CN112090478B - 一种基于线性回归破碎机故障诊断方法 - Google Patents

一种基于线性回归破碎机故障诊断方法 Download PDF

Info

Publication number
CN112090478B
CN112090478B CN202010863644.9A CN202010863644A CN112090478B CN 112090478 B CN112090478 B CN 112090478B CN 202010863644 A CN202010863644 A CN 202010863644A CN 112090478 B CN112090478 B CN 112090478B
Authority
CN
China
Prior art keywords
data
crusher
regression
groups
linear regression
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
Application number
CN202010863644.9A
Other languages
English (en)
Other versions
CN112090478A (zh
Inventor
张勇
董星宇
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.)
University of Science and Technology Liaoning USTL
Original Assignee
University of Science and Technology Liaoning USTL
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 University of Science and Technology Liaoning USTL filed Critical University of Science and Technology Liaoning USTL
Priority to CN202010863644.9A priority Critical patent/CN112090478B/zh
Publication of CN112090478A publication Critical patent/CN112090478A/zh
Application granted granted Critical
Publication of CN112090478B publication Critical patent/CN112090478B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C2/00—Crushing or disintegrating by gyratory or cone crushers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C23/00—Auxiliary methods or auxiliary devices or accessories specially adapted for crushing or disintegrating not provided for in preceding groups or not specially adapted to apparatus covered by a single preceding group
    • B02C23/04—Safety devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Algebra (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Food Science & Technology (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Disintegrating Or Milling (AREA)

Abstract

一种基于线性回归破碎机故障诊断方法，选取圆锥破碎机的主机电流、传动轴振幅及频率、机身振幅及频率作为故障诊断参数，在归一化处理后利用多元回归的方法将圆锥破碎机工作稳定后记录的n组数据建立用于诊断的偏回归系数向量，对于新数据以n组为做一次多元线性回归得到代表当前状态的向量，并将当前向量与诊断向量计算相关系数，以此来反映圆锥破碎机当前运行状况偏离正常运行时稳定状态的程度；当相关度出现在0.6以下但没有出现急剧下降趋势时在停机后检查机器，根据检查结果记录故障类型并将多元回归后的数组添加到下一次故障诊断的对照数据库中；当相关度低于0.6且继续出现快速下降趋势时应尽快停机检查，为企业节省故障诊断时间。

