CN114295944A - 一种智能寻式变压器故障监测定位装置及优化算法 - Google Patents
一种智能寻式变压器故障监测定位装置及优化算法 Download PDFInfo
- Publication number
- CN114295944A CN114295944A CN202111630310.8A CN202111630310A CN114295944A CN 114295944 A CN114295944 A CN 114295944A CN 202111630310 A CN202111630310 A CN 202111630310A CN 114295944 A CN114295944 A CN 114295944A
- Authority
- CN
- China
- Prior art keywords
- data
- frequency
- sensor
- operation type
- partial discharge
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 24
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 abstract description 4
- 238000004804 winding Methods 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract 1
- 238000013102 re-test Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing Relating To Insulation (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种智能寻式变压器故障监测定位装置及优化算法,属于变压器技术领域,包括通过高频采集设备采集运行式超声波传感器的数据,分析实时数据,并以辅助数据作为辅助,计算判断出故障存在的风险点和位置坐标,根据目标点坐标计算出运行式超声波传感器的移动轨迹,控制运行式超声波传感器进行移动,不断的缩小运行式超声波传感器与实际故障点的距离,从而精确的找出实际故障点位置,解决了对变压器三相绕组的振动信号进行采集和滤波的技术问题,本发明通过算法实现装置的智能传感器寻找式布局,自动移动传感器位置,使得传感器使用更少,监测更全面、灵敏。
Description
技术领域
本发明属于变压器技术领域,尤其涉及一种智能寻式变压器故障监测定位装置及优化算法。
背景技术
传统的变压器局部放电监测装置,是将特高频传感器及超声波传感器安装在变压器上,固定后只能监测当前情况,而局放产生的位置与传感器位置固定,存在距离远,衰减大的情况,难以实现故障定位,存在误差情况较大。传感器需求大而监测效果不明显的现状。
2.传统的局放检测数据在的问题和缺点:
1、难以实现全面覆盖监测。
2、无针对性监测、需要更多传感器布局。
3、难以实现局放定位或存在很大局放定位难度。
4、依赖人工和经验布局,采样数据不够及时和丰富,不够自动化,需要一套优化算法。
5、不具备自动化诊断功能。
发明内容
本发明的目的是提供一种基于振动信号分析方法的变压器故障诊断装置,解决了对变压器三相绕组的振动信号进行采集和滤波的技术问题。
为实现上述目的,本发明采用如下技术方案:
一种智能寻式变压器故障监测定位优化算法,包括如下步骤:
步骤1:通过高频采集设备采集运行式超声波传感器的数据,对运行式超声波传感器的数据进行存储,生成实时数据,并在实时数据中标记出典型数据;
同时通过高频采集设备采集振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器的数据,并作为辅助数据进行存储;
步骤2:高频采集设备分析实时数据,并以辅助数据作为辅助,计算判断出故障存在的风险点和位置坐标,将风险点作为目标点,将位置坐标作为目标点坐标;
步骤3:高频采集设备根据目标点坐标计算出运行式超声波传感器的移动轨迹,并根据移动轨迹控制运行式超声波传感器进行移动;
运行式超声波传感器运行到目标点后,再次进行数据采集并通过高频采集设备上传数据;
步骤4:重复执行步骤1到步骤3,不断的缩小运行式超声波传感器与实际故障点的距离,从而精确的找出实际故障点位置;
步骤5:高频采集设备将故障点位置、实时数据和辅助数据均上传给上位机;
步骤6:上位机将实时数据和辅助数据归类为检测数据,根据检测数据核实故障点位置,生成报警信息和推荐解决方案。
优选的,在执行步骤1时,高频采集设备通过电子调速器来控制运行式超声波传感器的运动。
优选的,在执行步骤1时,高频采集设备对运行式超声波传感器采集的数据进行判断:当为局放有效数据时,对数据进行存储;反之,则判断是否符合放电模型特征:符合,则提高采样频率,获取局放信息及特征;不符合,则降低采样频率。
