CN111487950B - 在线预警和离线诊断的“预测-验证-反馈-优化”闭环*** - Google Patents
在线预警和离线诊断的“预测-验证-反馈-优化”闭环*** Download PDFInfo
- Publication number
- CN111487950B CN111487950B CN202010330674.3A CN202010330674A CN111487950B CN 111487950 B CN111487950 B CN 111487950B CN 202010330674 A CN202010330674 A CN 202010330674A CN 111487950 B CN111487950 B CN 111487950B
- Authority
- CN
- China
- Prior art keywords
- online
- line
- prediction
- fault
- early warning
- 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
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种在线预警和离线诊断的“预测‑验证‑反馈‑优化”闭环***,包括在线预警、离线诊断闭环***;在线预警闭环***包括在线预测、验证、反馈、优化,在线预测实现故障类型预测,在线验证判别在线预测是否正确,在线反馈将故障信息反馈至故障预警***,在线优化对在线误差自检算法进行优化,完善故障案例库;离线诊断闭环***包括离线预测、验证、反馈、优化,离线预测建立精度退化模型,实现机器人健康状况离线预测,离线验证离线预测准确性,离线反馈将离线预测参数反馈至精度退化模型,离线优化分析参数影响以及精度退化模型演变规律,对数模联动算法进行改进以及参数优化;本发明实现在复杂工况下的准确故障预警,实现更准确的预测性维保。
Description
技术领域
本发明涉及工业机器人技术领域,尤其涉及一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环***。
背景技术
随着我国产业升级和智能制造快速发展,工业机器人已成为推进制造强国建设的关键支撑装备。虽然我国已连续5年成为工业机器人应用大国,但整体水平与国际相比还存在显著差距,究其原因是:国产机器人在其安全可靠运行方面缺乏有效的故障诊断和预测性维护支撑。工业机器人与传统诊断对象不同,不仅有实时驱控、连续作业、机电控感耦合等特点,而且个体差异显著、工况复杂多变,导致现有定期维保方式难以保障工业机器人的可靠运行。此外,工业机器人不仅有结构本体、执行部件和控制电路的失效模式,还存在精度丧失、性能衰退等问题,使得对其开展健康评估与性能预测难上加难。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环***,协同大数据、神经网络等方法,实现工业机器人在复杂工况下的准确故障预警,实现更准确的预测性维保。
为达到上述目的,本发明采用如下技术方案:
一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环***,包括在线预警闭环***和离线诊断闭环***;在线预警闭环***包括在线预测、在线验证、在线反馈、在线优化四个环节,在线预测环节实现故障类型预测,在线验证环节判别在线预测是否正确,在线反馈环节将故障信息反馈至故障预警***,在线优化环节对在线误差自检算法进行优化,完善故障案例库;离线诊断闭环***包括离线预测、离线验证、离线反馈、离线优化四个环节,离线预测环节通过数模联动算法建立精度退化模型,实现某一时间节点机器人健康状况离线预测,离线验证环节验证离线预测准确性,离线反馈环节将离线预测参数反馈至精度退化模型,离线优化环节分析参数影响以及精度退化模型演变规律,对数模联动算法进行改进以及参数优化。
所述的在线预警闭环***的故障预警***搭载在边缘端服务器上,故障预警***包括在线误差自检算法和故障案例库和报警模块;在线误差自检算法提取故障信息,故障案例库提供不同故障的特征信息,报警模块对故障进行报警。
所述的在线预警闭环***中在线预测环节包括故障预警***对误差自检算法提取的故障信息与故障案例库进行对比,对故障类型进行识别,同时利用报警模块进行报警。
所述的在线预警闭环***中在线验证环节包括将在线预测的故障类型与实际故障类型进行对比,判别在线预测结果,若在线预测结果准确,则继续对机器人运行状态进行监测,收集故障信息;若在线预测结果错误,则继续进行在线反馈及在线优化环节。
所述的在线预警闭环***中在线反馈环节是指将在线误差自检算法提取的故障信息反馈至故障预警***。
所述的在线预警闭环***中在线优化环节是指根据故障信息对在线误差自检算法进行优化,改进算法;若出现新型故障,则将故障信息录入故障案例库,提高***的报警正确率。
所述的离线诊断闭环***中离线预测环节包括根据工业机器人历史工作状况,利用数模联动算法建立工业机器人精度退化模型,历史工作状况包括工作时间、工作载荷参数,通过精度退化模型计算工业机器人在某一时间节点的运行特征参数,从而对工业机器人健康状态进行离线预测。
所述的离线诊断闭环***中离线验证环节包括将精度退化模型计算出工业机器人在某一时间节点的运行特征参数与工业机器人运行至该时间节点实际特征参数进行对比,判别结果包括离线预测结果准确和离线预测结果有偏差;若离线预测结果准确,则继续利用精度退化模型对工业机器人健康状态进行预测;若离线预测结果有偏差,则实施离线反馈及离线优化环节。
