CN111650444A - 基于回归分析的电磁环境中tcu失效预警方法 - Google Patents

基于回归分析的电磁环境中tcu失效预警方法 Download PDF

Info

Publication number
CN111650444A
CN111650444A CN202010655356.4A CN202010655356A CN111650444A CN 111650444 A CN111650444 A CN 111650444A CN 202010655356 A CN202010655356 A CN 202010655356A CN 111650444 A CN111650444 A CN 111650444A
Authority
CN
China
Prior art keywords
failure
tcu
early warning
failure mode
abnormal
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
Application number
CN202010655356.4A
Other languages
English (en)
Inventor
邓洁清
许建刚
郑建勇
李轩
梅飞
沙浩源
徐阳
谢天喜
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.)
State Grid Corp of China SGCC
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
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 State Grid Corp of China SGCC, Southeast University, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010655356.4A priority Critical patent/CN111650444A/zh
Publication of CN111650444A publication Critical patent/CN111650444A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08Measuring electromagnetic field characteristics
    • G01R29/0864Measuring electromagnetic field characteristics characterised by constructional or functional features
    • G01R29/0871Complete apparatus or systems; circuits, e.g. receivers or amplifiers
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/26Testing of individual semiconductor devices
    • G01R31/2642Testing semiconductor operation lifetime or reliability, e.g. by accelerated life tests

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本发明公开了一种基于回归分析的电磁环境中TCU失效预警方法,包括步骤:(1)通过电磁时域仿真软件确定TCU电路板图上的敏感器件;(2)在敏感器件上设置若干个探头,监视感应电压波动或感应电流波动,若出现异常则记录到异常日志中;(3)对异常日志pn进行信息提取,构造异常信息向量sn,并评估其失效模式概率
Figure DDA0002576564500000011
(4)建立历史异常信息与失效模式之间的关系,构造失效检测器;(5)利用失效检测器对实时异常信息向量sn进行评估,判断其失效趋势及是否发出预警。本发明充分利用回归分析有监督学习的特征,不断扩大失效模式,修正预警时间参数,提高预警的精确性。本发明方法可为晶闸管级的检修提供支撑,应用价值和前景巨大。