优选的,在执行步骤1时,高频采集设备采集振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器的数据后,判断数据是否满足局放数据特征:满足,则提高采样频率,获取符合局放特征的数据,生成辅助数据并存储;否,则以预设低采样频率采样。
一种基于振动信号分析方法的变压器故障诊断装置,包括高频采集设备、运行式超声波传感器、振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器,高频采集设备包括FPGA、工控机、放大处理单元、振动信号处理单元MCU和铁心接地信号处理单元MCU,FPGA由外部电源、电源管理单元、时钟和程序烧写单元构成了最小FPGA控制***,高频采集设备、运行式超声波传感器、特高频传感器、高频局放传感器和射频电磁波传感器均与放大器单元连接,放大器单元与FPGA连接;
振动传感器与振动信号处理单元MCU连接,振动信号处理单元MCU通过485总线与工控机通信;铁芯电流互感器与铁心接地信号处理单元MCU连接,铁心接地信号处理单元MCU通过485总线与工控机通信;FPGA通过网口与工控机通信;
工控机通过显示模块对外提供人机界面,通过网口或无线通信网络与外部设备通信。
本发明所述的种基于振动信号分析方法的变压器故障诊断装置,解决了对变压器三相绕组的振动信号进行采集和滤波的技术问题,本发明通过算法实现装置的智能传感器寻找式布局,自动移动传感器位置,使得传感器使用更少,监测更全面、灵敏,本发明智能筛选有效数据,智能分析故障距离及故障点,提高了故障分析效率及准确率,本发明通过监测算法判断规划传感器运行轨迹,着重监测疑似局放故障点。对无异常区域降低监测频次,进一步优化传输效率,提高运维成本,本发明对检测到有异常局放测量值时,会采用多个传感器复测结果,算法自动提高采集上送数据的频率,并自动化布局传感器距离、位置。通过超声波这样能更快更准确发现局放现象,定位故障问题,等到在局放值恢复正常后,算法会自动降低采样频率,降低功耗,释放数据、内存,本发明智能存储检测数据,智能分析数据结果,智能复测结果、智能上送告警、智能定位故障、智能推荐解决方案,使得运维更智能化、简易化。
附图说明
图1是本发明的装置电路图方框图;
图2是本发明的流程图。
具体实施方式
实施例1:
由图1-图2所示的一种智能寻式变压器故障监测定位优化算法,包括如下步骤:
步骤1:通过高频采集设备采集运行式超声波传感器的数据,对运行式超声波传感器的数据进行存储,生成实时数据,并在实时数据中标记出典型数据;
本实施例通过设定阈值方式及是否满足50Hz工频周期特征的值,将满足大于信号与环境噪声差值大于20dBuV值且满足工频周期信号的值保存下来,将环境信号的值和噪声干扰的值剔除,从而实现数据筛选。
同时通过高频采集设备采集振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器的数据,并作为辅助数据进行存储;
辅助数据:用不同传感器的不同监测方式可以进一步确认是否有局部放电的情况,有局部放点信号时,会有多个传感器监测到局放信号,并且具有相近的频谱特性。不同传感器的监测数据可以初步定位局放的大致位置坐标,根据位置坐标可以为超声波的局放监测及定位提高数据依据,辅助完成精确定位计算。
步骤2:高频采集设备分析实时数据,并以辅助数据作为辅助,计算判断出故障存在的风险点和位置坐标,将风险点作为目标点,将位置坐标作为目标点坐标;
辅助数据会初步判定故障情况和位置方向,并根据超声波故障测距原理,反复监测、测试、验证,多个超声波传感器同时验证定位,最终确定出故障点。
在实际应用中可能存在多个风险点,多个超声波传感器通过移动位置,分别对不同风险点验证,从而确定故障情况。
步骤3:高频采集设备根据目标点坐标计算出运行式超声波传感器的移动轨迹,并根据移动轨迹控制运行式超声波传感器进行移动;
局部放电信号传递到两传感器之间的时间差根据信号传递的速度,可以计算出局放点到两传感器间的距离(距离=速度*时间S=VT),通过第三个传感器可以确定到第三个点的距离。
两球面相交,其交线是一个圆(或是一个点,相切情况下)
一个圆与一个平面的交点,可以是一个点(相切),可以是两个点(相交),可以是一个圆,圆在平面内。
球体方程(x-a)^2+(y-b)^2+(z-c)^2=r^2,两个球面方程联立,解得圆坐标方程。
再与平面方程,kx+ly+mz+n=0,联立,就可以求得交点坐标了。
最终计算出:
y0=((r1_c*r1_c-r2_c*r2_c)+45*45-225*225)/-360;
z0=((r2_c*r2_c-r3_c*r3_c)-45*45+315*315+(y0-135)*(y0-135)-(y0-45)*(y0-45))/540;