Description

一种基于线性回归破碎机故障诊断方法
技术领域
本发明涉及技术检测技术领域，特别涉及一种基于线性回归破碎机故障诊断方法。
背景技术
圆锥破碎机广泛应用于矿山、冶炼、建材、公路、水利等多个部门，尤其在矿山岩石的中破和细破中占据了关键性地位。由于工作环境恶劣，圆锥破碎机的故障率高，维修成本也高，其故障监测与诊断是矿山设备管理中亟待解决的重点问题。
为了保证企业效益，停机检测维修越来越不被企业提倡。而在线故障诊断可以满足这一要求，减少了线下作业时间，但也增加了对检测设备和处理器的要求。常用的故障诊断方法有神经网络算法、模糊控制算法、支持向量机和专家***等。其中，神经网络算法和支持向量机都需要带有分类标签的训练数据作为支撑，尤其是神经网络需要大量的数据支持；模糊控制算法则需要凭经验选择模糊隶属度函数，模糊规则的建立更是需要以大量的操作实践为基础；专家***则是需要专家对该领域的故障诊断尽可能的了解才能建立相对完善的专家知识库，这对于圆锥破碎机的故障诊断来说并不适用。
发明内容
为了解决背景技术提出的技术问题，本发明提供一种基于线性回归破碎机故障诊断方法，利用圆锥破碎机正常运行时的历史数据作为训练数据，将破碎机的主机电流、传动轴振幅及频率、机身振幅及频率以及润滑***压力等作为故障诊断参数进行分析。避免了大样本数据的预先构造带来的不便也保证了数据的真实可靠，并且不需要事先知道破碎机故障与各个特征量的关系就可以运行，在诊断出故障后再进行故障分析可以避免因为知识库不完善导致的漏诊和误诊。为企业节省故障诊断时间，提高圆锥破碎机的生产效率。
为了达到上述目的，本发明采用以下技术方案实现：
一种基于线性回归破碎机故障诊断方法，选取圆锥破碎机的主机电流、传动轴振幅及频率、机身振幅及频率作为故障诊断参数，在归一化处理后利用多元回归的方法将圆锥破碎机工作稳定后记录的n组数据建立用于诊断的偏回归系数向量，对于新数据以n组为做一次多元线性回归得到代表当前状态的向量，并将当前向量与诊断向量计算相关系数，以此来反映圆锥破碎机当前运行状况偏离正常运行时稳定状态的程度；当相关度出现在0.6以下但没有出现急剧下降趋势时在停机后检查机器，根据检查结果记录故障类型并将多元回归后的数组添加到下一次故障诊断的对照数据库中；当相关度低于0.6且继续出现快速下降趋势时应尽快停机检查；具体包括以下步骤：
步骤一、选择故障诊断参数并进行归一化处理
根据圆锥破碎机的工作特性，破碎机在稳定运行时电流信号和振动信号是快速变化的，相对于温度和油压等信号具有能够快速反映设备当前运行状况的能力，故选取圆锥破碎机的主机电流、传动轴振幅及频率、机身振幅及频率、润滑油箱供油压力、紧锁压力、释放压力以及衬板压力作为故障诊断的依据；
步骤二、生成用于故障诊断的对照数据
在圆锥破碎机启动并稳定运行后采集n组数据，利用多元线性回归的方法计算出一组近似解作为故障诊断的对照数据；通过计算机获取n组稳定运行数据并依据多元线性回归理论进行线性拟合，得到用于对照的表征破碎机状态正常的偏回归系数向量b；
步骤三、滚动生成表征破碎机当前状态的检测数据
在圆锥破碎机生成用于表征正常状态的对照数据后，根据多元回归理论计算滚动更新的偏回归系数向量bnew，对于后续的采样数据每n组进行一次线性回归，每次更新一组生成实时更新的检测数据；
步骤四、计算检测数据与对照数据的相关性
根据相关系数计算公式计算b,bnew间的相关系数r，并根据阈值0.6来判断破碎机当前运行状态是否正常，r>0.6表示破碎机运行正常，圆锥破碎机稳定运行时相关系数变动较小，当相关系数降至0.6以下时说明该圆锥破碎机已经严重偏离了正常运行时的状态，应该在停机后检修；
步骤五、得出诊断结果并作为下次诊断的依据
对于诊断出非正常状态的破碎机，经过专家鉴定后，记录故障种类，并保留当相关系数低于0.6时的实时数据生成的一组多元回归后的偏回归系数向量，在下一次发生故障时用于故障类型判别，如果不是同一类故障即相关系数低于0.6，则仍然需要专家鉴定并将结果保留作为新的故障类别判定依据。
进一步地，所述的步骤一中，归一化处理具体为：采用零均值规范化，公式如下；
Figure GDA0003520748230000031
式中：
Figure GDA0003520748230000032
表示所有数据的平均值，σ表示所有数据的标准差。
进一步地，所述的步骤二中，在圆锥破碎机启动并稳定运行后采集30组数据，利用多元线性回归的方法计算出一组近似解作为故障诊断的对照数据；
通过计算机获取30组稳定运行数据并依据多元线性回归理论进行线性拟合，得到用于对照的表征破碎机状态正常的偏回归系数向量b。
进一步地，所述的步骤三中，根据多元回归理论计算滚动更新的偏回归系数向量bnew，对于后续的采样数据每30组进行一次线性回归，每次更新一组生成实时更新的检测数据；
