CN117230264A - 基于风量风压曲线判断高炉异常炉况的预警方法及*** - Google Patents
基于风量风压曲线判断高炉异常炉况的预警方法及*** Download PDFInfo
- Publication number
- CN117230264A CN117230264A CN202311098590.1A CN202311098590A CN117230264A CN 117230264 A CN117230264 A CN 117230264A CN 202311098590 A CN202311098590 A CN 202311098590A CN 117230264 A CN117230264 A CN 117230264A
- Authority
- CN
- China
- Prior art keywords
- furnace
- abnormal
- blast furnace
- furnace condition
- characteristic
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 26
- 230000005856 abnormality Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000000463 material Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 description 13
- 230000001960 triggered effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 206010040007 Sense of oppression Diseases 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Blast Furnaces (AREA)
Abstract
本发明公开了一种基于风量风压曲线判断高炉异常炉况的预警方法及***。方法包括:在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线;根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能;经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型;根据二次判断结果对高炉炉况进行异常预警。本发明可以建立一套事故状态预警及辅助处理***,帮助高炉工作者正确应对突发事故,减少人为判断及操作失误。
Description
技术领域
本发明属于钢铁冶金领域,涉及到高炉炉况预判的方法,特别涉及一种高炉事故炉况下判断异常炉况性质的预警***及方法。
背景技术
高炉作为一个高温高压的连续性密封式反应容器,事故状态下需要操作者对生产现象进行快速及时的判断及反应,一旦判断失误造成的损失将是无法估量的。
在实际生产过程中,每个高炉操作者受自身能力素质及环境影响,无法做到100%判断正确,尤其是在某些事故状态下,工业生产环境中出现的巨大声响和生产参数巨幅波动容易给操作者带来极致的压迫感和紧张氛围,这也导致某些高炉操作者在事故状态下出现反应不及时,操作失误及误判等问题。
发明内容
根据上述提出的通过操作者人工判断高炉事故状态反应不及时、容易出现误判等技术问题,而提供一种基于风量风压曲线判断高炉异常炉况性质的预警方法及***。本发明基于高炉工作过程中的风量风压数据与高炉工作状态的潜在关联,根据高炉送风***的工作参量组合对高绿常见异常路况进行自动识别判断,进而为精准应对高炉炉况事故提供数据支持和智力保障。
本发明采用的技术手段如下:
一种基于风量风压曲线判断高炉异常炉况性质的预警方法,包括以下步骤:
在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线,所述特征数据包括风机风量数据、冷风风量数据、冷风压力数据以及热风压力数据;
根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能;
经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型;
根据二次判断结果对高炉炉况进行异常预警。
进一步地,所述异常事故下的特征曲线根据以下方式获取:
建立炉况特征数据库,所述炉况特征数据库用于保存高炉运行过程中的特征数据,所述特征数据包括正常炉况的特征数据和异常炉况的特征数据;
获取异常炉况的特征数据以及对应的高炉故障类型,绘制各高炉故障类型下,特征数据随时间变化的特征曲线,所述高炉故障类型包括管道、悬料、风机跳闸以及烧穿。
进一步地,根据炉况特征数据的变化幅度进行一次判断,包括:
在任意截取的第一时段内,特征数据变化幅度超过预设阈值,则判断存在异常的可能,所述第一时段时长预先设置。
进一步地,根据炉况特征数据的变化幅度进行一次判断,还包括:
在任意截取的第二时段内,特征数据变化幅度累积超过预设阈值,则判断存在异常的可能,所述第二时段时长预先设置,且大于第一时段时长。
进一步地,所述第一时段时长设置为20s;所述第二时段时长设置为40s。
进一步地,所述预设阈值设置为风量变化幅度5%、压力变化幅度3%。
进一步地,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,包括:
将实时炉况特征曲线与各高炉故障类型对应的异常事故下的特征曲线进行对比,当实时曲线与某高炉故障类型对应的异常事故下的特征曲线相似度高于预设阈值时,判断高炉具有发生此故障类型的风险。