x0=Math.Sqrt(r1_c*r1_c-(z0-45)*(z0-45)-(y0-225)*(y0-225));
得出交点坐标,及局放点坐标,根据多个传感器多组数据,可以最终判定局放位置。
运行式超声波传感器运行到目标点后,再次进行数据采集并通过高频采集设备上传数据;
步骤4:重复执行步骤1到步骤3,不断的缩小运行式超声波传感器与实际故障点的距离,从而精确的找出实际故障点位置;
步骤5:高频采集设备将故障点位置、实时数据和辅助数据均上传给上位机;
步骤6:上位机将实时数据和辅助数据归类为检测数据,根据检测数据核实故障点位置,生成报警信息和推荐解决方案。
本发明智能存储检测数据,智能分析数据结果,智能复测结果、智能上送告警、智能定位故障、智能推荐解决方案,使得运维更智能化、简易化。
智能复测是通过更多的传感器,不同组传感器复测计算结果,从而确定定位故障点的准确性。
智能定位是所有的过程都是主控***根据协调传感器获得数据,并处理分析数据,再协调传感器数据采集的智能化学习分析的过程。全程不需要人为参与,可分析出最终结果。
智能分析数据,是通过已知数据和运行结果数据,来分析新监测数据的准确性、可靠性、真实性。
在执行步骤1时,高频采集设备通过电子调速器来控制运行式超声波传感器的运动。
运行式超声波传感器的型号为LTD-MT-UltrSen。
在执行步骤1时,高频采集设备对运行式超声波传感器采集的数据进行判断:当为局放有效数据时,对数据进行存储;反之,则判断是否符合放电模型特征:符合,则提高采样频率,获取局放信息及特征;不符合,则降低采样频率。
在执行步骤1时,高频采集设备采集振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器的数据后,判断数据是否满足局放数据特征:满足,则提高采样频率,获取符合局放特征的数据,生成辅助数据并存储;否,则以预设低采样频率采样。
实施例2:
如图1所示,实施例2所述的一种基于振动信号分析方法的变压器故障诊断装置是与实施例1所述的一种智能寻式变压器故障监测定位优化算法配套的装置,包括高频采集设备、运行式超声波传感器、振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器,高频采集设备包括FPGA、工控机、放大处理单元、振动信号处理单元MCU和铁心接地信号处理单元MCU,FPGA由外部电源、电源管理单元、时钟和程序烧写单元构成了最小FPGA控制***,高频采集设备、运行式超声波传感器、特高频传感器、高频局放传感器和射频电磁波传感器均与放大器单元连接,放大器单元与FPGA连接;
振动传感器与振动信号处理单元MCU连接,振动信号处理单元MCU通过485总线与工控机通信;铁芯电流互感器与铁心接地信号处理单元MCU连接,铁心接地信号处理单元MCU通过485总线与工控机通信;FPGA通过网口与工控机通信;
工控机通过显示模块对外提供人机界面,通过网口或无线通信网络与外部设备通信。
本实施例中,运行式超声波传感器的型号为SR40M,高频采集设备为高频电流传感器LTDHF-60,特高频传感器的型号为LTD-PD10,放大处理单元是由放大器LTD-DETE构成的运算放大器电路,振动信号处理单元MCU和铁心接地信号处理单元MCU的型号均为STM32F407GET6,工控机通过无线通信模块与外部设备实现无线通信,无线通信模块的型号为USR-GPRS232-7S3,FPGA的型号为Zynq-xc7020-CLG484ABX2801,振动传感器的型号为LTD-50,铁芯电流互感器的型号为GTM-50,射频电磁波传感器为现有技术,故不详细叙述。
本发明通过运行式超声波传感器进行监测和定位。辅助以振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器及射频电磁波传感器多种原理监测。根据采样数据情况,算法控制超声波传感器轨迹,并相互配合。动态算法可以自动调节采样,对比优化超声波传感器的来更准确达到局放定位的效果。
本发明所述的种基于振动信号分析方法的变压器故障诊断装置,解决了对变压器三相绕组的振动信号进行采集和滤波的技术问题,本发明通过算法实现装置的智能传感器寻找式布局,自动移动传感器位置,使得传感器使用更少,监测更全面、灵敏,本发明智能筛选有效数据,智能分析故障距离及故障点,提高了故障分析效率及准确率,本发明通过监测算法判断规划传感器运行轨迹,着重监测疑似局放故障点。对无异常区域降低监测频次,进一步优化传输效率,提高运维成本,本发明对检测到有异常局放测量值时,会采用多个传感器复测结果,算法自动提高采集上送数据的频率,并自动化布局传感器距离、位置。通过超声波这样能更快更准确发现局放现象,定位故障问题,等到在局放值恢复正常后,算法会自动降低采样频率,降低功耗,释放数据、内存,本发明智能存储检测数据,智能分析数据结果,智能复测结果、智能上送告警、智能定位故障、智能推荐解决方案,使得运维更智能化、简易化。