所述的离线诊断闭环***中离线反馈环节是指将数模联动算法预测的运行特征参数反馈至精度退化模型。
所述的离线诊断闭环***中离线优化环节包括分析参数影响以及模型演变规律,对数模联动算法进行改进以及参数优化,提高精度退化模型对工业机器人健康状态预测的准确率。
与现有技术相比,本发明具有以下有益的技术效果:
本发明在线预警闭环***将故障预警***中在线误差自检算法提取的故障信息与故障案例库对比,识别故障类型并报警,将在线预测的故障类型与实际故障类型对比,判别报警结果是否正确,在线反馈算法提取的故障信息,对算法进行优化,若出现新型故障,则将故障信息录入故障案例库,提高***的报警准确率;离线诊断闭环***利用数模联动算法根据历史工作状况建立精度退化模型,并利用精度退化模型离线预测工业机器人在某一时间节点的运行特征参数,将离线预测参数与实际运行参数对比,若二者有偏差则将离线预测参数反馈至精度退化模型,分析参数影响以及模型演变规律,对精度退化模型进行参数优化,提高健康状态预测正确率。本发明实现了在线预警和离线诊断的闭环反馈,对实现工业机器人在复杂工况下的准确故障预警、实现更准确的预测性维保具有重要意义。
附图说明
图1为本发明的***组成。
图2为本发明在线预警闭环***的运行框架图。
图3为本发明离线诊断闭环***的运行框架图。
具体实施方式
下面结合实施例和附图对本发明做详细描述。
参照图1,一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环***,包括在线预警闭环***和离线诊断闭环***;在线预警闭环***包括在线预测、在线验证、在线反馈、在线优化四个环节,在线预测环节实现故障类型预测,在线验证环节判别在线预测是否正确,在线反馈环节将故障信息反馈至故障预警***,在线优化环节对在线误差自检算法进行优化,完善故障案例库;离线诊断闭环***包括离线预测、离线验证、离线反馈、离线优化四个环节,离线预测环节通过数模联动算法建立精度退化模型,实现某一时间节点机器人健康状况离线预测,离线验证环节验证离线预测准确性,离线反馈环节将离线预测参数反馈至精度退化模型,离线优化环节分析参数影响以及精度退化模型演变规律,对数模联动算法进行改进以及参数优化。
参照图2,所述的在线预警闭环***的故障预警***搭载在边缘端服务器上,故障预警***包括在线误差自检算法和故障案例库和报警模块;在线误差自检算法提取故障信息,故障案例库提供不同故障的特征信息,报警模块对故障进行报警。
所述的在线预警闭环***中在线预测环节包括故障预警***对误差自检算法提取的故障信息与故障案例库进行对比,对故障类型进行识别,同时利用报警模块进行报警。
所述的在线预警闭环***中在线验证环节包括将在线预测的故障类型与实际故障类型进行对比,判别在线预测结果,若在线预测结果准确,则继续对机器人运行状态进行监测,收集故障信息;若在线预测结果错误,则继续进行在线反馈及在线优化环节。
所述的在线预警闭环***中在线反馈环节是指将在线误差自检算法提取的故障信息反馈至故障预警***。
所述的在线预警闭环***中在线优化环节是指根据故障信息对在线误差自检算法进行优化,改进算法;若出现新型故障,则将故障信息录入故障案例库,提高***的报警正确率。
参照图3,所述的离线诊断闭环***中离线预测环节包括根据工业机器人历史工作状况,利用数模联动算法建立工业机器人精度退化模型,历史工作状况包括工作时间、工作载荷等参数,通过精度退化模型计算工业机器人在某一时间节点的运行特征参数,从而对工业机器人健康状态进行离线预测。
所述的离线诊断闭环***中离线验证环节包括将精度退化模型计算出工业机器人在某一时间节点的运行特征参数与工业机器人运行至该时间节点实际特征参数进行对比,判别结果包括离线预测结果准确和离线预测结果有偏差;若离线预测结果准确,则继续利用精度退化模型对工业机器人健康状态进行预测;若离线预测结果有偏差,则实施离线反馈及离线优化环节。
所述的离线诊断闭环***中离线反馈环节是指将数模联动算法预测的运行特征参数反馈至精度退化模型。
所述的离线诊断闭环***中离线优化环节包括分析参数影响以及模型演变规律,对数模联动算法进行改进以及参数优化,提高精度退化模型对工业机器人健康状态预测的准确率。
Claims (1)
1.一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环***,其特征在于:包括在线预警闭环***和离线诊断闭环***;在线预警闭环***包括在线预测、在线验证、在线反馈、在线优化四个环节,在线预测环节实现故障类型预测,在线验证环节判别在线预测是否正确,在线反馈环节将故障信息反馈至故障预警***,在线优化环节对在线误差自检算法进行优化,完善故障案例库;离线诊断闭环***包括离线预测、离线验证、离线反馈、离线优化四个环节,离线预测环节通过数模联动算法建立精度退化模型,实现某一时间节点机器人健康状况离线预测,离线验证环节验证离线预测准确性,离线反馈环节将离线预测参数反馈至精度退化模型,离线优化环节分析参数影响以及精度退化模型演变规律,对数模联动算法进行改进以及参数优化;
所述的在线预警闭环***的故障预警***搭载在边缘端服务器上,故障预警***包括在线误差自检算法和故障案例库和报警模块;在线误差自检算法提取故障信息,故障案例库提供不同故障的特征信息,报警模块对故障进行报警;