Description

基于回归分析的电磁环境中TCU失效预警方法
技术领域
本发明涉及电磁兼容技术,尤其涉及一种基于回归分析的电磁环境中TCU失效预警方法。
背景技术
高压直流输电(HVDC)是目前世界上解决高电压、大容量、远距离送电以及电网互联的一个重要手段。较之传统换流站,高压直流换流站中有更多的交直流一次设备与二次设备。高压直流换流站站内的电磁干扰源众多,电磁环境恶劣,严重影响阀控***的正常运行,进而导致换流阀无法正常工作。
ABB公司换流阀的阀控***技术是目前国内直流工程最广泛采用的阀控技术之一,它能够可靠地触发、保护并监视晶闸管。ABB阀控***主要由晶闸管控制单元(Thyristor Control Unit,TCU)、阀控制单元(Valve Control Unit,VCU)、晶闸管监视单元(Thyristor Monitoring,THM)及光纤传输设备构成。其中,晶闸管控制单元TCU被固定在晶闸管阴极侧的散热器上,承担着晶闸管的触发导通与截止任务,是阀控设备中的关键部件。由于阀塔内部电磁干扰源众多,TCU又是触发晶闸管的直接部件,因此经常出现TCU故障而导致的换流阀工作异常,从而使整个电能转化***故障。
在晶闸管级投入运行后,由于电磁骚扰的存在,TCU的运行状况严峻,经常出现因过电流、过电压引发的器件的损坏,从而导致IP丢失、IP震荡、门极触发脉冲丢失等异常现象,有时也可能引发隐性失效,即内部器件虽然已经发生失效,但仍能保持运行,只有当外部扰动时才能将问题暴露出来。对此,传统的检测方法已不再适用,亟需一个可靠的预警方法让***在TCU失效之前发出预警,从而使得维护检修能在充足的时间内完成。
发明内容
发明目的:针对以上问题,本发明提出一种基于回归分析的电磁环境中TCU失效预警方法,利用回归分析监督学习,扩大失效模式,修正预警时间参数,从而提高预警精确性。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于回归分析的电磁环境中TCU失效预警方法,包括步骤:
(1)通过电磁时域仿真软件确定TCU电路板图上的敏感器件;
(2)在敏感器件上设置若干个探头,监视感应电压波动或感应电流波动,若出现异常则记录到异常日志中;
(3)对异常日志pn进行信息提取,构造异常信息向量sn,并评估其失效模式概率
Figure BDA0002576564480000011
(4)建立历史异常信息与失效模式之间的关系,构造失效检测器;
(5)利用失效检测器对实时异常信息向量sn进行评估,判断其失效趋势及是否发出预警。
进一步地,所述步骤1具体包括:
(1.1)将TCU电路板图导入电磁时域仿真软件中;
(1.2)设置相关材料属性、边界条件与电磁骚扰信号;
(1.3)在特定频率点设立电场监视器与磁场监视器;
(1.4)监测得到电场强度大的器件和磁场强度大的线路。
进一步地,所述步骤3具体包括:
异常信息向量sn表示:
Figure BDA0002576564480000021
其中,
Figure BDA0002576564480000022
为sn中第j个变量,为***每次采集到该变量的新增错误计数
Figure BDA0002576564480000023
求和得到。
失效模式概率
Figure BDA0002576564480000024
为:
Figure BDA0002576564480000025
其中,e(n)表示第n条异常信息记录时产生的异常总数,e(N)表示TCU失效时最终产生的异常总数,m表示失效模式,class(m)为1或0,分别表示该次失效属于失效模式、不属于失效模式。
进一步地,所述步骤4具体包括:
(4.1)在历史失效记录中提取出失效模式库{m1,m2,…,mM},每种失效模式至少发生一次;
(4.2)针对历史失效信息以及已知的失效模式,形成一个(J+1)*N阶的异常信息矩阵X与失效模式概率列向量Ym
(4.3)利用最小二乘法回归,构造失效模式m的失效模式概率检测器Hm
进一步地,所述步骤5中,对于已知的失效模式,基于回归分析求得的失效模式概率,检测器通过判断阈值大小来确定TCU的失效趋势,进行特定失效模式的预测与报警。
进一步地,所述步骤5中,对于未知的失效模式,使用传统概率统计的方法来判断,并存入失效模式库,用于下一次的失效检测。
有益效果:本发明充分利用回归分析有监督学习的特征,不断扩大失效模式,修正预警时间参数,提高预警的精确性,即使是在故障模式贫瘠、新的故障模式未知的情况下也能够保持良好的预测精度。本发明方法可为晶闸管级的检修提供支撑,应用价值和前景巨大。
