CN115497267A - 基于时序关联规则的设备预警平台 - Google Patents
基于时序关联规则的设备预警平台 Download PDFInfo
- Publication number
- CN115497267A CN115497267A CN202211085661.XA CN202211085661A CN115497267A CN 115497267 A CN115497267 A CN 115497267A CN 202211085661 A CN202211085661 A CN 202211085661A CN 115497267 A CN115497267 A CN 115497267A
- Authority
- CN
- China
- Prior art keywords
- equipment
- time sequence
- data
- early warning
- association rule
- 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
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000010354 integration Effects 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000011960 computer-aided design Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供基于时序关联规则的设备预警平台，涉及计算机辅助设计与制造领域，包括设备层、控制层和应用层，所述设备层内包括设备、用于采集设备温度的传感器、用于采集设备流量的计量装置和设备控制器，所述控制层内设有控制***、线边控制***及被控制***控制的报警***，所述应用层内设有设备管理***、用于同步数据的跨***集成和预警子***。本发明纳入了工艺参数与故障的关联规则维度，提高算法收敛速度及预警的准确度，提前发现设备问题隐患，提前解决问题，提高设备的可靠性和稳定性，提出的改进时序关联规则算法，收敛速度快、处理效率高，对客户端配置要求低，降低了平台使用成本。
Description
技术领域
本发明涉及计算机辅助设计与制造领域，具体为基于时序关联规则的设备预警平台。
背景技术
在目前的工业生产生活中，都会大批量地使用多样的加工设备来保证生产活动的进行，这些设备价格昂贵，维修成本高，一旦发生事故或停机，会严重影响生产效率，所以工厂的大多会配备设备故障预警***进行预防，保证在设备出现问题前或出现问题的第一时间进行预警反馈，但是现有的设备故障预警技术，主要是针对故障代码进行分类，根据数据挖掘技术预测故障趋势，缺少了关键工艺参数的维度，其次传统的关联规则挖掘算法有两个弊端，一是重复扫描数据库，数据库开销大，二是迭代次数多，处置的数据量大，算法适应性差，导致对客户端的配置要求高，预警平台的决策反应慢，处理效率低，增加了平台使用成本。
发明内容
针对现有技术的不足，本发明提供了基于时序关联规则的设备预警平台，解决了检查的全面性差，使用起来不方便和精度不高的问题。
为实现以上目的，本发明通过以下技术方案予以实现：基于时序关联规则的设备预警平台，包括设备层、控制层和应用层，所述设备层内包括设备、用于采集设备温度的传感器、用于采集设备流量的计量装置和设备控制器，所述控制层内设有控制***、用于读取控制***数据和将数据写入控制***的线边控制***及被控制***控制的报警***，用于采集设备关键工艺参数及报警信息，所述应用层内设有设备管理***、用于同步数据的跨***集成和预警子***，用于收集预警数据，对数据预处理及通过时序关联规则算法进行预警分析。
优选的，所述控制***还与传感器和计量装置电连接，用于接入传感器的温度数据和计量装置的流量数据。
优选的，所述跨***数据与设备控制器电连接，用于实时读取设备控制器的数据。
优选的，所述线边控制***还与设备管理***电连接，用于同步输出数据。
优选的，所述时序关联规则算法具体包括以下步骤：
S1：通过传感器及计量装置采集设备温度信息及流量信息；
S2：将采集的数据储存入数据库或数据仓库内；
S3：对数据进行预处理，采用Apriori改进算法将故障数据库转换为时序项集矩阵；
S4：输入所有频繁项集，包括支持度、置信度和保养系数，拆分时序规则模式，输出所有频繁时序管理规则；
S5：做出决策并反馈决策结果，若决策结果为T，则重置参数并返回步骤S4，若决策结构为F，则执行结束指令。
工作原理：设备故障预警对于设备安全运行，提高设备管理效率具有重要的现实意义。考虑设备故障数据的特点，结合传统时序关联规则算法的思想，建立了时序故障数据模型，将故障数据转换为时序项集矩阵，针对该矩阵，提出了改进的频繁时序关联规则查找算法，利用该算法对设备故障数据进行频繁时序关联规则挖掘，预测设备故障趋势，为设备管理提供有力支持。
本发明提供了基于时序关联规则的设备预警平台。具备以下有益效果：