所述的在线预警闭环***中在线优化环节是指根据故障信息对在线误差自检算法进行优化,改进算法;若出现新型故障,则将故障信息录入故障案例库,提高***的报警正确率;
所述的在线预警闭环***中在线预测环节包括故障预警***对误差自检算法提取的故障信息与故障案例库进行对比,对故障类型进行识别,同时利用报警模块进行报警;
所述的在线预警闭环***中在线验证环节包括将在线预测的故障类型与实际故障类型进行对比,判别在线预测结果,若在线预测结果准确,则继续对机器人运行状态进行监测,收集故障信息;若在线预测结果错误,则继续进行在线反馈及在线优化环节;
所述的在线预警闭环***中在线反馈环节是指将在线误差自检算法提取的故障信息反馈至故障预警***;
所述的离线诊断闭环***中离线预测环节包括根据工业机器人历史工作状况,利用数模联动算法建立工业机器人精度退化模型,历史工作状况包括工作时间、工作载荷参数,通过精度退化模型计算工业机器人在某一时间节点的运行特征参数,从而对工业机器人健康状态进行离线预测;
所述的离线诊断闭环***中离线验证环节包括将精度退化模型计算出工业机器人在某一时间节点的运行特征参数与工业机器人运行至该时间节点实际特征参数进行对比,判别结果包括离线预测结果准确和离线预测结果有偏差;若离线预测结果准确,则继续利用精度退化模型对工业机器人健康状态进行预测;若离线预测结果有偏差,则实施离线反馈及离线优化环节;
所述的离线诊断闭环***中离线反馈环节是指将数模联动算法预测的运行特征参数反馈至精度退化模型;
所述的离线诊断闭环***中离线优化环节包括分析参数影响以及模型演变规律,对数模联动算法进行改进以及参数优化,提高精度退化模型对工业机器人健康状态预测的准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010330674.3A CN111487950B (zh) | 2020-04-24 | 2020-04-24 | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010330674.3A CN111487950B (zh) | 2020-04-24 | 2020-04-24 | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111487950A CN111487950A (zh) | 2020-08-04 |
CN111487950B true CN111487950B (zh) | 2021-11-16 |
Family
ID=71813019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010330674.3A Active CN111487950B (zh) | 2020-04-24 | 2020-04-24 | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487950B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202093A (zh) * | 2021-08-25 | 2022-03-18 | 优合集团有限公司 | 基于产业互联网产业链优化平台 |
CN115809749B (zh) * | 2023-02-09 | 2023-09-12 | 四川文韬工程技术有限公司 | 污水处理综合性在线预测模型的建立方法及预测预警方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101288089A (zh) * | 2005-07-28 | 2008-10-15 | 西门子电力输送及配电有限公司 | 基于负荷预测的神经网络的在线和离线训练 |
CN102097636A (zh) * | 2011-01-07 | 2011-06-15 | 武汉理工大学 | 一种燃料电池***的故障诊断装置及方法 |
CN102760192A (zh) * | 2012-07-13 | 2012-10-31 | 中国电力科学研究院 | 基于实时数字仿真器的电力***闭环验证平台及验证方法 |
CN103077103A (zh) * | 2013-01-18 | 2013-05-01 | 浪潮电子信息产业股份有限公司 | 一种服务器故障的离线诊断方法 |
CN103810361A (zh) * | 2012-11-09 | 2014-05-21 | 上海斐讯数据通信技术有限公司 | 诊断***及其方法 |
CN104714175A (zh) * | 2013-12-12 | 2015-06-17 | 北京有色金属研究总院 | 电池***故障诊断方法及*** |
CN105846780A (zh) * | 2016-03-19 | 2016-08-10 | 上海大学 | 一种基于决策树模型的光伏组件故障诊断方法 |
CN106705999A (zh) * | 2016-12-21 | 2017-05-24 | 南京航空航天大学 | 一种无人机陀螺仪故障的诊断方法 |
CN106843172A (zh) * | 2016-12-29 | 2017-06-13 | 中国矿业大学 | 基于jy‑kpls的复杂工业过程在线质量预测方法 |
CN107038453A (zh) * | 2017-03-06 | 2017-08-11 | 辽宁大唐国际新能源有限公司 | 一种风电机组的故障预警***及判断方法 |
