事故停机值:
评分计算公式:F=80-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/1000
该情况下,得分低于80分。
3)当传感器数值超过事故停机的值时:
评分计算公式:F=60-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/1000
该情况下,得分低于60分。
计算最终得分范围含义定义如下:
85-100分:良好
70-85分:可用
60-70分:异常
60分以下:需停机
根据以上最终得分范围,泵站机组健康评估结果分为:良好(绿色)、可用(橙色)、异常(黄色)、需停机(红色)。
除上述实施例外,本发明还包括有其他实施方式,凡采用等同变换或者等效替换方式形成的技术方案,均应落入本发明权利要求的保护范围之内。
Claims (4)
1.一种基于泵站机组健康评估的方法,其特征在于:首先根据泵站机组健康评估的需求,建立数据采集前端结合监测网络以及远程诊断的网络***整体架构,包括感知层、网络层和应用层,然后根据感知层的数据采集装置采集泵站机组的相应数据,通过网络层将采集数据发送到应用层的服务器,根据采集到的数据与预设的报警门限值进行比较后判断是否要进行数据分析及故障诊断,最后将诊断结果进行发布。
2.根据权利要求1所述的一种基于泵站机组健康评估的方法,其特征在于:应用层的服务器存储、分析、管理从各数据采集装置传送过来的实时数据、历史数据以及各种特征值数据,对数据进行分析及故障诊断,即进行健康评估,首先根据实际情况取评估因素,并且对各因素进行权重划分,根据各因素权重划分建立打分制度,并且根据评估计算规则进行打分,分值越高,设备健康状况越好,在机组每次结束运行后,***均根据运行情况,自动对其健康评价结果进行更。
3.根据权利要求2所述的一种基于泵站机组健康评估的方法,其特征在于:所述评估计算规则包括:
1)无任何传感器的数值超过报警门限值
评分计算公式:F=PE-K-P-[(A转轮/A0)×10%+(Apj/A0)×10%+(Bpj/B0)×25%+(C定子/C0)×10%+(Cpj/C0)×20%+(Dpj/D0)×15%+(Epj/E0)×10%]×20-M/10-N-10×S-T/1000
2)当传感器数值超过报警值,但未达到事故停机值:
评分计算公式:F=PE1-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/1000
该情况下,得分低于M1分;
3)当传感器数值超过事故停机的值时:
评分计算公式:F=PE2-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/1000
该情况下,得分低于M2分;
其中:
A转轮:转轮室振动传感器读数;取本次运行过程中各测点的最大值的平均值;
A其他:其他部位振动传感器读数;
B:摆度传感器读数;
C定子:电机定子三相温度传感器读数;取本次运行过程中的最大值;
C其他:其他温度传感器读数;
D:压力脉动传感器读数;
E:噪音传感器读数;
An:编号为第n的振动传感器读数;
max[An]:编号为第n#的振动传感器在刚结束的本次运行过程中,采集到的最大的有效数值;
Apj、Cpj、Dpj、Epj:所有振动传感器的max[An]的算术平均值;
A0:振动报警门限值;
A1:振动事故停机门限值;
K:不同工况下,稳定运行的范围,即比较不同工况下,转轮室的平均振动幅值A大小是否接近;K=max{A转轮低扬程/A转轮中间扬程、A转轮低扬程/A转轮最大扬程、A转轮中间扬程/A转轮最大扬程、A转轮中间扬程/A转轮低扬程、A转轮最大扬程/A转轮最小扬程、A转轮最大扬程/A转轮中间扬程};最大、最小、中间扬程指本次运行期间的扬程;
P:设计工况下,即当测量扬程=设计扬程时,实测流量与设计流量的比值大小,P=100-100*Q实测/Q设计,若Q实测/Q设计小于1,则P为正值;若Q实测/Q设计大于1,则P为负值;如果本次运行没有到达设计扬程,则Q设计则取本次开机的所有机组中最大的流量;
M:最近一次大修距今的月数;
N:最近一次大修至今已发生的故障数量;
S:尚未解决的故障数量;
T:前一次大修至今的运行时长;
F:健康评估分值;
PE、PE1、PE2:各阶段分值上限。
4.根据权利要求3所述的一种基于泵站机组健康评估的方法,其特征在于:服务器通过接收数据采集装置采集对应测点的数值,结合不同颜色之间变化来表达出该测点当前的报警状态:
当没有数据时候,数据显示区域的背景颜色为灰色;
当数据处于正常范围时候,该背景颜色会改变为绿色,即正常;
当振动数据的数值超过报警门限的时候,该背景颜色会改变为黄色,即高报;
当振动数据的数值超过危险门限的时候,该背景颜色会改变为红色,即高高报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095787.XA CN111314463A (zh) | 2020-02-17 | 2020-02-17 | 一种基于泵站机组健康评估的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095787.XA CN111314463A (zh) | 2020-02-17 | 2020-02-17 | 一种基于泵站机组健康评估的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111314463A true CN111314463A (zh) | 2020-06-19 |
Family
ID=71147097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010095787.XA Pending CN111314463A (zh) | 2020-02-17 | 2020-02-17 | 一种基于泵站机组健康评估的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111314463A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112762990A (zh) * | 2020-12-29 | 2021-05-07 | 陕西新泓水艺环境科技有限公司 | 设备健康度的预测方法及预测*** |