1、本发明不仅考虑了故障代码的时序关联规则分析，还纳入了工艺参数与故障的关联规则维度，提高算法收敛速度及预警的准确度，提高设备的使用寿命，设备预警平台为设备的运维保养提供决策支持，提前发现设备问题隐患，提前解决问题，提高设备的可靠性和稳定性。
2、本发明通过提出了改进的时序关联规则算法，将预警数据库转换为时序项集矩阵，对数据库的操作转换为对矩阵的处理，提高算法效率，算法收敛速度快、处理效率高，对客户端配置要求低，降低了平台使用成本。
附图说明
图1为本发明的整体流程示意图；
图2为本发明中时序关联规则算法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
如图1-2所示，本发明实施例提供基于时序关联规则的设备预警平台，包括设备层、控制层和应用层，设备层内包括设备、用于采集设备温度的传感器、用于采集设备流量的计量装置和设备控制器，控制层内设有控制***、用于读取控制***数据和将数据写入控制***的线边控制***及被控制***控制的报警***，用于采集设备关键工艺参数及报警信息，应用层内设有设备管理***、用于同步数据的跨***集成和预警子***，用于收集预警数据，对数据预处理及通过时序关联规则算法进行预警分析。
控制***还与传感器和计量装置电连接，用于接入传感器的温度数据和计量装置的流量数据，跨***数据与设备控制器电连接，用于实时读取设备控制器的数据，线边控制***还与设备管理***电连接，用于同步输出数据。
本实施例中，通过不断的积累和沉淀，建立设备可靠性模型，并将模型抽象化，形成设备预警子***，对设备采集数据以及故障数据形成海量的信息，通过对大数据的关联规则分析及算法处理，对设备可靠性进行评价和预测，提前发现故障，为设备的维修作出决策支持，提高设备的使用寿命。
对于所有被采集设备的实时状态信息，在一个软件界面内全部体现，并且该界面内应对设备的状态加以不同颜色的预警信号灯以区别，方便管理人员及时发现设备关机、异常停工、故障等情况。
时序关联规则算法具体包括以下步骤：
S1：通过传感器及计量装置采集设备温度信息及流量信息；
S2：将采集的数据储存入数据库或数据仓库内；
S3：对数据进行预处理，采用Apriori改进算法将故障数据库转换为时序项集矩阵；
S4：输入所有频繁项集，包括支持度、置信度和保养系数，拆分时序规则模式，输出所有频繁时序管理规则；
S5：做出决策并反馈决策结果，若决策结果为T，则重置参数并返回步骤S4，若决策结构为F，则执行结束指令。
具体的，在频繁项集的所有时序规则模式中，不一定每个时序规则模式的最大同一时序关联规则都能满足最小时序支持度。所以设备故障预警可以转换为求时序项集矩阵的所有频繁时序关联规则，从而预测设备故障趋势。
进一步的，由于挖掘的对象是海量的故障数据，传统的挖掘算法有两个弊端，首先重复扫描数据库，数据库开销大，其次迭代次数多，处置的数据量大，算法适应性差，本发明提出一种Apriori改进算法，将故障数据库转换为时序项集矩阵，对数据库的操作转换为对矩阵的处理，减少了对计算机配置的要求，提高了算法效率和计算速度，利用该关联规则算法找出时序项集矩阵中所有的频繁项集。
进一步的，在求频繁时序关联规则中，在所有频繁项集中，找到每个频繁项集的所有时序规则模式，通过最小支持度和最小置信度，筛选出所有频繁时序关联规则，最后做出相应的决策。
进一步的，具体的反馈机制还需根据企业现场的实际情况，判断是否需要启动反馈机制，如果需要，则重置支持度、置信度和保养系数。
进一步的，步骤S4的算法伪代码如下：
输入：所有频繁项集List{L[K]}，最小支持度、最小置信度、保养系数；
输出：所有频繁时序关联规则；
1：for(i＝1；List{L[K]}！＝null；i++){
2：for all pattern{//每个频繁项集的所有时序规则模式做循环；
3：按照”→”拆分时序规则模式为时序项集A和时序项B；
4：for all records{//所有记录做循环；
5：if(#(A,Ta)＝0){continue；}；
6：(A,Ta)-(B,Tb)＝A→B:ΔT//时序规则模式相减运算；
7：if(ΔT<0){continue；}；
8：else{save A→B:ΔT}；}；}；}；//时间大于0，保存结果；
9：ΔT1∩ΔT2∩…∩ΔTi//时间模式判别运算；
10：计算最大同一时序关联规则的支持度，与最小支持度比较；
11：计算最大同一时序关联规则的置信度，与最小置信度比较；
12：输出频繁时序关联规则。
另一个实施例中，以国内某印刷加工企业为例，该企业印刷设备价格昂贵，维修成本高，一旦停机将影响生产效率，该印刷设备关键部位温度过高和润滑油流量过低是发生故障的主要原因，为了提高设备的可靠性，及时发现设备隐患点，应用了本发明专利技术：
(1)收集整理设备管理***中的历史故障单据数据，结合实时采集的温度和流量数据，运用时序关联规则算法，进行设备故障预警，当然，可以配置不同算法参数，以满足不同预警需求。
(2)平台工具应用：本专利作为独立的预警分析工具，可脱离其他***独立运行。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.基于时序关联规则的设备预警平台，包括设备层、控制层和应用层，其特征在于：所述设备层内包括设备、用于采集设备温度的传感器、用于采集设备流量的计量装置和设备控制器，所述控制层内设有控制***、用于读取控制***数据和将数据写入控制***的线边控制***及被控制***控制的报警***，用于采集设备关键工艺参数及报警信息，所述应用层内设有设备管理***、用于同步数据的跨***集成和预警子***，用于收集预警数据，对数据预处理及通过时序关联规则算法进行预警分析。
