CN102402727A - 工程机械的部件剩余寿命预测系统及方法 - Google Patents
工程机械的部件剩余寿命预测系统及方法 Download PDFInfo
- Publication number
- CN102402727A CN102402727A CN2011103541975A CN201110354197A CN102402727A CN 102402727 A CN102402727 A CN 102402727A CN 2011103541975 A CN2011103541975 A CN 2011103541975A CN 201110354197 A CN201110354197 A CN 201110354197A CN 102402727 A CN102402727 A CN 102402727A
- Authority
- CN
- China
- Prior art keywords
- parts
- residual
- life
- module
- evaluation object
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及工程机械的部件剩余寿命预测系统及方法,该系统包括可靠性分析模块、数据预处理模块以及剩余寿命预测模块。可靠性分析模块包括剩余寿命范围获取模块及当前评估对象确定模块,分别用于获取部件的剩余寿命范围以及确定该部件是否作为当前评估对象。数据预处理模块接收实时采集的作为当前评估对象的部件的特征参数信息、提取特征参数信息中的特征参数值、并对提取的特征参数值进行预处理以构建样本数据集。剩余寿命预测模块利用神经网络预测模型根据样本数据集获取预测的特征参数值、并利用预测的特征参数值参照部件处于故障状态的特征参数值获取部件的剩余寿命。本发明可较精确地预测部件的剩余寿命,作为对工程机械进行维护的依据。
Description
技术领域
本发明涉及工程机械故障预测与维持技术领域,尤其涉及工程机械的部件剩余寿命预测系统及方法。
背景技术
当前工程机械的部件的剩余寿命预测采用的是单一的可靠性分析技术,缺乏实时性的信息以及寿命动态性的考虑,预测精度低,难以有效实现预警作用及降低维护费用,从而影响故障控制效果。
发明内容
因此,本发明提供工程机械的部件剩余寿命预测系统及方法,可较精确地预测部件的剩余寿命,以有效实现预警作用及降低维护费用,从而提升故障控制效果。
具体地,本发明实施例提出的一种工程机械的部件剩余寿命预测系统,包括可靠性分析模块、数据预处理模块以及剩余寿命预测模块。其中,可靠性分析模块包括剩余寿命范围获取模块以及当前评估对象确定模块,而剩余寿命范围获取模块利用动态可靠性分析模型获取部件的剩余寿命范围,当前评估对象确定模块将剩余寿命范围的下限值小于预设的阈值的部件确定为当前评估对象。数据预处理模块接收实时采集的作为当前评估对象的部件的特征参数信息、提取特征参数信息中的特征参数值、并对提取的特征参数值进行预处理以构建样本数据集。剩余寿命预测模块利用神经网络预测模型根据样本数据集获取预测的特征参数值、并利用预测的特征参数值参照作为当前评估对象的部件处于故障状态的特征参数值以获取部件的剩余寿命。
在本发明实施例中,上述部件剩余寿命预测系统还可包括通讯接口,连接数据预处理模块,以使得数据预处理模块通过此通讯接口以远程通讯方式接收特征参数信息。
在本发明实施例中,上述部件剩余寿命预测系统还可包括数据采集模块,实时采集作为当前评估对象的部件的特征参数信息供数据预处理模块接收。
在本发明实施例中,上述神经网络预测模型例如为径向基函数(RadicalBasis Function,RBF)神经网络模型或反向传播(Back Propagation,BP)神经网络模型。
在本发明实施例中,上述部件剩余寿命预测系统还可包括数据库,连接可靠性分析模块与剩余寿命预测模块,以储存利用动态可靠性分析模型进行动态可靠性分析所需数据、部件处于故障状态的特征参数值、以及剩余寿命预测模块输出的部件的剩余寿命。