CN115204588A (zh) * | 2022-06-08 | 2022-10-18 | 欣皓创展信息技术有限公司 | 一种引入权重因子的水泵综合健康状态评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修*** |
CN108757502A (zh) * | 2018-05-15 | 2018-11-06 | 江苏大学 | 一种基于物联网的水泵机组典型健康状态监测装置及方法 |
CN110617209A (zh) * | 2019-09-20 | 2019-12-27 | 江苏欣皓测试技术有限公司 | 泵站机组的在线监测诊断方法和*** |
-
2020
- 2020-02-17 CN CN202010095787.XA patent/CN111314463A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修*** |
CN108757502A (zh) * | 2018-05-15 | 2018-11-06 | 江苏大学 | 一种基于物联网的水泵机组典型健康状态监测装置及方法 |
CN110617209A (zh) * | 2019-09-20 | 2019-12-27 | 江苏欣皓测试技术有限公司 | 泵站机组的在线监测诊断方法和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112762990A (zh) * | 2020-12-29 | 2021-05-07 | 陕西新泓水艺环境科技有限公司 | 设备健康度的预测方法及预测*** |
CN115204588A (zh) * | 2022-06-08 | 2022-10-18 | 欣皓创展信息技术有限公司 | 一种引入权重因子的水泵综合健康状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580153B (zh) | 一种车辆走行部监测部件健康状态管理***及方法 | |
US11549491B2 (en) | Independent monitoring system for a wind turbine | |
CN106774286B (zh) | 一种基于sibas32控制逻辑的和谐d1型机车在线故障诊断方法及*** | |
CN107831422B (zh) | 一种gis设备局部放电诊断方法及*** | |
CN106525415B (zh) | 一种风电机组传动链健康状态评价***及方法 | |
CN113063611B (zh) | 一种设备的监控管理方法及其*** | |
CN111314463A (zh) | 一种基于泵站机组健康评估的方法 | |
CN111817880A (zh) | 一种油气田生产设备健康管理***以及实现方法 | |
CN108928744B (zh) | 一种基于大数据的集装箱起重机在线诊断及维护*** | |
CN111381163A (zh) | 电机群组故障预警方法及装置 | |
CN112633614B (zh) | 一种基于特征提取的实时故障程度诊断***及方法 | |
CN106997513A (zh) | 基于大数据分析的配网设备状态评价*** | |
CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
CN110991799A (zh) | 一种配电网生产综合预警方法 | |
CN114548437A (zh) | 一种基于工业物联网的旋转设备智能运维***及运维方法 | |
CN115614292A (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN103616877B (zh) | 能源管网的监控诊断方法和*** | |
CN113740063A (zh) | 列车轴承监控预警方法及*** | |
CN110956268A (zh) | 基于大数据的压缩机故障诊断方法 | |
CN113985284A (zh) | 一种核电站附加柴油发电机监测***及方法 | |
CN114460520A (zh) | 一种电容式电压互感器设备状态诊断方法及*** | |
CN117391675A (zh) | 一种数据中心基础设施运维管理方法 | |
CN110674240B (zh) | 一种基于gis的电力设备分布式多级智能故障诊断*** | |
CN117221145A (zh) | 基于物联网平台的设备故障预测性维护*** | |
CN115687315A (zh) | 一种风机的故障诊断与健康管理*** |
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 | ||
CB02 | Change of applicant information |
Address after: Room 1205, Block A, Building 14, No. 99 Fulian Third Road, Baoshan District, Shanghai, 2019 Applicant after: Xinhao Chuangzhan Information Technology Co.,Ltd. Applicant after: ZHONGSHUI HUAIHE PLANNING AND DESIGN RESEARCH CO.,LTD. Address before: 215000 building 36, No.18 Dongchang Road, Suzhou Industrial Park, Jiangsu Province Applicant before: Suzhou Xinhao Information Technology Co.,Ltd. Applicant before: ZHONGSHUI HUAIHE PLANNING AND DESIGN RESEARCH CO.,LTD. |
|
CB02 | Change of applicant information |