CN107831652A (zh) * | 2017-10-13 | 2018-03-23 | 国网河北能源技术服务有限公司 | 一种基于冷端***储能的机组负荷智能优化控制方法 |
CN107944594A (zh) * | 2017-09-30 | 2018-04-20 | 华南理工大学 | 一种基于spss与rkelm微网短期负荷预测方法 |
CN108287529A (zh) * | 2017-12-28 | 2018-07-17 | 北京必可测科技股份有限公司 | 一体化巡点检、远程精密诊断及维护***和方法 |
CN109001979A (zh) * | 2018-08-24 | 2018-12-14 | 东北大学 | 基于懒惰学习的高炉铁水质量自适应鲁棒预测控制方法 |
CN109446741A (zh) * | 2018-12-21 | 2019-03-08 | 浙江工业大学 | 一种混输泵泵腔瞬时温度特性的建模与预测方法 |
CN109508818A (zh) * | 2018-10-23 | 2019-03-22 | 保定正德电力技术有限公司 | 一种基于LSSVM的在线NOx预测方法 |
CN109800875A (zh) * | 2019-01-08 | 2019-05-24 | 华南理工大学 | 基于粒子群优化和降噪稀疏编码机的化工故障检测方法 |
CN110262463A (zh) * | 2019-07-09 | 2019-09-20 | 河海大学常州校区 | 一种基于深度学习的轨道交通站台门故障诊断*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6326758B1 (en) * | 1999-12-15 | 2001-12-04 | Reliance Electric Technologies, Llc | Integrated diagnostics and control systems |
US7301296B1 (en) * | 2001-07-23 | 2007-11-27 | Rockwell Automation Technologies, Inc. | Integrated control and diagnostics system |
JP2004013450A (ja) * | 2002-06-06 | 2004-01-15 | Hitachi Ltd | 配電盤開閉装置と操作監視制御システム |
CN100470416C (zh) * | 2006-12-28 | 2009-03-18 | 上海电力学院 | 一种电厂热工设备智能状态诊断分析*** |
US20190384255A1 (en) * | 2018-06-19 | 2019-12-19 | Honeywell International Inc. | Autonomous predictive real-time monitoring of faults in process and equipment |
CN109146093B (zh) * | 2018-08-08 | 2020-08-11 | 成都保源酷码科技有限公司 | 一种基于学习的电力设备现场勘查方法 |
CN109977624A (zh) * | 2019-05-06 | 2019-07-05 | 上海交通大学 | 基于深度神经网络的光伏电站缓变故障监测方法 |
-
2020
- 2020-04-24 CN CN202010330674.3A patent/CN111487950B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101288089A (zh) * | 2005-07-28 | 2008-10-15 | 西门子电力输送及配电有限公司 | 基于负荷预测的神经网络的在线和离线训练 |
CN102097636A (zh) * | 2011-01-07 | 2011-06-15 | 武汉理工大学 | 一种燃料电池***的故障诊断装置及方法 |
CN102760192A (zh) * | 2012-07-13 | 2012-10-31 | 中国电力科学研究院 | 基于实时数字仿真器的电力***闭环验证平台及验证方法 |
CN103810361A (zh) * | 2012-11-09 | 2014-05-21 | 上海斐讯数据通信技术有限公司 | 诊断***及其方法 |
CN103077103A (zh) * | 2013-01-18 | 2013-05-01 | 浪潮电子信息产业股份有限公司 | 一种服务器故障的离线诊断方法 |
CN104714175A (zh) * | 2013-12-12 | 2015-06-17 | 北京有色金属研究总院 | 电池***故障诊断方法及*** |
CN105846780A (zh) * | 2016-03-19 | 2016-08-10 | 上海大学 | 一种基于决策树模型的光伏组件故障诊断方法 |
CN106705999A (zh) * | 2016-12-21 | 2017-05-24 | 南京航空航天大学 | 一种无人机陀螺仪故障的诊断方法 |
CN106843172A (zh) * | 2016-12-29 | 2017-06-13 | 中国矿业大学 | 基于jy‑kpls的复杂工业过程在线质量预测方法 |