此外,本发明实施例还提出一种工程机械的部件剩余寿命预测方法,包括以下步骤:利用动态可靠性分析模型对部件进行动态可靠性分析以获取部件的剩余寿命范围,并将剩余寿命范围的下限值小于预设的阈值的部件确定为当前评估对象;实时采集作为当前评估对象的部件的特征参数信息;提取特征参数信息中的特征参数值并进行预处理以构建样本数据集;以及利用神经网络预测模型对样本数据集进行回归拟合与趋势预测获取预测的特征参数值,并利用预测的特征参数值参照作为当前评估对象的部件处于故障状态的特征参数值获取此部件的剩余寿命。
在本发明实施例中,上述利用动态可靠性分析模型对部件进行动态可靠性分析以获取部件的剩余寿命范围的步骤可包括:引入随机过程和极值分布原理计算并建立部件的可靠度和失效率随使用时间变化的动态过程曲线,以确定部件的寿命周期范围;以及根据部件的当前已用工时与所确定的寿命周期范围,获取此剩余寿命范围。
在本发明实施例中,利用神经网络预测模型对样本数据集进行回归拟合与趋势预测获取预测的特征参数值是通过径向基函数神经网络算法或反向传播神经网络算法实现。
在本发明实施例中,在利用动态可靠性分析模型对部件进行动态可靠性分析以获取部件的剩余寿命范围,并将剩余寿命范围的下限值小于预设的阈值的部件确定为当前评估对象之前还可包括步骤:依据重要度、易损性及性能衰退过程易检性选取该部件。此外,上述部件剩余寿命预测方法还可包括步骤:将获取的部件的剩余寿命作为对包含该部件的工程机械进行维护的依据。
本发明上述实施例通过利用神经网络预测模型结合动态可靠性分析模型来获取工程机械的部件的剩余寿命,能准确预测出部件的剩余寿命,借此可确保寿命即将到期的部件得到及时更换,实现工程机械的预维护,确保了设备的安全运行。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是相关于本发明实施例的一种工程机械的部件剩余寿命预测系统的架构示意图。
图2是相关于本发明实施例的一种工程机械的部件剩余寿命预测方法的步骤流程图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的工程机械的部件剩余寿命预测系统及方法其具体实施方式、方法、步骤及功效,详细说明如后。
有关本发明的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例详细说明中将可清楚的呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图式仅是提供参考与说明之用,并非用来对本发明加以限制。
通常,工程机械的部件故障并非突然发生,而是经历一段时间的性能衰退过程,在其性能衰退期间一般都有一些特定的征兆,如果能尽早发现这些征兆,故障会减少或避免。由此可见,经由对部件进行实时特征的提取以发现这些征兆,则可实现对工程机械的预维护,借此降低维护费用、提升故障控制效果。
因此,本发明下述实施例提出的工程机械的部件剩余寿命预测系统及方法主要是结合实时参数信息与部件自身可靠度来实时预测部件的剩余寿命,以获取准确预测的部件剩余寿命,因而可确保寿命即将到期的部件得到及时更换,实现工程机械的预维护,确保了设备的安全运行。
请参照图1,其示出一种工程机械的部件剩余寿命预测系统的架构示意图。如图1所示,部件剩余寿命预测系统10适于对各种不同的部件例如100a,110b进行剩余寿命预测,其包括:数据采集模块11、通讯接口13、数据预处理模块15、数据库16、可靠性分析模块17以及剩余寿命预测模块19。
本实施例中,部件100a,100b例如分别为液压泵、轴承等其中之一。而部件的选取则可将重要度、易损性、性能衰退过程易检性作为选取用于剩余寿命预测的部件的指标。重要度依据部件对整个工程机械的功能正常工作的影响程度确定,易损性依据部件故障记录中发生故障频率确定,性能衰退过程易检性依据是否有输出参数衡量部件性能、输出参数衡量部件性能的完整性或外观观测判别部件的可行性等来确定。重要度、易损性、性能衰退过程易检性等级可通过设计人员、维护人员打分确定,并将部件重要度、易损性、性能衰退过程易检性的得分以一定的权重组合得到一个综合分Fi,
Fi=wi1·fi1+wi2·fi2+wi3·fi3
式中wi1、wi2、wi3分别为第i部件的重要度、易损性、性能衰退过程易检性的权重且(wi1+wi2+wi3=1),fi1、fi2、fi3分别为第i部件的重要度、易损性、性能衰退过程易检性的评估值。