本发明还公开了一种基于风量风压曲线判断高炉异常炉况性质的预警***,包括:
数据采集单元,其用于在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线,所述特征数据包括风机风量数据、冷风风量数据、冷风压力数据以及热风压力数据;
第一判断单元,其用于根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能;
第二判断单元,其用于经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型;
警报单元,其用于根据二次判断结果对高炉炉况进行异常预警。
较现有技术相比,本发明具有以下优点:
本发明利用高炉异常炉况的4个风量风压参数曲线组合特征的特异性,通过边缘侧计算机建立各种曲线特征与异常炉况数据库,并不断采集高炉生产实时的参数曲线,利用图形处理程序将数据库内的事故特征曲线与实时的生产曲线进行模糊对比,对发现符合特征曲线的实时生产环节进行预警,提示高炉操作者可能发生的事故炉况,并给出进一步检查的方向及处理步骤。
本发明可以对一些事故炉况做出预警判断,帮助高炉工作者正确应对突发事故,减少人为操作失误。基于上述理由本发明可在钢铁冶炼领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为实施例中一种基于风量风压曲线判断高炉异常炉况性质的预警方法流程图。
图2为实施例中管道行程特征曲线图。
图3为实施例中风机跳闸特征曲线图。
图4为实施例中高炉悬料特征曲线图。
图5为实施例中放风阀漏风特征曲线图。
图6为实施例中***运行逻辑图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明提供了一种基于风量风压曲线判断高炉异常炉况性质的预警方法,包括以下步骤:
S1、在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线,特征数据包括风机风量数据、冷风风量数据、冷风压力数据以及热风压力数据。
高炉送风***风量风压表一般包括两套***,一套是测量入炉侧(高炉侧)的风量风压,即冷风流量、热风压力,其中冷风流量在放风阀后;另一套是风机侧的风量风压,即风机风量、冷风压力。高炉发生不同的事故,这几种风量风压的表观数据会有不一样的反应,本***就是利用冷风流量、热风压力、风机风量、冷风压力这四个参数在不同异常炉况发生时呈现不同曲线形态组合,用于判断高炉异常炉况性质,协助高炉操作者做好事故预判。
S2、根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能。
进一步地,根据炉况特征数据的变化幅度进行一次判断,包括:
在任意截取的第一时段内,特征数据变化幅度超过预设阈值,则判断存在异常的可能,所述第一时段时长预先设置。本发明实施例中优选将第一时段时长设置为20s。
更进一步地,根据炉况特征数据的变化幅度进行一次判断,还包括:
在任意截取的第二时段内,特征数据变化幅度累积超过预设阈值,则判断存在异常的可能,所述第二时段时长预先设置,且大于第一时段时长。本发明实施例中优选将第二时段时长设置为40s。
再进一步地,所述预设阈值设置为风量变化幅度5%、压力变化幅度3%。
S3、经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型。
进一步地,所述异常事故下的特征曲线根据以下方式获取:
建立炉况特征数据库,所述炉况特征数据库用于保存高炉运行过程中的特征数据,所述特征数据包括正常炉况的特征数据和异常炉况的特征数据;
获取异常炉况的特征数据以及对应的高炉故障类型,绘制各高炉故障类型下,特征数据随时间变化的特征曲线,所述高炉故障类型包括管道、悬料、风机跳闸以及放风阀漏风。
本实施例中,在边缘侧计算机建立高炉异常事故非人为干预特征曲线库,异常事故包括管道、悬料、风机跳闸以及放风阀漏风等,曲线参数包括风机风量、冷风风量、冷风压力以及热风压力,***收录这几种事故发生前后非人为干扰阶段四种参数组合的特征曲线,如图2至图5,并建立图像化标准数据库。
进一步地,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,包括:
将实时炉况特征曲线与各高炉故障类型对应的异常事故下的特征曲线进行对比,当实时曲线与某高炉故障类型对应的异常事故下的特征曲线相似度高于预设阈值时,判断高炉具有发生此故障类型的风险。申请号为202010155640.5的中国专利公开了一种曲线相似度计算方法,可选地,本发明采用此方法,计算实时曲线与故障曲线的相似度,并基于得到的相似度结果判断故障类型分类。
本实施例中,通过边缘侧计算机采集高炉生产实时数据,并将风机风量、冷风风量、冷风压力,热风压力等参数实时数据绘制成与特征数据库相同周期的曲线。
任意相关参数在任意20s区段内或者累积40秒内变动幅度大于1%以上,即触发计算机图像对比功能,***将连续对实时曲线进行图片化处理,用于与数据库特征曲线进行模糊对比。利用***图像模糊比拟功能,将实时生产曲线与数据库特征曲线进行不断迭代对比,当实时曲线与某个特征曲线相似时判定为有发生类似异常事故的风险。
S4、根据二次判断结果对高炉炉况进行异常预警。
进一步地,***自动给出预警信号后,还给出进一步检查的方向及处理步骤。
下面通过具体的应用实例,对本发明的方案和效果做进一步说明。
如图4所示,以某4000立级高炉异常炉况预警***预判高炉悬料事故为例:
首先通过边缘侧计算机采集高炉生产实时数据,并将风机风量、冷风风量、冷风压力,热风压力等参数实时数据绘制成与特征数据库相同周期的曲线。
