CN117668498B - 基于可靠性分布和异常探测的泵健康评估方法 - Google Patents
基于可靠性分布和异常探测的泵健康评估方法 Download PDFInfo
- Publication number
- CN117668498B CN117668498B CN202410132805.5A CN202410132805A CN117668498B CN 117668498 B CN117668498 B CN 117668498B CN 202410132805 A CN202410132805 A CN 202410132805A CN 117668498 B CN117668498 B CN 117668498B
- Authority
- CN
- China
- Prior art keywords
- pump equipment
- pump
- reliability
- distribution
- component
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000005856 abnormality Effects 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract description 4
- 238000006731 degradation reaction Methods 0.000 abstract description 4
- 230000007774 longterm Effects 0.000 abstract description 4
- 239000000446 fuel Substances 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种基于可靠性分布和异常探测的泵健康评估方法,包括:获取泵设备中关键部件的维修更换记录,并对其进行数据处理,得到寿命样本;基于极大似然估计算法计算寿命样本的寿命分布;根据寿命分布,计算泵设备中各关键部件的运行可靠度;采集泵设备当前运行的实时数据;利用聚类异常探测算法计算泵设备实时运行的异常指标;根据异常指标与运行可靠度计算泵设备的运行健康度:若运行健康度的值越接近1,则泵设备运行状态健康;若运行健康度的值越接近0,则泵设备部件运行异常。本发明在设备实时运行状态的异常探测基础上,增加基于可靠性分布的设备长期劣化影响,降低泵类设备关键部件的故障风险,降低潜在运行风险和维护成本。
Description
技术领域
本发明涉及泵类设备健康监测的技术领域,尤其涉及一种基于可靠性分布和异常探测的泵健康评估方法。
背景技术
目前,泵类设备的健康监测主要分为两类,一类是基于可靠性寿命分布的统计分析,此种方法是基于大样本的统计结果得到,可以评估随运行时间增加泵设备的可靠性逐渐降低,但对于单台设备的适用性差;另一类是基于设备运行参数的异常探测方法,可以对泵类设备的实时运行状态是否出现异常进行评估,但无法有效的考虑设备的长期劣化趋势。
美国专利申请公开第2019/0040812号(812公开)描述了一种诊断高压燃料输送***的方法,该方法包括在发动机起动和不点火时感测燃料轨道中的起动燃料压力,以建立或增加燃料轨道内的燃料压力;该方法基于起动燃料压力确定起动泄漏率,当起动泄漏率大于起动泄漏阈值时,该方法可以识别高压燃料泵中的泄漏或低效率,然而,812公开的方法却无法充分地确定泵的健康和/或可能错误地诊断泵的泄漏或低效率。
CN111314463A公开了一种基于泵站机组健康评估的方法,其根据泵站机组健康评估的需求,建立数据采集前端结合监测网络以及远程诊断的网络***整体架构,包括感知层、网络层和应用层,根据感知层的数据采集装置采集泵站机组的相应数据,通过网络层将采集数据发送到应用层的服务器,根据采集到的数据与预设的报警门限值进行比较后判断是否要进行数据分析及故障诊断,最后将诊断结果进行发布;但是该方法不能有效的考虑设备的长期劣化趋势,对于单台设备的适用性较差。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
为解决上述技术问题,本发明提供如下技术方案:收集泵设备中关键部件的维修更换记录,并对其进行数据处理,得到寿命样本;
基于极大似然估计算法计算所述寿命样本的寿命分布;
根据所述寿命分布,计算所述泵设备中各关键部件的运行可靠度;
采集所述泵设备当前运行的实时数据;
利用聚类异常探测算法计算所述泵设备实时运行的异常指标;
根据所述异常指标与所述运行可靠度计算所述泵设备的运行健康度:
若所述运行健康度的值越接近1,则所述泵设备运行状态健康;
若所述运行健康度的值越接近0,则所述泵设备部件运行异常。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,所述维修更换记录包括所述关键部件的损坏时间和更换部件类型;
所述关键部件包括泵体、电机、轴承;
所述数据处理是将各部件的使用时长进行记录和整理,得到所述寿命样本{x1,x2,...xn}。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,计算所述寿命分布,包括:
根据所述极大似然估计算法拟合每个关键部件的寿命分布,定义所述泵设备关键部件寿命分布服从威布尔分布,其概率密度函数为:
;