具体的滚动更新方式如下：
①选择第1-30组测量数据进行第1次运算；
②选择第2-31组测量数据进行第2次运算；
③选择第3-32组测量数据进行第3次运算；
④以此类推得到多组运算数据。
进一步地，所述的步骤四中，对于每一次新生成的检测数据都与对照数据进行相关系数计算，相关系数的计算公式如下：
Figure GDA0003520748230000033
式中，b,bnew分别表示线性回归运算后的表征圆锥破碎机正常状态的向量和实时更新的表征该圆锥破碎机当前状态的线性回归后的向量，Cov(b,bnew)表示b,bnew的协方差，Var(b),Var(bnew)分别表示b,bnew的方差。
与现有技术相比，本发明的有益效果是：
本发明的一种基于线性回归破碎机故障诊断方法研究，避免了因离线训练导致的诊断结果偏离现场的情况，利用多元线性回归的方法提高了数据的可拓展性，采用多组数据并滚动更新的数据处理方式降低了瞬时脉冲信号可能造成的干扰，不断丰富的故障判别信息使故障诊断的精度不断提高，提高企业生产效率，减少企业负担。
附图说明
图1为本发明的一种基于线性回归破碎机故障诊断方法结构框图；
图2为本发明的数据滚动更新示意图。
具体实施方式
以下结合附图对本发明提供的具体实施方式进行详细说明。
一种基于线性回归破碎机故障诊断方法，具体包括如下：
1)选择故障诊断参数
如图1所示，首先确定输入变量，选择圆锥破碎机的主机电流、传动轴的振动幅度、传动轴的振动频率、机身的振动幅度、机身的振动频率、润滑油泵的供油压力、紧缩压力、释放压力以及衬板压力作为初始的故障诊断参数，以主机电流作为因变量，其余变量作为自变量构造多元线性关系，令传动轴的振幅为x1，传动轴的振动频率为x2，机身的振幅为x3，机身的振动频率为x4，润滑油泵的供油压力为x5，紧锁压力为x6，释放压力为x7，衬板压力为x8，主机电流为x9；
选取179组变量数据，1-81组数据为正常数据，82-179组数据为异常数据，经过(1)式标准化后，给出标准化后的前30组测量数据如下：
表1标准化后的前30组变量数据表
Figure GDA0003520748230000041
Figure GDA0003520748230000051
2)生成用于故障诊断的对照数据
利用计算表征圆锥破碎机正常运行的偏回归性系数向量，通过计算机获取30组稳定运行数据并依据多元线性回归理论进行线性拟合，得到用于对照的表征破碎机状态正常的偏回归系数向量b：
b＝[-0.6463,0.2497,-0.1031,-0.0399,0.0510,0.0400,0.1431,0.0040]′。
3)滚动生成表征破碎机当前状态的检测数据
如图2所示，在圆锥破碎机生成用于表征正常状态的对照数据后，对于后续的采样数据每30组进行一次线性回归，每次更新一组生成实时更新的检测数据,第31组数据计算出的
bnew＝[-0.8352,0.1122,0.0170,-0.0341,-0.0501,0.0852,0.0653,-0.0338]，
b,bnew分别表示线性回归运算后的表征圆锥破碎机正常状态的向量和实时更新的表征该圆锥破碎机当前状态的线性回归后的向量，此处的第31组数据指的是第31次运算用到的数据，下同；
4)计算检测数据与对照数据的相关性
对于每一次新生成的检测数据都与对照数据进行相关系数计算，相关系数的计算公式如下，
Figure GDA0003520748230000052
式中，b,bnew分别表示线性回归运算后的表征圆锥破碎机正常状态的向量和实时更新的表征该圆锥破碎机当前状态的线性回归后的向量，Cov(b,bnew)表示b,bnew的协方差，Var(b),Var(bnew)分别表示b,bnew的方差；
第31组数据计算出的偏回归系数向量bnew与第1组数据计算出的偏回归系数向量b进行相关系数的计算结果为r＝0.9485,说明当前破碎机运行状态稳定；
5)得出诊断结果，丰富下次诊断的依据
对于诊断出非正常状态的破碎机，经过专家鉴定后，记录故障种类，并保留当相关系数低于0.6时的实时数据生成的一组多元回归后的偏回归系数向量，在下一次发生故障时用于故障类型判别，如果不是同一类故障即与已知故障的偏回归系数向量相关系数低于0.6，则仍然需要专家鉴定并将结果保留作为新的故障类别判定依据；
如第66组数据到第75组数据的相关系数为0.5643、0.6037、0.6078、0.6067、0.5989、0.5670、0.4490、0.4683、0.4471、0.4803、0.5441，说明已经偏离正常运行的范围，应在停机后检查。
以上实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。