本发明针对电磁骚扰源作用下的敏感器件,进行电压监测或电流监测,更能适应实际情况;设计基于回归分析的电磁环境中TCU失效检测器,用该检测器来对实时异常信息预警的准确性高达86%以上,优于传统的电力电子电路故障预警算法。
附图说明
图1是本发明的方法流程图;
图2是该模型运行50日的平均预警精度;
图3是该模型与传统方法的预警精度对比图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示,本发明所述的基于回归分析的电磁环境中TCU失效预警方法,包括步骤:
步骤一,将TCU电路板图导入至CST MWS微波工作室中,通过电磁时域仿真确定电路板的敏感器件;
其中,CST是以有限元积分为基础的通用电磁场仿真软件,有限元积分法以麦克斯韦方程组为基础,主要为:
Figure BDA0002576564480000031
Figure BDA0002576564480000032
Figure BDA0002576564480000033
Figure BDA0002576564480000034
式中,B=μH,J=γE,D=εE,E为电场强度,D为电场的电通密度,H为磁场强度,B为磁场的磁通密度,J为电流密度,ρ为电荷密度,ε为介电常数,μ为磁导率,γ为电导率。
基于上述有限元分析法,将绘制好的TCU电路板图导入CST MWS微波工作室中,设置相关材料属性、边界条件与电磁骚扰信号,并在特定频率点设立电场监视器与磁场监视器。监测得到电场强度大的器件和磁场强度大的线路。
步骤二,在这些敏感器件上设置若干个探头,监视其感应电压波动或感应电流波动,若出现异常则记录到异常日志中;
针对电场强度大的器件设立电压探头,实时监测其电压信息;针对磁场强度大的线路设立电流探头,监测其电流信息。对于正常工作时的TCU来说,每个器件的电压、每条线路的电流都有一个正常工作范围,若在其波动过程中某一时刻超过了其正常工作范围,即可认为该器件出现了一次异常,该段时间内的新增异常数被记录在异常日志中。
步骤三,对每个异常日志pn进行信息提取,构造出一个异常信息向量sn,并评估其失效模式概率
Figure BDA0002576564480000041
从此前的异常日志中能够得到表征***该时刻的异常信息,用一个一维向量sn表示。
Figure BDA0002576564480000042
式中,sn是对应第n条异常信息的向量,表征TCU该时刻的状态。
Figure BDA0002576564480000043
为sn中第j个变量,由此前***每次采集到该变量的新增错误计数
Figure BDA0002576564480000044
求和组成,因此,sn又能写作下式:
Figure BDA0002576564480000045
每一条异常信息都对应着该状态下TCU发生失效的概率,即失效概率,取值范围为[0,1],0表示该状态下TCU运行状态一切正常,不可能发生失效,1表示TCU已经发生失效。
而在实际运行过程中,TCU所受到的电磁骚扰来源复杂,形式多变,这就导致其失效的过程并不唯一,例如,有的失效是由芯片引脚电压波动过大引起,有的则是由三极管反向电压过大而被击穿引起。虽然最终会导致相同的失效结果,但因其失效过程不同,表现出的参数也不同,因此引入失效模式的概念,将不同器件异常引发的失效视为不同的失效模式。此时失效概率就划分成了若干个失效模式概率。失效模式概率的定义如下:
Figure BDA0002576564480000046
式中,e(n)表示第n条异常信息记录时产生的异常总数,e(N)表示TCU失效时最终产生的异常总数,m表示失效模式,class(m)为1或0,分别表示该次失效属于失效模式m、不属于失效模式m。
Figure BDA0002576564480000047
表示遵从失效模式m的情况下TCU发生失效的概率。
Figure BDA0002576564480000048
越接近于1,TCU距离失效的时刻就越接近,情况也就越严重。
步骤四,随后建立历史异常信息与失效模式之间的关系,构造失效检测器,从而在TCU运行期间基于实时异常信息就能区分出对应的失效模式。
设TCU处于运行状态,在{t1,t2,…,tn}时刻分别产生异常日志{p1,p2,…,pn},这些日志均被存储在数据库中,包含了每次TCU异常的全部信息,包括***自动判别出的失效模式。
步骤4.1,在历史失效记录中提取出失效模式库{m1,m2,…,mM},每种失效模式至少发生一次;
步骤4.2,针对历史失效信息以及已知的失效模式,形成一个(J+1)*N阶的异常信息矩阵X与失效模式概率列向量Ym
Figure BDA0002576564480000051