其中,为尺度参数,k为形状参数,t为运行时间。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,所述关键部件对应的对数似然函数的数学表达公式如下:
;
其中,n为寿命样本数量,为第i个寿命样本;
通过最大化对数似然函数,估计威布尔分布的参数λ和k;
利用梯度下降法,找到使对数似然函数最大化的参数值,得到所述关键部件的寿命分布。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,各关键部件的寿命分布计算完成后,可得到每个部件的可靠度随单个部件运行时间的变化,定义第i个部件的可靠度为:
;
其中,T为当前时间,ti为该部件自从上次更换后至现在的运行时长。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,根据串联***的可靠度,m个关键部件的泵设备整体的可靠度的数学表达公式如下:
;
其中,R(t)为0~1之间的数值,越接近1表示可靠度越高,越接近0表示可靠度越低。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,采集所述泵设备当前运行的实时数据,包括流量、压力、振动、温度、电流、转速;
定义采集到的p个监测参数的数据样本为Y ={y1,y2,...yp}。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,基于聚类异常探测算法完成所述泵设备正常运行状态的定义,将所述泵设备的实时运行状态与定义的正常运行状态进行对比,量化两者之间的偏差,形成所述泵设备实时运行异常指标。
作为本发明所述的基于可靠性分布和异常探测的泵健康评估方法的一种优选方案,所述健康度的计算公式为所述运行可靠度和所述异常指标的融合指标,如下:
;
其中,HI(t)为0~1之间的数值,越接近1表示所述泵设备部件运行状态健康,越接近0表示所述泵设备部件运行异常;
HI(t)<0.6时,触发报警阈值启动,发出泵设备健康警报。
本发明的有益效果:
1、本发明方法通过将两类监测方法相结合,在设备实时运行状态的异常探测基础上,增加基于可靠性分布的设备长期劣化影响,更加全面的评估泵类设备的运行健康,降低泵类设备关键部件的故障风险,能够及早的反应和处理问题,降低潜在运行风险和维护成本。
2、本发明方法用以识别泵类设备是否出现了部件异常,并在发生异常时给出相应的报警,以作为运行维护的参考依据。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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它的附图。其中:
图1为本发明所示的基于可靠性分布和异常探测的泵健康评估方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。
基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
参照图1,为本发明实施例提供的一种基于可靠性分布和异常探测的泵健康评估方法,具体包括以下步骤:
S1:获取泵设备中关键部件的维修更换记录,并对其进行数据处理,得到寿命样本。其中,本步骤需要说明的是:
维修更换记录包括关键部件的损坏时间和更换部件类型;
关键部件包括泵体、电机、轴承。
在可选的实施例中,数据处理是将各部件的使用时长进行记录和整理,以得到寿命样本。
作为示例,寿命样本的集合形式为{x1,x2,...xn}。
S2:基于极大似然估计算法计算寿命样本的寿命分布。其中,本步骤需要说明的是,计算寿命分布,包括:
根据极大似然估计算法拟合每个关键部件的寿命分布,定义泵设备关键部件寿命分布服从威布尔分布,其概率密度函数为:
;
其中,为尺度参数,k为形状参数,t为运行时间。
进一步的,关键部件对应的对数似然函数的数学表达公式如下:
;
其中,n为寿命样本数量,为第i个寿命样本;
通过最大化对数似然函数,估计威布尔分布的参数λ和k;
利用梯度下降法,找到使对数似然函数最大化的参数值,得到关键部件的寿命分布。
S3:根据寿命分布,计算泵设备中各关键部件的运行可靠度。其中,本步骤还需要说明的是,各关键部件的寿命分布计算完成后,可得到每个部件的可靠度随单个部件运行时间的变化,定义第i个部件的可靠度为:
;
其中,T为当前时间,ti为该部件自从上次更换后至现在的运行时长。
具体的,根据串联***的可靠度,m个关键部件的泵设备整体的可靠度的数学表达公式如下:
;
其中,R(t)为0~1之间的数值,越接近1表示可靠度越高,越接近0表示可靠度越低。
S4:采集泵设备当前运行的实时数据。本步骤需要说明的是,采集泵设备当前运行的实时数据,包括流量、压力、振动、温度、电流、转速。
在可选的实施例中,定义采集到的p个监测参数的数据样本为Y ={y1,y2,...yp}。
S5:利用聚类异常探测算法计算泵设备实时运行的异常指标。本步骤还需要说明的是,基于聚类异常探测算法完成泵设备正常运行状态的定义,将泵设备的实时运行状态与定义的正常运行状态进行对比,量化两者之间的偏差,形成泵设备实时运行异常指标。其中:
(1)对监测的数据样本Y ={y1,y2,...yp}进行数据标准化,其数学表达式如下:
;
其中,为标准化后的数据,y为原始数据,/>为数据样本集中最小值,为数据样本集中最大值;
设置邻域半径和最小邻点数minPts。
作为示例,=0.1,minPts=10。