当发现冷风流量和热风压力两个参数20s内波动幅度分别为下降3%、上升3%时,即触发***图片模糊对比功能。
***将四个参数实时曲线与事故特征曲线库中的曲线进行对比,并根据图像对比结果,判定实时炉况曲线与悬料事故特征曲线相似,及时给出悬料预警,提示高炉操作者关注下料、透气性、顶压等参数变化情况,并给出坐料操作相关技术规范。
如图2所示,以某4000立级高炉异常炉况预警***预判管道行程为例:
首先通过边缘侧计算机采集高炉生产实时数据,并将风机风量、冷风风量、冷风压力,热风压力等参数实时数据绘制成与特征数据库相同周期的曲线。
当发现冷风流量和热风压力两个参数20s内波动幅度分别为上升5%、下降3%以上时,即触发***图片模糊对比功能。
***将四个参数实时曲线与事故特征曲线库中的曲线进行对比,并根据图像对比结果,判定实时炉况曲线与管道事故特征曲线相似,及时给出管道预警,提示高炉操作者关注顶压、下料等参数变化情况,并给出减风、减氧等相关控制管道行程的操作建议。
如图3所示,以某4000立级高炉异常炉况预警***预判风机跳闸事故为例:
首先通过边缘侧计算机采集高炉生产实时数据,并将风机风量、冷风风量、冷风压力,热风压力等参数实时数据绘制成与特征数据库相同周期的曲线。
当发现冷风流量和热风压力两个参数20s内分别下降5%、3%以上时,即触发***图片模糊对比功能。
***将四个参数实时曲线与事故特征曲线库中的曲线进行对比,并根据图像对比结果,判定实时炉况曲线与风机跳闸事故特征曲线相似,及时给出风机跳闸预警,提示高炉操作者关注冷风压力、风机风量、风口状态等参数变化情况,并给出防窜煤气、防灌渣等相关操作建议。
如图5所示,以某4000立级高炉异常炉况预警***预判放风阀漏风事故为例:
首先通过边缘侧计算机采集高炉生产实时数据,并将风机风量、冷风风量、冷风压力,热风压力等参数实时数据绘制成与特征数据库相同周期的曲线。
当发现冷风流量和风机风量两个参数20s内波动幅度分别为下降5%、上升5%以上时,即触发***图片模糊对比功能。
***将四个参数实时曲线与事故特征曲线库中的曲线进行对比,并根据图像对比结果,判定实时炉况曲线与放风阀漏风事故特征曲线相似,及时给出放风阀漏风预警,提示高炉操作者关注冷风流量、风机风量等参数变化情况,并给出防窜煤气、防灌渣等相关操作建议。
本发明还公开了一种基于风量风压曲线判断高炉异常炉况性质的预警***,包括:
数据采集单元,其用于在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线,所述特征数据包括风机风量数据、冷风风量数据、冷风压力数据以及热风压力数据;
第一判断单元,其用于根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能;
第二判断单元,其用于经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型;
警报单元,其用于根据二次判断结果对高炉炉况进行异常预警。
对于本发明一种基于风量风压曲线判断高炉异常炉况性质的预警***实施例的而言,由于其与上面一种基于风量风压曲线判断高炉异常炉况性质的预警方法实施例中的相对应,所以描述的比较简单,相关相似之处请参见上面一种基于风量风压曲线判断高炉异常炉况性质的预警方法实施例中部分的说明即可,此处不再详述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,包括以下步骤:
在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线,所述特征数据包括风机风量数据、冷风风量数据、冷风压力数据以及热风压力数据;
根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能;
经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型;
根据二次判断结果对高炉炉况进行异常预警。
2.根据权利要求1所述的一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,所述异常事故下的特征曲线根据以下方式获取:
建立炉况特征数据库,所述炉况特征数据库用于保存高炉运行过程中的特征数据,所述特征数据包括正常炉况的特征数据和异常炉况的特征数据;
获取异常炉况的特征数据以及对应的高炉故障类型,绘制各高炉故障类型下,特征数据随时间变化的特征曲线,所述高炉故障类型包括管道、悬料、风机跳闸以及放风阀漏风。
3.根据权利要求1所述的一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,根据炉况特征数据的变化幅度进行一次判断,包括:
在任意截取的第一时段内,特征数据变化幅度超过预设阈值,则判断存在异常的可能,所述第一时段时长预先设置。
4.根据权利要求3所述的一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,根据炉况特征数据的变化幅度进行一次判断,还包括:
在任意截取的第二时段内,特征数据变化幅度累积超过预设阈值,则判断存在异常的可能,所述第二时段时长预先设置,且大于第一时段时长。
5.根据权利要求4所述的一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,所述第一时段时长设置为20s;所述第二时段时长设置为40s。