Figure BDA0002576564480000052
其中,J是每一个异常信息向量中变量个数,N是异常信息向量数。
步骤4.3,利用最小二乘法回归,构造失效模式m的失效模式概率检测器Hm
am=(XTX)-1XTYm
Hm(X)=Xam
其中,am为回归系数的最小二乘估计值。
步骤五,利用该检测器,对实时异常信息向量sn进行评估,判断其失效趋势及是否发出预警,期间不断扩充与修正失效模式库。
对于任意的实时异常信息向量sn,均可利用检测器Hm预测失效模式m的发生概率。设sn对应一维向量xn,则由已知异常信息检测出的失效模式概率
Figure BDA0002576564480000053
如下所示:
Figure BDA0002576564480000054
Figure BDA0002576564480000055
因为失效概率越小,TCU就越安全,因此需要保证
Figure BDA0002576564480000056
小于等于阈值α∈[0,1],否则表示***正处于危险阶段。
通常情况下,通过判断失效概率
Figure BDA0002576564480000057
的大小,即可确定***是否发出预警。然而***做出响应以及工作人员进行维修都需要一定的时间,一旦这个时间和超出了TCU距离发生失效所剩余的时间,那么就认为这次的预警属于无效预警,因为它既没有成功避免失效的发生,又浪费了***资源。
因此,还需要综合考虑预警时间的影响。设从记录第n条异常信息到TCU发生失效的时间为tr,检测器发出预警且***给以响应的时间为tp,维修时间为tq。若满足(tp+tq)/tr≤1,即可认为此时发出了有效预警,***能够立即响应并维护,从而避免失效。相反,如果(tp+tq)/tr>1,此时即使报警,***也无法做出及时处理,这就需要人为进行检修,该预警为无效预警。针对无效预警的情况,需要适当降低失效模式概率的阈值,使***能在足够的时间内完成响应与维修工作。
步骤5.1,基于回归分析求得的失效模式概率以及预警时间,可以进行特定失效模式的预测与报警。对于已知的失效模式m,***在对实时异常信息向量进行计算后,若满足下式即可进行有效预警:
Figure BDA0002576564480000061
初始阶段,所有的失效模式概率
Figure BDA0002576564480000062
均设为0.6,高于0.6且预警时间满足要求时即发出有效预警。然后随着无效预警的出现以及模式库的更新,不断调整各个
Figure BDA0002576564480000063
的值。
步骤5.2,而对于未知的失效模式,失效模式库中没有对应的异常信息,上述的回归模型就不再适用了。此时考虑用传统的概率统计的方法来判断,设未知失效模式的异常信息向量为sn
Figure BDA0002576564480000064
式中,failure(sn)表示sn在所有已知模式下的预警次数,success(sn)表示sn在所有已知模式下未发生预警的次数。根据未知失效模式概率hn是否超出阈值β∈[0,1],即判断***是否发生失效。若超出阈值,则发出失效预警。在此次未知失效模式发生后,将异常信息向量、失效模式概率、各时间参数均记录下来,扩充完善失效模式库,进而用于下一次的失效检测。
以江苏省某换流站阀控装置为例,对TCU在电磁骚扰作用下进行分析。板子左右两端、线路处、部分芯片处的电场强度较大,供电线路、部分触发线路处的磁场强度较大,因此他们更容易受到电磁骚扰的影响。在电场强度较大的电压比较器U2、双JK触发器U7、单稳态触发器U13、晶体管T44、晶体管D60以及供电端口六个地方设立电压探头,监测其感应电压变化情况;在磁场强度较大的供电线路与触发线路处设立电流探头,监测其感应电流变化情况。
接着在TCU上运行监测器,捕捉运行时间段内的错误日志,并将其分为两部分。第一部分涵盖大部分的早期数据,用于预测模型的建立,得到失效模型的检测器。第二部分是小部分的近期数据,用于检验模型的优劣,观察预测精度。在此期间不断调整参数、扩充模式库,使模型尽可能达到最佳状态。
如表1错误日志中各变量的新增错误计数和表2异常信息矩阵与失效模式概率所示,***捕获到一系列的错误日志,并将其匹配到失效模式3,该失效模式的异常值只体现在两个芯片与一个晶体管中,对应sn中变量
Figure BDA0002576564480000071
表1
Figure BDA0002576564480000072
表2
Figure BDA0002576564480000073