需要说明的是,邻域半径规定了相邻两个点的距离小于多少可以归为一类,最小邻点数定义了一类最少含多少个点,本实施例通过设置邻域半径和最小邻点数的参数,以提高算法的精准度。
(2)通过随机设置的条件迭代核心点,形成c个聚类中心;
其中,Ci为P维变量,每条监测记录数据点都是P维变量,该数据点聚类类别的归属判定为该数据点距离最近的聚类中心类别。
(3)计算每个类别下数据点到聚类中心的平均距离L1,...Lc,平均中心距离;
记某时刻的数据点距离其聚类中心的距离为Lt。
(4)泵设备实时运行异常指标为:
;
其中,H(t)为0~1之间的数值,越接近1表示泵设备运行参数表现正常,越接近0表示泵设备运行参数表现异常。
S6:根据异常指标与运行可靠度计算泵设备的运行健康度:
a:若运行健康度的值越接近1,则泵设备运行状态健康;
b:若运行健康度的值越接近0,则泵设备部件运行异常。
作为示例,健康度的计算公式为运行可靠度和异常指标的融合指标,如下:
;
其中,HI(t)为0~1之间的数值,越接近1表示泵设备部件运行状态健康,越接近0表示泵设备部件运行异常。
在可选的实施例中,HI(t)<0.6时,触发报警阈值启动,发出泵设备健康警报。
需要说明的是,报警阈值可根据现场设备运行实际情况进行设定,如阈值设置为(0.5,0.6)之间均可,本发明实施例并不对其进行唯一限定。
在可选的实施例中,泵设备健康警报的承载形式可以通过***平台推送或者手机短信通知。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种基于可靠性分布和异常探测的泵健康评估方法,其特征在于,包括:
收集泵设备中关键部件的维修更换记录,并对其进行数据处理,得到寿命样本;
基于极大似然估计算法计算所述寿命样本的寿命分布;
根据所述极大似然估计算法拟合每个关键部件的寿命分布,定义所述泵设备关键部件寿命分布服从威布尔分布,其概率密度函数为:
;
其中,为尺度参数,k为形状参数,t为运行时间;
所述关键部件对应的对数似然函数的数学表达公式如下:
;
其中,n为寿命样本数量,Xi为第i个寿命样本;
通过最大化对数似然函数,估计威布尔分布的参数λ和k;
利用梯度下降法,找到使对数似然函数最大化的参数值,得到所述关键部件的寿命分布;
根据所述寿命分布,计算所述泵设备中各关键部件的运行可靠度;
各关键部件的寿命分布计算完成后,可得到每个部件的可靠度随单个部件运行时间的变化,定义第i个部件的可靠度为:
;
其中,T为当前时间,ti为该部件自从上次更换后至现在的运行时长;
根据串联***的可靠度,m个关键部件的泵设备整体的可靠度的数学表达公式如下:
;
其中,R(t)为0~1之间的数值,越接近1表示可靠度越高,越接近0表示可靠度越低;
采集所述泵设备当前运行的实时数据;
利用聚类异常探测算法计算所述泵设备实时运行的异常指标;
基于聚类异常探测算法完成泵设备正常运行状态的定义,将泵设备的实时运行状态与定义的正常运行状态进行对比,量化两者之间的偏差,形成泵设备实时运行异常指标,其中:
对监测的数据样本Y ={y1,y2,...yp}进行数据标准化,其数学表达式如下:
;
其中,y'为标准化后的数据,y为原始数据,min(Y)为数据样本集中最小值,max(Y)为数据样本集中最大值;
设置邻域半径和最小邻点数minPts=10;
通过随机设置的条件迭代核心点,形成c个聚类中心;
其中,Ci为P维变量,每条监测记录数据点都是P维变量,该数据点聚类类别的归属判定为该数据点距离最近的聚类中心类别;
计算每个类别下数据点到聚类中心的平均距离L1,...Lc,平均中心距离;
记某时刻的数据点距离其聚类中心的距离为Lt;
泵设备实时运行异常指标为:
;
其中,H(t)为0~1之间的数值,越接近1表示泵设备运行参数表现正常,越接近0表示泵设备运行参数表现异常;
根据所述异常指标与所述运行可靠度计算所述泵设备的运行健康度,所述健康度的计算公式为所述运行可靠度和所述异常指标的融合指标,如下:
;
其中,HI(t)为0~1之间的数值,越接近1表示所述泵设备部件运行状态健康,越接近0表示所述泵设备部件运行异常;
若所述运行健康度的值越接近1,则所述泵设备运行状态健康;
若所述运行健康度的值越接近0,则所述泵设备部件运行异常。
2.根据权利要求1所述的基于可靠性分布和异常探测的泵健康评估方法,其特征在于,所述维修更换记录包括所述关键部件的损坏时间和更换部件类型;
所述关键部件包括泵体、电机、轴承;
所述数据处理是将各部件的使用时长进行记录和整理,得到所述寿命样本{x1,x2,...xn}。
3.根据权利要求1所述的基于可靠性分布和异常探测的泵健康评估方法,其特征在于,采集所述泵设备当前运行的实时数据,包括流量、压力、振动、温度、电流、转速;
定义采集到的p个监测参数的数据样本为Y ={y1,y2,...yp}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132805.5A CN117668498B (zh) | 2024-01-31 | 2024-01-31 | 基于可靠性分布和异常探测的泵健康评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132805.5A CN117668498B (zh) | 2024-01-31 | 2024-01-31 | 基于可靠性分布和异常探测的泵健康评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117668498A CN117668498A (zh) | 2024-03-08 |