综合分较高且性能衰退过程易检性高的部件选定为用于剩余寿命预测的部件,如工程机械例如挖掘机或旋挖钻机液压系统中的液压泵等。
数据采集模块11用于实时采集部件例如100a,110b的特征参数信息。在此需要说明的是,数据采集模块11可为工程机械本身带有的功能模块,或者为实现部件剩余寿命预测而额外增设的功能模块。
数据预处理模块15通过通讯接口13以有线或无线方式连接数据采集模块11,从而可以以远程通讯方式来接收现场实时采集的特征参数信息,并提取特征参数信息中的特征参数值以及对提取的特征参数值进行预处理以构建后续剩余寿命预测模块19所需的样本数据集。从图1中还可以得知:通讯接口13从数据采集模块11以无线或有线方式获取的实时特征参数信息还可储存至数据库16,数据预处理模块15产出的特征参数值也可储存至数据库16;当然,是否需要储存至数据库16则可视实际需要而定。
可靠性分析模块17连接数据库16,以从数据库16获取对部件例如100a,100b进行动态可靠性分析所需数据例如部件100a,100b的失效率、可靠度及相对应的已用工时等。具体地,可靠性分析模块17例如包括剩余寿命范围获取模块171以及当前评估对象确定模块173。剩余寿命范围获取模块171可根据从数据库16中取得的相应数据利用动态可靠性分析模型来引入随机过程和极值分布原理计算并建立各部件100a,100b的可靠度和失效率随使用时间变化的动态过程曲线以确定各部件100a,100b的寿命周期范围,并将确定的寿命周期范围减去对应的部件100a,100b当前已用工时即可获取各部件100a,100b的剩余寿命范围。在此,剩余寿命范围可理解为距离部件100a,100b进入其整个生命周期(例如依序包括正常阶段、性能衰退阶段以及失效阶段)的失效阶段的时间范围。此外,当前评估对象确定模块173会根据获取的各部件100a,100b的剩余寿命范围来确定是否将部件100a,100b其中之一或多个作为当前评估对象,并将当前评估对象告知剩余寿命预测模块19。具体地,当某部件的剩余寿命范围的下限值小于某一设定的阈值,则确定该部件为当前评估对象;例如,当某部件的剩余寿命范围[a,b]的下限值a小于预设的阈值LIM,则确定该部件为当前评估对象。此处的阈值可由技术人员视实际情况预先设定。本实施例中,动态可靠性分析模型例如是基于随机Petri网的动态可靠性分析模型。
剩余寿命预测模块19连接数据预处理模块15、数据库16及可靠性分析模块17,其获知当前评估对象后,从数据预处理模块15或数据库16取得作为当前评估对象的部件的实时特征参数值构成的样本数据集作为神经网络预测模型的输入,借由神经网络预测模型对样本数据集中的特征参数值进行回归拟合与趋势预测得出作为当前评估对象的预测的特征参数值,并根据预测的特征参数值参照当前评估对象处于故障状态的特征参数值得出当前评估对象的剩余寿命作为输出。该输出的剩余寿命可储存至数据库16及/或送至人机界面进行显示。本实施例中,神经网络预测模型例如为径向基函数(Radical Basis Function,简称RBF)神经网络模型或反向传播(BackPropagation,简称BP)神经网络模型。
以工程机械中的轴承为例,选取振动信号作为其特征参数,数据预处理模块15按一定的时间间隔连续提取振动值,对振动值进行数据预处理如归一化(如公式(1)所示),将这些归一化后的振动值构建成数据样本集,输入神经网络预测模型19,获取其预测的振动值,并以其处于故障状态的振动值为参照,获取其剩余寿命。
公式(1)中ak(k=1,2,…,n)为时序振动值数据,a′k(k=1,2,…,n)为时序振动值数据归一化值。
由上可知,执行于本发明实施例提出的部件剩余寿命预测系统10的部件剩余寿命预测方法可归纳为如图2所示的步骤S11-S17。
步骤S11:选取用于剩余寿命预测的部件。在此,可如上所述,将重要度、易损性、性能衰退过程易检性作为选取用于剩余寿命预测的部件的指标。重要度、易损性、性能衰退过程易检性等级可通过设计人员、维护人员打分确定,并将部件重要度、易损性、性能衰退过程易检性的得分以一定的权重组合得到一个综合分。综合分较高且性能衰退过程易检性高的部件选定为用于剩余寿命预测的部件,如工程机械例如挖掘机或旋挖钻机液压系统中的液压泵等。