2.根据权利要求1所述的基于时序关联规则的设备预警平台，其特征在于：所述控制***还与传感器和计量装置电连接，用于接入传感器的温度数据和计量装置的流量数据。
3.根据权利要求1所述的基于时序关联规则的设备预警平台，其特征在于：所述跨***数据与设备控制器电连接，用于实时读取设备控制器的数据。
4.根据权利要求1所述的基于时序关联规则的设备预警平台，其特征在于：所述线边控制***还与设备管理***电连接，用于同步输出数据。
5.根据权利要求1所述的基于时序关联规则的设备预警平台，其特征在于：所述时序关联规则算法具体包括以下步骤：
S1：通过传感器及计量装置采集设备温度信息及流量信息；
S2：将采集的数据储存入数据库或数据仓库内；
S3：对数据进行预处理，采用Apriori改进算法将故障数据库转换为时序项集矩阵；
S4：输入所有频繁项集，包括支持度、置信度和保养系数，拆分时序规则模式，输出所有频繁时序管理规则；
S5：做出决策并反馈决策结果，若决策结果为T，则重置参数并返回步骤S4，若决策结构为F，则执行结束指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211085661.XA CN115497267A (zh) | 2022-09-06 | 2022-09-06 | 基于时序关联规则的设备预警平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211085661.XA CN115497267A (zh) | 2022-09-06 | 2022-09-06 | 基于时序关联规则的设备预警平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115497267A true CN115497267A (zh) | 2022-12-20 |
Family
ID=84469386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211085661.XA Pending CN115497267A (zh) | 2022-09-06 | 2022-09-06 | 基于时序关联规则的设备预警平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115497267A (zh) |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102923538A (zh) * | 2012-07-06 | 2013-02-13 | 天津大学 | 基于物联网的电梯健康管理与维护***及采集和评估方法 |
| CN107966942A (zh) * | 2017-06-18 | 2018-04-27 | 广东金宝力化工科技装备股份有限公司 | 一种基于知识库的设备故障预测*** |
| CN108718330A (zh) * | 2018-04-11 | 2018-10-30 | 国电中自（合肥）电气科技有限公司 | 一种安全用电早期预警*** |
| CN109739905A (zh) * | 2019-01-10 | 2019-05-10 | 吉林建筑大学 | 一种综合管廊火灾预警方法及*** |
| CN110008253A (zh) * | 2019-03-28 | 2019-07-12 | 浙江大学 | 基于两阶段频繁项集产生策略的工业数据关联规则挖掘及异常工况预测方法 |
| CN110597889A (zh) * | 2019-10-08 | 2019-12-20 | 四川长虹电器股份有限公司 | 一种基于改进的Apriori算法的机床故障预测方法 |
| CN110737732A (zh) * | 2019-10-25 | 2020-01-31 | 广西交通科学研究院有限公司 | 一种机电设备故障预警方法 |
| KR20200027590A (ko) * | 2018-09-04 | 2020-03-13 | 한국전력공사 | 전력기기 운영 시스템 및 방법 |
| CN111651505A (zh) * | 2020-06-05 | 2020-09-11 | 中国民用航空厦门空中交通管理站 | 一种基于数据驱动的设备运行态势分析预警方法及*** |
| CN112180865A (zh) * | 2020-09-29 | 2021-01-05 | 杭州华成设计研究院有限公司 | 一种智能化配电室及设备监控*** |
| CN112394702A (zh) * | 2020-12-10 | 2021-02-23 | 安徽理工大学 | 基于lstm的光缆制造设备故障远程预测*** |