6.根据权利要求4所述的一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,所述预设阈值设置为风量变化幅度5%、压力变化幅度3%。
7.根据权利要求1所述的一种基于风量风压曲线判断高炉异常炉况性质的预警方法,其特征在于,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,包括:
将实时炉况特征曲线与各高炉故障类型对应的异常事故下的特征曲线进行对比,当实时曲线与某高炉故障类型对应的异常事故下的特征曲线相似度高于预设阈值时,判断高炉具有发生此故障类型的风险。
8.一种基于风量风压曲线判断高炉异常炉况性质的预警***,其特征在于,包括:
数据采集单元,其用于在高炉运行过程中,实时采集炉况特征数据,并绘制所述特征数据随时间变化的特征曲线,所述特征数据包括风机风量数据、冷风风量数据、冷风压力数据以及热风压力数据;
第一判断单元,其用于根据炉况特征数据的变化幅度进行一次判断,所述一次判断结果用于表征当前炉况是否存在异常的可能;
第二判断单元,其用于经一次判断后显示可能存在炉况异常时,根据实时炉况特征曲线与异常事故下的特征曲线相似度进行二次判断,所述二次判断结果用于表征当前炉况异常对应的高炉故障类型;
警报单元,其用于根据二次判断结果对高炉炉况进行异常预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098590.1A CN117230264A (zh) | 2023-08-29 | 2023-08-29 | 基于风量风压曲线判断高炉异常炉况的预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098590.1A CN117230264A (zh) | 2023-08-29 | 2023-08-29 | 基于风量风压曲线判断高炉异常炉况的预警方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117230264A true CN117230264A (zh) | 2023-12-15 |
Family
ID=89085316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098590.1A Pending CN117230264A (zh) | 2023-08-29 | 2023-08-29 | 基于风量风压曲线判断高炉异常炉况的预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117230264A (zh) |
-
2023
- 2023-08-29 CN CN202311098590.1A patent/CN117230264A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109065135B (zh) | 一种医院后勤设备全生命周期管理云平台、方法和*** | |
JP6856443B2 (ja) | 設備機器の異常診断システム | |
CN110045594B (zh) | 一种用于锅炉四管状态风险预测的智能管控***及方法 | |
CN116677928B (zh) | 一种焊接保护气管道漏气智能检测方法 | |
CN116429220A (zh) | 一种水利工程异常检测方法 | |
AU2012201961A1 (en) | Methods and systems for monitoring operation of equipment | |
JPH10508712A (ja) | 技術的設備のプロセスデータの解析方法 | |
JP6897701B2 (ja) | 保守作業支援装置、保守作業支援方法及び保守作業支援プログラム | |
JPH11502641A (ja) | 技術的設備に対する監視システム | |
CN117308275B (zh) | 一种基于温差的管路连接异常检测方法及*** | |
CN116517862B (zh) | 一种矿井通风机异常诊断*** | |
CN116227788A (zh) | 变电站电力设备故障诊断评估方法及*** | |
CN114323691B (zh) | 一种压缩空气储能***气路故障诊断装置及方法 | |
CN117230264A (zh) | 基于风量风压曲线判断高炉异常炉况的预警方法及*** | |
CN113433900B (zh) | 一种油田站场无人值守智能集控方法和*** | |
CN117128777B (zh) | 一种真空脱蜡烧结多气氛炉内安全预警*** | |
CN117108938A (zh) | 三级联动的燃气安全动态监控方法及*** | |
CN113324776A (zh) | 空调机组的检测装置及其检测方法 | |
CN116562739B (zh) | 液体化工码头作业流程规划与动态监控*** | |
CN110513160B (zh) | 一种汽轮机进水、进冷安全报警及预警方法 | |
CN113714496B (zh) | 钢包底吹氩故障诊断方法、装置及存储介质 | |
CN108759479A (zh) | 基于盲源分离单边检测法的烧结机漏风故障在线诊断方法 | |
CN106768701B (zh) | 火焰清理机漏气检测方法 | |
JP2000214924A (ja) | プラント異常監視装置および異常発生箇所同定方法 | |
CN118071158B (zh) | 一种基于智能感知和数据融合的智慧水利工程预警*** |
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 |