步骤S13:采用动态可靠性分析来获取部件的剩余寿命范围以确定当前评估对象。具体地,研究选取部件的动态可靠性,利用动态可靠性分析模型(例如基于随机Petri网的动态可靠性分析模型)引入随机过程和极值分布原理计算并建立其可靠度和失效率随使用时间变化的动态过程曲线,确定其寿命周期范围。然后,依据部件的当前已用工时与所确定的寿命周期范围,获取部件的剩余寿命范围。在此,判断部件的剩余寿命范围的下限值是否小于预设的阈值,如果小于预设的阈值,则确定该部件为当前评估对象。
步骤S15:利用实时采集的部件的特征参数信息构建样本数据集。具体地,可由数据预处理模块11以远程通讯方式来获取数据采集模块11实时采集的特征参数信息、并提取该特征参数信息中的特征参数值以及对提取的特征参数值进行预处理(例如归一化)以构建样本数据集。
步骤S17:预测部件的剩余寿命。具体地,可由剩余寿命预测模块19利用RBF神经网络算法或BP神经网络算法对样本数据集进行回归拟合与趋势预测以获取预测的特征参数值、并利用预测的特征参数值参照作为当前评估对象的部件处于故障状态的特征参数值获取该部件的剩余寿命。
进一步地,所获取的部件的剩余寿命可作为对包含该部件的工程机械进行维护的依据,以有效实现预警作用及降低维护费用,从而提升故障控制效果。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种工程机械的部件剩余寿命预测系统,其特征在于,包括:
可靠性分析模块,包括剩余寿命范围获取模块以及当前评估对象确定模块,该剩余寿命范围获取模块利用动态可靠性分析模型获取部件的剩余寿命范围,该当前评估对象确定模块将该剩余寿命范围的下限值小于预设的阈值的该部件确定为当前评估对象;
数据预处理模块,接收实时采集的作为当前评估对象的该部件的特征参数信息、提取该特征参数信息中的特征参数值、并对提取的特征参数值进行预处理以构建样本数据集;以及
剩余寿命预测模块,利用神经网络预测模型根据该样本数据集获取预测的特征参数值、并利用该预测的特征参数值参照作为当前评估对象的该部件处于故障状态的特征参数值以获取该部件的剩余寿命。
2.如权利要求1所述的工程机械的部件剩余寿命预测系统,其特征在于,更包括:
通讯接口,连接该数据预处理模块,以使得该数据预处理模块通过该通讯接口以远程通讯方式接收该特征参数信息。
3.如权利要求1所述的工程机械的部件剩余寿命预测系统,其特征在于,更包括:
数据采集模块,实时采集作为当前评估对象的该部件的该特征参数信息以供该数据预处理模块接收。
4.如权利要求1所述的工程机械的部件剩余寿命预测系统,其特征在于,该神经网络预测模型为径向基函数神经网络模型或反向传播神经网络模型。
5.如权利要求1所述的工程机械的部件剩余寿命预测系统,其特征在于,更包括:
数据库,连接该可靠性分析模块与该剩余寿命预测模块,以储存利用该动态可靠性分析模型进行动态可靠性分析所需数据、该部件处于故障状态的特征参数值、以及该剩余寿命预测模块输出的该部件的剩余寿命。
6.一种工程机械的部件剩余寿命预测方法,其特征在于,包括以下步骤:
利用动态可靠性分析模型对部件进行动态可靠性分析以获取该部件的剩余寿命范围,并将该剩余寿命范围的下限值小于预设的阈值的该部件确定为当前评估对象;
实时采集作为当前评估对象的该部件的特征参数信息;
提取该特征参数信息中的特征参数值并进行预处理以构建样本数据集;以及
利用神经网络预测模型对该样本数据集进行回归拟合与趋势预测获取预测的特征参数值,并利用该预测的特征参数值参照作为当前评估对象的该部件处于故障状态的特征参数值获取该部件的剩余寿命。
7.如权利要求6所述的工程机械的部件剩余寿命预测方法,其特征在于,利用动态可靠性分析模型对部件进行动态可靠性分析以获取该部件的剩余寿命范围的步骤包括:
引入随机过程和极值分布原理计算并建立该部件的可靠度和失效率随使用时间变化的动态过程曲线,以确定该部件的寿命周期范围;以及
根据该部件的当前已用工时与所确定的寿命周期范围,获取该剩余寿命范围。
8.如权利要求6所述的工程机械的部件剩余寿命预测方法,其特征在于,利用神经网络预测模型对该样本数据集进行回归拟合与趋势预测获取预测的特征参数值是通过径向基函数神经网络或反向传播神经网络算法实现。