CN117668498B true CN117668498B (zh) | 2024-04-26 |
Family
ID=90082840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410132805.5A Active CN117668498B (zh) | 2024-01-31 | 2024-01-31 | 基于可靠性分布和异常探测的泵健康评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117668498B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0269619A (ja) * | 1988-09-05 | 1990-03-08 | Nippon Atom Ind Group Co Ltd | プラント機器保守管理支援装置 |
CN105910806A (zh) * | 2016-05-30 | 2016-08-31 | 重庆大学 | 加注泵早期健康状态监测方法 |
CN112032034A (zh) * | 2020-05-21 | 2020-12-04 | 和尘自仪(嘉兴)科技有限公司 | 海水泵健康状态评估方法、模型、装置及存储介质 |
CN112115417A (zh) * | 2020-08-10 | 2020-12-22 | 贵州电网有限责任公司 | 一种基于概率密度聚类的变压器实时故障概率计算方法 |
CN112345261A (zh) * | 2020-10-29 | 2021-02-09 | 南京航空航天大学 | 基于改进dbscan算法的航空发动机泵调***异常检测方法 |
CN113849774A (zh) * | 2021-09-30 | 2021-12-28 | 上海应用技术大学 | 基于寿命分析和健康监测的设备智能维护平台 |
KR102407773B1 (ko) * | 2021-10-18 | 2022-06-10 | 가온플랫폼 주식회사 | 설비 실시간 건전도를 반영한 설비 신뢰도 산출 시스템 및 방법 |
CN114861827A (zh) * | 2022-05-27 | 2022-08-05 | 太原理工大学 | 基于多源数据融合的采煤机预测诊断与健康管理方法 |
CN115034248A (zh) * | 2021-03-03 | 2022-09-09 | 斯凯孚公司 | 用于设备的自动诊断方法、***和存储介质 |
CN115143129A (zh) * | 2022-07-28 | 2022-10-04 | 常州机电职业技术学院 | 一种脱硫泵故障预测与健康管理装置 |
KR20220132824A (ko) * | 2021-03-24 | 2022-10-04 | 한국전력공사 | 배전설비 상태 이상 개소 감시 시스템 및 방법 |
CN115774652A (zh) * | 2023-02-13 | 2023-03-10 | 浪潮通用软件有限公司 | 一种基于聚类算法的群控设备健康监测方法、设备及介质 |
CN117114446A (zh) * | 2023-08-29 | 2023-11-24 | 珠海英慕科技有限公司 | 一种基于数据驱动的设备健康评估方法 |
CN117195730A (zh) * | 2023-09-14 | 2023-12-08 | 江西睿构科技有限公司 | 一种高速公路机电设备寿命分析方法及*** |
-
2024
- 2024-01-31 CN CN202410132805.5A patent/CN117668498B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0269619A (ja) * | 1988-09-05 | 1990-03-08 | Nippon Atom Ind Group Co Ltd | プラント機器保守管理支援装置 |
CN105910806A (zh) * | 2016-05-30 | 2016-08-31 | 重庆大学 | 加注泵早期健康状态监测方法 |
CN112032034A (zh) * | 2020-05-21 | 2020-12-04 | 和尘自仪(嘉兴)科技有限公司 | 海水泵健康状态评估方法、模型、装置及存储介质 |
CN112115417A (zh) * | 2020-08-10 | 2020-12-22 | 贵州电网有限责任公司 | 一种基于概率密度聚类的变压器实时故障概率计算方法 |
CN112345261A (zh) * | 2020-10-29 | 2021-02-09 | 南京航空航天大学 | 基于改进dbscan算法的航空发动机泵调***异常检测方法 |
CN115034248A (zh) * | 2021-03-03 | 2022-09-09 | 斯凯孚公司 | 用于设备的自动诊断方法、***和存储介质 |
KR20220132824A (ko) * | 2021-03-24 | 2022-10-04 | 한국전력공사 | 배전설비 상태 이상 개소 감시 시스템 및 방법 |
CN113849774A (zh) * | 2021-09-30 | 2021-12-28 | 上海应用技术大学 | 基于寿命分析和健康监测的设备智能维护平台 |