CN107038453A (zh) * | 2017-03-06 | 2017-08-11 | 辽宁大唐国际新能源有限公司 | 一种风电机组的故障预警***及判断方法 |
CN107944594A (zh) * | 2017-09-30 | 2018-04-20 | 华南理工大学 | 一种基于spss与rkelm微网短期负荷预测方法 |
CN107831652A (zh) * | 2017-10-13 | 2018-03-23 | 国网河北能源技术服务有限公司 | 一种基于冷端***储能的机组负荷智能优化控制方法 |
CN108287529A (zh) * | 2017-12-28 | 2018-07-17 | 北京必可测科技股份有限公司 | 一体化巡点检、远程精密诊断及维护***和方法 |
CN109001979A (zh) * | 2018-08-24 | 2018-12-14 | 东北大学 | 基于懒惰学习的高炉铁水质量自适应鲁棒预测控制方法 |
CN109508818A (zh) * | 2018-10-23 | 2019-03-22 | 保定正德电力技术有限公司 | 一种基于LSSVM的在线NOx预测方法 |
CN109446741A (zh) * | 2018-12-21 | 2019-03-08 | 浙江工业大学 | 一种混输泵泵腔瞬时温度特性的建模与预测方法 |
CN109800875A (zh) * | 2019-01-08 | 2019-05-24 | 华南理工大学 | 基于粒子群优化和降噪稀疏编码机的化工故障检测方法 |
CN110262463A (zh) * | 2019-07-09 | 2019-09-20 | 河海大学常州校区 | 一种基于深度学习的轨道交通站台门故障诊断*** |
Non-Patent Citations (2)
Title |
---|
Generalized modeling and unbalanced fault simulation of saturated self-excited induction generators;R. Wamkeue etc.;<Electric Power Systems Research>;20021130;全文 * |
基于改进集成学习算法的在线空气质量预测;夏润 等;《武汉科技大学学报》;20190131;第42卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111487950A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487950B (zh) | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环*** | |
CN111178553A (zh) | 一种基于arima和lstm算法的工业设备健康趋势分析方法及*** | |
CN113705924B (zh) | 一种热控设备智能诊断方法和*** | |
CN111090939B (zh) | 石化装置异常工况的预警方法和*** | |
CN116872206A (zh) | 一种基于工业互联网的机器人故障检测方法及*** | |
CN106567964B (zh) | 一种基于dcs数据的流量控制阀监控方法 | |
CN109909306B (zh) | 一种酸轧设备在线监测与劣化趋势智能预警的监控方法 | |
CN108628270A (zh) | 一种基于plc远程监控终端的优化网络控制装置与方法 | |
CN115407712A (zh) | 一种钢厂液压站智慧维修保养***及工作流程 | |
KR102474332B1 (ko) | 스마트 공장 시스템에서 설비 건강 안정도 예측 방법 및 이를 기록한 기록매체 | |
CN114297265A (zh) | 基于物联技术的智能运维方法 | |
CN110866695A (zh) | 基于设备运行状态与检修工作相关联的辅助检修决策方法 | |
CN117515249A (zh) | 一种气动阀门自动阀门封锁方法 | |
CN116991108B (zh) | 一种架桥机智慧管控方法、***、装置及存储介质 | |
CN116020879B (zh) | 面向工艺参数带钢热连轧时空多尺度过程监控方法及装置 | |
CN117669888A (zh) | 一种二次供水远程监控*** | |
CN111830871B (zh) | 一种设备异常自动诊断*** | |
CN112489841A (zh) | 一种核电机组蒸汽发生器的水位容错控制方法 | |
CN106439199A (zh) | 一种基于dcs数据的控制阀故障监控方法 | |
CN116938676A (zh) | 一种基于数据源分析的通信风险联合预警方法 | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理*** | |
CN115186754A (zh) | 基于信息熵及自联想回归模型的机组能效监测诊断方法 | |
JP2019191880A (ja) | 設備管理支援システム | |
CN116146402B (zh) | 水电站调速器主配压阀抽动故障诊断预警方法 | |
CN112859798B (zh) | 一种基于智能型控制器的管控一体化*** |
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 |