该模式的初始阈值定为0.6,若预警时间符合要求,则在第8条日志时发出预警。如若不及时预警,***在第10条日志发生的时候就会产生失效,导致整个阀控装置工作异常。
图2是该模型运行50日后的平均预测精度变化趋势图,可以看出随着时间的增长,失效模式库不断扩充,平均预测精度也在不断增加,40日后的平均预测精度可高达86.60%。
图3是该模型运行50日后的两种方法预测精度对比图。本论文的方法对应实线,传统方法对应虚线。从整体上来看,两个模型的预测精度都呈上升趋势。但对比来看,本论文的方法的预测精度要更高一些。刚开始时,两种方法使用的失效模式库相同,因此预测精度较为接近。但是随着时间的推移以及电磁环境的改变,TCU的新型失效模式产生,传统方法对此难以辨识。而本文方法可以将新型失效模式加入库中,使得TCU在下次发生类似失效的时候能被准确识别,因此中后期的预测精度相对传统方法要更高一些。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内.因此,本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种基于回归分析的电磁环境中TCU失效预警方法,其特征在于,包括步骤:
(1)通过电磁时域仿真软件确定TCU电路板图上的敏感器件;
(2)在敏感器件上设置若干个探头,监视感应电压波动或感应电流波动,若出现异常则记录到异常日志中;
(3)对异常日志pn进行信息提取,构造异常信息向量sn,并评估其失效模式概率
Figure FDA0002576564470000016
(4)建立历史异常信息与失效模式之间的关系,构造失效检测器;
(5)利用失效检测器对实时异常信息向量sn进行评估,判断其失效趋势及是否发出预警。
2.根据权利要求1所述的基于回归分析的电磁环境中TCU失效预警方法,其特征在于,所述步骤1具体包括:
(1.1)将TCU电路板图导入电磁时域仿真软件中;
(1.2)设置相关材料属性、边界条件与电磁骚扰信号;
(1.3)在特定频率点设立电场监视器与磁场监视器;
(1.4)监测得到电场强度大的器件和磁场强度大的线路。
3.根据权利要求1所述的基于回归分析的电磁环境中TCU失效预警方法,其特征在于,所述步骤3具体包括:
异常信息向量sn表示:
Figure FDA0002576564470000011
其中,
Figure FDA0002576564470000012
为sn中第j个变量,为***每次采集到该变量的新增错误计数
Figure FDA0002576564470000013
求和得到;
失效模式概率
Figure FDA0002576564470000014
为:
Figure FDA0002576564470000015
其中,e(n)表示第n条异常信息记录时产生的异常总数,e(N)表示TCU失效时最终产生的异常总数,m表示失效模式,class(m)为1或0,分别表示该次失效属于失效模式、不属于失效模式。
4.根据权利要求1所述的基于回归分析的电磁环境中TCU失效预警方法,其特征在于,所述步骤4具体包括:
(4.1)在历史失效记录中提取出失效模式库{m1,m2,…,mM},每种失效模式至少发生一次;
(4.2)针对历史失效信息以及已知的失效模式,形成一个(J+1)*N阶的异常信息矩阵X与失效模式概率列向量Ym
(4.3)利用最小二乘法回归,构造失效模式m的失效模式概率检测器Hm
5.根据权利要求1所述的基于回归分析的电磁环境中TCU失效预警方法,其特征在于,所述步骤5中,对于已知的失效模式,基于回归分析求得的失效模式概率,检测器通过判断阈值大小来确定TCU的失效趋势,进行特定失效模式的预测与报警。
6.根据权利要求1所述的基于回归分析的电磁环境中TCU失效预警方法,其特征在于,所述步骤5中,对于未知的失效模式,使用传统概率统计的方法来判断,并存入失效模式库,用于下一次的失效检测。
CN202010655356.4A 2020-07-09 2020-07-09 基于回归分析的电磁环境中tcu失效预警方法 Pending CN111650444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010655356.4A CN111650444A (zh) 2020-07-09 2020-07-09 基于回归分析的电磁环境中tcu失效预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010655356.4A CN111650444A (zh) 2020-07-09 2020-07-09 基于回归分析的电磁环境中tcu失效预警方法