Claims (4)

1.一种基于线性回归破碎机故障诊断方法，其特征在于，选取圆锥破碎机的主机电流、传动轴振幅及频率、机身振幅及频率作为故障诊断参数，在归一化处理后利用多元回归的方法将圆锥破碎机工作稳定后记录的n组数据建立用于诊断的偏回归系数向量，对于新数据以n组为做一次多元线性回归得到代表当前状态的向量，并将当前向量与诊断向量计算相关系数，以此来反映圆锥破碎机当前运行状况偏离正常运行时稳定状态的程度；当相关度出现在0.6以下但没有出现急剧下降趋势时在停机后检查机器，根据检查结果记录故障类型并将多元回归后的数组添加到下一次故障诊断的对照数据库中；当相关度低于0.6且继续出现快速下降趋势时应尽快停机检查；具体包括以下步骤：
步骤一、选择故障诊断参数并进行归一化处理
根据圆锥破碎机的工作特性，破碎机在稳定运行时电流信号和振动信号是快速变化的，相对于温度和油压等信号具有能够快速反映设备当前运行状况的能力，故选取圆锥破碎机的主机电流、传动轴振幅及频率、机身振幅及频率、润滑油箱供油压力、紧锁压力、释放压力以及衬板压力作为故障诊断的依据；
步骤二、生成用于故障诊断的对照数据
在圆锥破碎机启动并稳定运行后采集n组数据，利用多元线性回归的方法计算出一组近似解作为故障诊断的对照数据；通过计算机获取n组稳定运行数据并依据多元线性回归理论进行线性拟合，得到用于对照的表征破碎机状态正常的偏回归系数向量b；
步骤三、滚动生成表征破碎机当前状态的检测数据
在圆锥破碎机生成用于表征正常状态的对照数据后，根据多元回归理论计算滚动更新的偏回归系数向量bnew，对于后续的采样数据每n组进行一次线性回归，每次更新一组生成实时更新的检测数据；
步骤四、计算检测数据与对照数据的相关性
根据相关系数计算公式计算b,bnew间的相关系数r，并根据阈值0.6来判断破碎机当前运行状态是否正常，r>0.6表示破碎机运行正常，当相关系数降至0.6以下时说明该圆锥破碎机已经严重偏离了正常运行时的状态，应该在停机后检修；
步骤五、得出诊断结果并作为下次诊断的依据
对于诊断出非正常状态的破碎机，经过专家鉴定后，记录故障种类，并保留当相关系数低于0.6时的实时数据生成的一组多元回归后的偏回归系数向量，在下一次发生故障时用于故障类型判别，如果不是同一类故障即相关系数低于0.6，则仍然需要专家鉴定并将结果保留作为新的故障类别判定依据。
2.根据权利要求1所述的一种基于线性回归破碎机故障诊断方法，其特征在于，所述的步骤一中，归一化处理具体为：采用零均值规范化，公式如下；
Figure FDA0003611645900000021
式中：
Figure FDA0003611645900000023
表示所有数据的平均值，σ表示所有数据的标准差。
3.根据权利要求1所述的一种基于线性回归破碎机故障诊断方法，其特征在于，所述的步骤三中，根据多元回归理论计算滚动更新的偏回归系数向量bnew，对于后续的采样数据每30组进行一次线性回归，每次更新一组生成实时更新的检测数据；
具体的滚动更新方式如下：
①选择第1-30组测量数据进行第1次运算；
②选择第2-31组测量数据进行第2次运算；
③选择第3-32组测量数据进行第3次运算；
④以此类推得到多组运算数据。
4.根据权利要求1所述的一种基于线性回归破碎机故障诊断方法，其特征在于，所述的步骤四中，对于每一次新生成的检测数据都与对照数据进行相关系数计算，相关系数的计算公式如下：
Figure FDA0003611645900000022
式中，b,bnew分别表示线性回归运算后的表征圆锥破碎机正常状态的向量和实时更新的表征该圆锥破碎机当前状态的线性回归后的向量，Cov(b,bnew)表示b,bnew的协方差，Var(b),Var(bnew)分别表示b,bnew的方差。
CN202010863644.9A 2020-08-25 2020-08-25 一种基于线性回归破碎机故障诊断方法 Active CN112090478B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010863644.9A CN112090478B (zh) 2020-08-25 2020-08-25 一种基于线性回归破碎机故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010863644.9A CN112090478B (zh) 2020-08-25 2020-08-25 一种基于线性回归破碎机故障诊断方法

Publications (2)