Claims (5)
1.一种智能寻式变压器故障监测定位优化算法,其特征在于:包括如下步骤:
步骤1:通过高频采集设备采集运行式超声波传感器的数据,对运行式超声波传感器的数据进行存储,生成实时数据,并在实时数据中标记出典型数据;
同时通过高频采集设备采集振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器的数据,并作为辅助数据进行存储;
步骤2:高频采集设备分析实时数据,并以辅助数据作为辅助,计算判断出故障存在的风险点和位置坐标,将风险点作为目标点,将位置坐标作为目标点坐标;
步骤3:高频采集设备根据目标点坐标计算出运行式超声波传感器的移动轨迹,并根据移动轨迹控制运行式超声波传感器进行移动;
运行式超声波传感器运行到目标点后,再次进行数据采集并通过高频采集设备上传数据;
步骤4:重复执行步骤1到步骤3,不断的缩小运行式超声波传感器与实际故障点的距离,从而精确的找出实际故障点位置;
步骤5:高频采集设备将故障点位置、实时数据和辅助数据均上传给上位机;
步骤6:上位机将实时数据和辅助数据归类为检测数据,根据检测数据核实故障点位置,生成报警信息和推荐解决方案。
2.如权利要求1所述的一种智能寻式变压器故障监测定位优化算法,其特征在于:在执行步骤1时,高频采集设备通过电子调速器来控制运行式超声波传感器的运动。
3.如权利要求1所述的一种智能寻式变压器故障监测定位优化算法,其特征在于:在执行步骤1时,高频采集设备对运行式超声波传感器采集的数据进行判断:当为局放有效数据时,对数据进行存储;反之,则判断是否符合放电模型特征:符合,则提高采样频率,获取局放信息及特征;不符合,则降低采样频率。
4.如权利要求1所述的一种智能寻式变压器故障监测定位优化算法,其特征在于:在执行步骤1时,高频采集设备采集振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器的数据后,判断数据是否满足局放数据特征:满足,则提高采样频率,获取符合局放特征的数据,生成辅助数据并存储;否,则以预设低采样频率采样。
5.与权1配套的一种基于振动信号分析方法的变压器故障诊断装置,其特征在于:包括高频采集设备、运行式超声波传感器、振动传感器、特高频传感器、铁芯电流互感器、高频局放传感器和射频电磁波传感器,高频采集设备包括FPGA、工控机、放大处理单元、振动信号处理单元MCU和铁心接地信号处理单元MCU,高频采集设备、运行式超声波传感器、特高频传感器、高频局放传感器和射频电磁波传感器均与放大器单元连接,放大器单元与FPGA连接;
振动传感器与振动信号处理单元MCU连接,振动信号处理单元MCU通过485总线与工控机通信;铁芯电流互感器与铁心接地信号处理单元MCU连接,铁心接地信号处理单元MCU通过485总线与工控机通信;
FPGA通过网口与工控机通信;
工控机通过显示模块对外提供人机界面,通过网口或无线通信网络与外部设备通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111630310.8A CN114295944B (zh) | 2021-12-28 | 2021-12-28 | 一种智能寻式变压器故障监测定位装置及优化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111630310.8A CN114295944B (zh) | 2021-12-28 | 2021-12-28 | 一种智能寻式变压器故障监测定位装置及优化算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114295944A true CN114295944A (zh) | 2022-04-08 |
CN114295944B CN114295944B (zh) | 2023-11-10 |
Family
ID=80971707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111630310.8A Active CN114295944B (zh) | 2021-12-28 | 2021-12-28 | 一种智能寻式变压器故障监测定位装置及优化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295944B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013185405A1 (zh) * | 2012-06-13 | 2013-12-19 | 江苏省电力公司南京供电公司 | 电力变压器铁芯松动故障诊断与故障初步定位***及方法 |
CN105446336A (zh) * | 2015-12-08 | 2016-03-30 | 哈尔滨工业大学 | 一种用于寒地变电站的机器人巡检***及巡检方法 |