Publications (1)

Publication Number Publication Date
CN111650444A true CN111650444A (zh) 2020-09-11

Family

ID=72347735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010655356.4A Pending CN111650444A (zh) 2020-07-09 2020-07-09 基于回归分析的电磁环境中tcu失效预警方法

Country Status (1)

Country Link
CN (1) CN111650444A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112285611A (zh) * 2020-09-18 2021-01-29 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 器件失效定位分析方法
RU2816823C1 (ru) * 2023-03-28 2024-04-05 Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации Способ прогнозирования остаточной наработки до отказа технических объектов с возрастающей интенсивностью отказов на периоде приработки

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385655A (zh) * 2011-10-31 2012-03-21 北京航空航天大学 一种电子设备辐射耦合电磁敏感性仿真方法
CN107431380A (zh) * 2016-03-03 2017-12-01 南京南瑞继保电气有限公司 一种换流阀故障预警方法及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385655A (zh) * 2011-10-31 2012-03-21 北京航空航天大学 一种电子设备辐射耦合电磁敏感性仿真方法
CN107431380A (zh) * 2016-03-03 2017-12-01 南京南瑞继保电气有限公司 一种换流阀故障预警方法及***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
习贺勋等: "特高压直流换流阀电磁场与电磁兼容研究进展", 《中国电机工程学报》 *
林锐: "电力***二次设备内部器件电磁特性与抑制措施的研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
田从根等: "基于回归分析的早期预警和失效预测技术", 《计算机应用与软件》 *
黄聪等: "高压直流输电换流阀TCU单元故障测试方法研究及工程实践", 《电工技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112285611A (zh) * 2020-09-18 2021-01-29 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 器件失效定位分析方法
RU2816823C1 (ru) * 2023-03-28 2024-04-05 Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации Способ прогнозирования остаточной наработки до отказа технических объектов с возрастающей интенсивностью отказов на периоде приработки

Similar Documents

Publication Publication Date Title
Jin et al. A data-driven approach for bearing fault prognostics
Ji et al. Prognostics enabled resilient control for model-based building automation systems
KR20190062739A (ko) 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치
US11169515B2 (en) Extended dynamic process simulation
Borchersen et al. Model‐based fault detection for generator cooling system in wind turbines using SCADA data
CN115270491A (zh) 基于多元信息融合的海上风电运维平台设计方法
CN117474357A (zh) 基于深度学习的配电房运维管理方法及***
CN117689270B (zh) 电力设备生产过程质量管理改进方法、***及存储介质
CN111650444A (zh) 基于回归分析的电磁环境中tcu失效预警方法
CN117808456B (zh) 一种基于智慧运营管理的设备故障预警方法及装置
Vafeiadis et al. Robust malfunction diagnosis in process industry time series
CN117932322A (zh) 一种面粉设备故障诊断方法及***
KR20210044657A (ko) 분포도를 통한 기기의 예지 보전방법
CN117763449A (zh) 一种多源故障自主定位与分类方法
CN117435883A (zh) 一种基于数字孪生的设备故障预测的方法和***
CN114943281B (zh) 一种热管冷却反应堆智能决策方法及***
CN117272844B (zh) 配电盘工作寿命的预测方法及***
CN117493129B (zh) 一种计算机控制设备的运行功率监测***
CN116707144B (zh) 一种低压配电箱故障预警方法
CN117458399B (zh) 基于多源数据监测的矿用防爆电机保护方法和***
Ma et al. Cloud based monitoring and diagnosis of gas turbine generator based on unsupervised learning
Luo et al. Study on fault diagnosis system design for power supplies based on built-in test theory
Fadzil et al. Event Modeller Data Analytic for Harmonic Failures
Yung-Cheng et al. Manufacturability of multivariate applications in the semiconductor industry
CN117767570A (zh) 一种防雷屏及其智能监控***和方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200911

RJ01 Rejection of invention patent application after publication