Publication Number Publication Date
CN112090478A CN112090478A (zh) 2020-12-18
CN112090478B true CN112090478B (zh) 2022-06-17

Family

ID=73753290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010863644.9A Active CN112090478B (zh) 2020-08-25 2020-08-25 一种基于线性回归破碎机故障诊断方法

Country Status (1)

Country Link
CN (1) CN112090478B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114398800B (zh) * 2022-01-27 2022-10-25 矿冶科技集团有限公司 破碎机***故障诊断方法及装置
CN114308358B (zh) * 2022-03-17 2022-05-27 山东金有粮脱皮制粉设备有限公司 一种玉米芯磨粉设备的安全运行监测***

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7089154B2 (en) * 2001-08-09 2006-08-08 Rovsing Dynamics A/S Automatic machinery fault diagnostic method and apparatus
CN100594066C (zh) * 2008-04-25 2010-03-17 东南大学 中储式钢球磨制粉***运行优化和节能控制方法
CN201244509Y (zh) * 2008-05-27 2009-05-27 广东远大机械集团有限公司 圆锥破碎机齿轮传动智能化状态监测装置
ES2686355T3 (es) * 2014-06-27 2018-10-17 Fpt Motorenforschung Ag Sistema para detectar una condición del filtro de aire, en particular para motores de combustión
CN204953093U (zh) * 2015-08-30 2016-01-13 宋国丰 一种高效率圆锥破碎机监测***
CN106202635B (zh) * 2016-06-28 2019-04-26 西安理工大学 一种基于多元回归模型的高速列车动态轴温预测方法
CN107127043B (zh) * 2017-06-28 2020-03-24 中国科学院上海高等研究院 一种破碎机故障监测***及方法
KR101908959B1 (ko) * 2017-11-16 2018-10-17 삼영플랜트주식회사 지능형 콘 크러셔의 윤활 시스템
CN211190340U (zh) * 2019-06-17 2020-08-07 太原重工股份有限公司 一种双齿辊破碎机状态监测与故障诊断***
CN110967182B (zh) * 2019-11-13 2021-07-13 鞍钢集团矿业有限公司 圆锥破碎机振动数据采集与预处理方法

Also Published As

Publication number Publication date
CN112090478A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN112090478B (zh) 一种基于线性回归破碎机故障诊断方法
US7536371B2 (en) Apparatus and method for the analysis of a process having parameter-based faults
CN109766334B (zh) 用于电力设备在线监测异常数据的处理方法及***
US8010321B2 (en) Metrics independent and recipe independent fault classes
US9547544B2 (en) Method for verifying bad pattern in time series sensing data and apparatus thereof
US20130132000A1 (en) Monitoring diagnostic device and monitoring diagnostic method
CN115425764A (zh) 一种电力***智能网络风险实时监控方法、***及存储介质
CN112036089A (zh) 一种基于dpc-mnd和多元状态估计的磨煤机故障预警方法
CN111352408B (zh) 一种基于证据k近邻的多工况流程工业过程故障检测方法
CN117193164B (zh) 一种数控机床的故障监测方法及***
Li et al. Canonical variate residuals-based contribution map for slowly evolving faults
CN110687895B (zh) 一种基于自适应核主成分分析的化工过程故障检测方法
EP4336295A1 (en) System and method for intelligently monitoring machine equipment
CN107272625B (zh) 一种基于贝叶斯理论的工业过程故障诊断方法
Yong et al. Anomaly detection of semiconductor processing data based on DTW-LOF algorithm
CN116048036A (zh) 基于动态非平稳投影结构的故障检测方法
CN111624985B (zh) 燃气轮机控制***传感器故障诊断方法
Weighell et al. The statistical monitoring of a complex manufacturing process
CN115327436A (zh) 一种基于复合统计量的配电网短路故障诊断方法
JP2009283580A (ja) 半導体装置の生産管理システム
Kim et al. Fault detection method using inverse distance weight-based local outlier factor
CN116862299B (zh) 一种用于智慧工厂的数据处理***和数据处理方法
CN109102001A (zh) 一种遗传基因改进神经网络的转子在线故障诊断方法
CN117540284B (zh) 一种pdu运行故障检测方法
US20240176329A1 (en) Control method for casting machine, control system for casting machine and computer-readable storage medium

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