CN106154126A (zh) * | 2016-06-21 | 2016-11-23 | 国家电网公司 | 一种基于超声波的变压器放电检测方法 |
CN110531398A (zh) * | 2019-09-02 | 2019-12-03 | 中国安全生产科学研究院 | 基于gps与超声波的室外机器人定位***及方法 |
CN111289829A (zh) * | 2020-03-18 | 2020-06-16 | 西南石油大学 | 一种基于多源信息融合的配电变压器在线监测方法及*** |
-
2021
- 2021-12-28 CN CN202111630310.8A patent/CN114295944B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013185405A1 (zh) * | 2012-06-13 | 2013-12-19 | 江苏省电力公司南京供电公司 | 电力变压器铁芯松动故障诊断与故障初步定位***及方法 |
CN105446336A (zh) * | 2015-12-08 | 2016-03-30 | 哈尔滨工业大学 | 一种用于寒地变电站的机器人巡检***及巡检方法 |
CN106154126A (zh) * | 2016-06-21 | 2016-11-23 | 国家电网公司 | 一种基于超声波的变压器放电检测方法 |
CN110531398A (zh) * | 2019-09-02 | 2019-12-03 | 中国安全生产科学研究院 | 基于gps与超声波的室外机器人定位***及方法 |
CN111289829A (zh) * | 2020-03-18 | 2020-06-16 | 西南石油大学 | 一种基于多源信息融合的配电变压器在线监测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114295944B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107526329A (zh) | 基于人工智能设计的机器人管理*** | |
CN115423127B (zh) | 一种基于人工智能的电力设备现场运维方法及*** | |
CN116320832B (zh) | 一种监控设备故障监测方法及装置 | |
CN115187527B (zh) | 一种多源混合型特高频局部放电图谱的分离识别方法 | |
CN110927537A (zh) | 一种基于物联网边缘计算的局部放电监测装置及方法 | |
CN112305386A (zh) | 一种基于数字孪生技术的高压电缆带电检测***及方法 | |
CN117517907B (zh) | 一种变电站电容型设备的绝缘状态监测方法及*** | |
CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
CN104535735B (zh) | 水质远程在线监测方法 | |
CN106441272A (zh) | 一种管道清堵机器人自动快速定位***及方法 | |
CN202614273U (zh) | 一种火电厂传感器故障诊断装置 | |
CN110260790A (zh) | 一种基于3d视觉的冲孔角钢的检测装置及其检测方法 | |
CN112348052A (zh) | 一种基于改进EfficientNet的输变电设备异常声源定位方法 | |
CN110929677A (zh) | 一种振动数据在线监测分析*** | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN115272560B (zh) | 一种基于三维声场云图的变电设备隐患定位方法及*** | |
CN209805505U (zh) | 一种配电房移动式巡检装置 | |
CN114295944B (zh) | 一种智能寻式变压器故障监测定位装置及优化算法 | |
CN117744029A (zh) | 基于数据分析的电脑主机运行环境适应性测试*** | |
CN117032055A (zh) | 一种工业设备智能控制*** | |
CN117420792A (zh) | 用于复合型加工机床的中控*** | |
CN117192369A (zh) | 基于数字孪生技术的曳引电机监测与诊断方法 | |
CN108171818A (zh) | 一种冷轧带钢过程数据统计方法 | |
CN203012103U (zh) | 大型天线伺服电机的在线检测*** | |
CN114137388B (zh) | 线路板信号寻迹检测*** |
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 |