| CN112462734A (zh) * | 2020-11-03 | 2021-03-09 | 贵州江南航天信息网络通信有限公司 | 一种工业生产设备故障预测分析方法及模型 |
| CN213210301U (zh) * | 2020-06-17 | 2021-05-14 | 国网江苏省电力有限公司徐州供电分公司 | 一种基于调控***的变电站直流异常侦测平台 |
| CN113032912A (zh) * | 2021-04-20 | 2021-06-25 | 上海交通大学 | 基于关联规则的船舶柴油机故障检测方法 |
| CN113268834A (zh) * | 2021-06-16 | 2021-08-17 | 海驹(浙江)智能科技有限公司 | 一种基于新一代信息技术的管路环境安全健康管理*** |
| CN113556369A (zh) * | 2020-04-24 | 2021-10-26 | 国网辽宁省电力有限公司 | 基于电力物联网的电网设备管控方法及管控*** |
| CN113836196A (zh) * | 2021-09-08 | 2021-12-24 | 国网江苏省电力有限公司 | 一种电网未定义事件类型识别方法及*** |
| WO2022083576A1 (zh) * | 2020-10-22 | 2022-04-28 | 中兴通讯股份有限公司 | 一种网络功能虚拟化设备运行数据的分析方法及装置 |
| CN114460888A (zh) * | 2021-12-31 | 2022-05-10 | 郑州力通水务有限公司 | 一种智慧能源管理*** |
| CN114721336A (zh) * | 2022-03-03 | 2022-07-08 | 上海核工程研究设计院有限公司 | 一种仪控***工艺参数的信息安全事件预警方法 |
| CN114755515A (zh) * | 2022-03-31 | 2022-07-15 | 山东电工电气集团有限公司 | 一种基于数据挖掘的储能电站关键设备故障诊断预警方法 |
| CN114911206A (zh) * | 2022-05-11 | 2022-08-16 | 南京业恒达智能***股份有限公司 | 一种基于物联网的选煤厂智能化预测维护*** |
-
2022
- 2022-09-06 CN CN202211085661.XA patent/CN115497267A/zh active Pending
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102923538A (zh) * | 2012-07-06 | 2013-02-13 | 天津大学 | 基于物联网的电梯健康管理与维护***及采集和评估方法 |
| CN107966942A (zh) * | 2017-06-18 | 2018-04-27 | 广东金宝力化工科技装备股份有限公司 | 一种基于知识库的设备故障预测*** |
| CN108718330A (zh) * | 2018-04-11 | 2018-10-30 | 国电中自（合肥）电气科技有限公司 | 一种安全用电早期预警*** |
| KR20200027590A (ko) * | 2018-09-04 | 2020-03-13 | 한국전력공사 | 전력기기 운영 시스템 및 방법 |
| CN109739905A (zh) * | 2019-01-10 | 2019-05-10 | 吉林建筑大学 | 一种综合管廊火灾预警方法及*** |
| CN110008253A (zh) * | 2019-03-28 | 2019-07-12 | 浙江大学 | 基于两阶段频繁项集产生策略的工业数据关联规则挖掘及异常工况预测方法 |
| CN110597889A (zh) * | 2019-10-08 | 2019-12-20 | 四川长虹电器股份有限公司 | 一种基于改进的Apriori算法的机床故障预测方法 |
| CN110737732A (zh) * | 2019-10-25 | 2020-01-31 | 广西交通科学研究院有限公司 | 一种机电设备故障预警方法 |
| CN113556369A (zh) * | 2020-04-24 | 2021-10-26 | 国网辽宁省电力有限公司 | 基于电力物联网的电网设备管控方法及管控*** |
| CN111651505A (zh) * | 2020-06-05 | 2020-09-11 | 中国民用航空厦门空中交通管理站 | 一种基于数据驱动的设备运行态势分析预警方法及*** |
| CN213210301U (zh) * | 2020-06-17 | 2021-05-14 | 国网江苏省电力有限公司徐州供电分公司 | 一种基于调控***的变电站直流异常侦测平台 |
| CN112180865A (zh) * | 2020-09-29 | 2021-01-05 | 杭州华成设计研究院有限公司 | 一种智能化配电室及设备监控*** |
| WO2022083576A1 (zh) * | 2020-10-22 | 2022-04-28 | 中兴通讯股份有限公司 | 一种网络功能虚拟化设备运行数据的分析方法及装置 |