KR102407773B1 (ko) * | 2021-10-18 | 2022-06-10 | 가온플랫폼 주식회사 | 설비 실시간 건전도를 반영한 설비 신뢰도 산출 시스템 및 방법 |
CN114861827A (zh) * | 2022-05-27 | 2022-08-05 | 太原理工大学 | 基于多源数据融合的采煤机预测诊断与健康管理方法 |
CN115143129A (zh) * | 2022-07-28 | 2022-10-04 | 常州机电职业技术学院 | 一种脱硫泵故障预测与健康管理装置 |
CN115774652A (zh) * | 2023-02-13 | 2023-03-10 | 浪潮通用软件有限公司 | 一种基于聚类算法的群控设备健康监测方法、设备及介质 |
CN117114446A (zh) * | 2023-08-29 | 2023-11-24 | 珠海英慕科技有限公司 | 一种基于数据驱动的设备健康评估方法 |
CN117195730A (zh) * | 2023-09-14 | 2023-12-08 | 江西睿构科技有限公司 | 一种高速公路机电设备寿命分析方法及*** |
Non-Patent Citations (4)
Title |
---|
Detection of inception of preload loss and remaining life prediction for ball screw considering change in dynamics due to worktable position;Kundu, Pradeep et.al;《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》;20230602;第1-5页 * |
基于健康度分析的电网单元设备集可靠性评估研究;李军;李向阳;刘昭阁;;中国安全生产科学技术;20160630(06);第138-143页 * |
基于运行状态与绝缘寿命的电力变压器可靠性评估研究;刘亚婕;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200315;第C042-525页 * |
液压泵寿命的在线预测与健康管理;王向周;闫贺龙;郑戍华;;北京理工大学学报;20171015(10);第38-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117668498A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102092185B1 (ko) | 중전기기 건전성 분석 플랫폼 및 이를 이용하는 분석 방법 | |
CN110414155B (zh) | 一种带有单测点的风机部件温度异常检测和报警方法 | |
CN113190421B (zh) | 一种用于数据中心的设备健康状态的检测分析方法 | |
CN113568774B (zh) | 使用无监督深度神经网络的多维时序数据实时异常检测方法 | |
CN117235557B (zh) | 基于大数据分析的电气设备故障快速诊断方法 | |
CN113562562A (zh) | 一种电梯安全预警监测***及其判断方法 | |
CN117131110B (zh) | 一种基于关联分析的容性设备介质损耗监测方法及*** | |
CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及*** | |
CN110703214A (zh) | 一种气象雷达状态评估和故障监测方法 | |
CN112633614B (zh) | 一种基于特征提取的实时故障程度诊断***及方法 | |
CN113757093A (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
CN117148045A (zh) | 配电网运行状态的故障研判管理*** | |
CN117668498B (zh) | 基于可靠性分布和异常探测的泵健康评估方法 | |
CN118035904A (zh) | 一种基于多频段数据融合的振摆监测故障诊断方法及*** | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN116071053B (zh) | 基于数字孪生的往复式压缩机状态预警*** | |
CN117435883A (zh) | 一种基于数字孪生的设备故障预测的方法和*** | |
CN117150313A (zh) | 基于异常状态识别的电力信息通讯方法及*** | |
CN115169650B (zh) | 一种大数据分析的装备健康预测方法 | |
CN115856613A (zh) | 断路器状态评估方法 | |
US11047833B2 (en) | Method for automatic determination of trend in graphic analysis of turbomachines | |
CN118157327B (zh) | 基于nb-iot技术的电缆护层环流监测装置 | |
CN117931897B (zh) | 一种加热装置温度数据运行监测方法 | |
KR101967629B1 (ko) | 원자력 발전설비 예측진단용 신호데이터 처리장치 |
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 |