| CN112462734A (zh) * | 2020-11-03 | 2021-03-09 | 贵州江南航天信息网络通信有限公司 | 一种工业生产设备故障预测分析方法及模型 |
| CN112394702A (zh) * | 2020-12-10 | 2021-02-23 | 安徽理工大学 | 基于lstm的光缆制造设备故障远程预测*** |
| CN113032912A (zh) * | 2021-04-20 | 2021-06-25 | 上海交通大学 | 基于关联规则的船舶柴油机故障检测方法 |
| CN113268834A (zh) * | 2021-06-16 | 2021-08-17 | 海驹(浙江)智能科技有限公司 | 一种基于新一代信息技术的管路环境安全健康管理*** |
| CN113836196A (zh) * | 2021-09-08 | 2021-12-24 | 国网江苏省电力有限公司 | 一种电网未定义事件类型识别方法及*** |
| CN114460888A (zh) * | 2021-12-31 | 2022-05-10 | 郑州力通水务有限公司 | 一种智慧能源管理*** |
| CN114721336A (zh) * | 2022-03-03 | 2022-07-08 | 上海核工程研究设计院有限公司 | 一种仪控***工艺参数的信息安全事件预警方法 |
| CN114755515A (zh) * | 2022-03-31 | 2022-07-15 | 山东电工电气集团有限公司 | 一种基于数据挖掘的储能电站关键设备故障诊断预警方法 |
| CN114911206A (zh) * | 2022-05-11 | 2022-08-16 | 南京业恒达智能***股份有限公司 | 一种基于物联网的选煤厂智能化预测维护*** |
Non-Patent Citations (1)
| Title |
|---|
| 甘超等: "基于时序关联规则的设备故障预测方法研究", 《机床与液压》, vol. 42, no. 11, 15 June 2014 (2014-06-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、***及存储介质 | |
| CN101470426B (zh) | 一种故障检测的方法和*** | |
| CN107146004B (zh) | 一种基于数据挖掘的矿渣粉磨***健康状态识别***及方法 | |
| CN111259947A (zh) | 一种基于多模态学习的电力***故障预警方法和*** | |
| CN108398934B (zh) | 一种用于轨道交通的设备故障监控的*** | |
| CN101799320B (zh) | 一种旋转设备故障预测方法及其装置 | |
| CN117436004B (zh) | 电机性能实时监测***及方法 | |
| CN116862442A (zh) | 基于大数据分析的智能设备管理方法、*** | |
| US20230229124A1 (en) | Operation control system and a control method for a gas-steam combined cycle generator unit | |
| KR20190106369A (ko) | 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 | |
| CN112464439A (zh) | 基于三层数据挖掘的电力***故障类型分析方法及装置 | |
| CN114519923A (zh) | 一种电厂智能诊断预警方法和*** | |
| CN117390529A (zh) | 多因素溯源的数据中台信息管理方法 | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| WO2024027487A1 (zh) | 基于智能运维场景的健康度评价方法及装置 | |
| CN115497267A (zh) | 基于时序关联规则的设备预警平台 | |
| CN113626480A (zh) | 一种基于改进关联规则的直流换流站ser事件集诊断方法 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及*** | |
| CN113537681A (zh) | 用于炼化企业设备管理信息化的方法及*** | |
| CN111960207B (zh) | 基于多元分析的电梯运行环境异常检测方法及检测*** | |
| CN115018120A (zh) | 基于健康指数的预测性维护方法、***及可读存储介质 | |
| CN112835949A (zh) | 一种负荷预测的方法 | |
| Qiu et al. | Research on Fault Prediction Based on Elevator Life Cycle Big Data | |
| CN117892212B (zh) | 一种分布式异构能源站点态势感知监测方法 |
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 |