9.如权利要求6所述的工程机械的部件剩余寿命预测方法,其特征在于,在利用动态可靠性分析模型对部件进行动态可靠性分析以获取该部件的剩余寿命范围,并将该剩余寿命范围的下限值小于预设的阈值的该部件确定为当前评估对象之前还包括步骤:
依据重要度、易损性及性能衰退过程易检性选取该部件。
10.如权利要求9所述的工程机械的部件剩余寿命预测方法,其特征在于,还包括步骤:
将所获取的该部件的剩余寿命作为对该工程机械进行维护的依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103541975A CN102402727A (zh) | 2011-11-10 | 2011-11-10 | 工程机械的部件剩余寿命预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103541975A CN102402727A (zh) | 2011-11-10 | 2011-11-10 | 工程机械的部件剩余寿命预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102402727A true CN102402727A (zh) | 2012-04-04 |
Family
ID=45884909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103541975A Pending CN102402727A (zh) | 2011-11-10 | 2011-11-10 | 工程机械的部件剩余寿命预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102402727A (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103019135A (zh) * | 2012-11-28 | 2013-04-03 | 北京金风科创风电设备有限公司 | 风机部件的寿命预测方法及系统 |
CN103049661A (zh) * | 2012-12-21 | 2013-04-17 | 广州供电局有限公司 | Gis剩余使用寿命评估方法和系统 |
CN103377399A (zh) * | 2012-04-27 | 2013-10-30 | 日立(中国)研究开发有限公司 | 零部件市场供应量预测装置 |
CN103632058A (zh) * | 2013-12-03 | 2014-03-12 | 中国特种设备检测研究院 | 承压设备动态风险评估系统 |
CN103679280A (zh) * | 2012-09-26 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种性能缓变退化的设备最优维护方法 |
CN104361404A (zh) * | 2014-10-28 | 2015-02-18 | 哈尔滨工业大学 | 机载无线数据通讯中继单元剩余寿命预测方法与预测装置 |
CN104820778A (zh) * | 2015-04-27 | 2015-08-05 | 西北工业大学 | 作战飞机系统易损性指标分配方法 |
CN106598791A (zh) * | 2016-09-12 | 2017-04-26 | 湖南微软创新中心有限公司 | 一种基于机器学习的工业设备故障预防性识别方法 |
CN107025345A (zh) * | 2017-03-31 | 2017-08-08 | 柳州顺联科技有限公司 | 一种工程机械车辆报废时间的预测方法 |
CN107408227A (zh) * | 2015-06-18 | 2017-11-28 | 日立建机株式会社 | 工程机械的更换件管理系统 |
CN107924187A (zh) * | 2015-09-01 | 2018-04-17 | 沃尔特·弗兰德有限公司 | 用于计算机辅助地预测机械元件未来的运行状态的方法 |
CN108107864A (zh) * | 2016-11-24 | 2018-06-01 | 中国铁路总公司 | 一种计算机联锁系统服役寿命预测评估方法 |
CN108600704A (zh) * | 2018-05-08 | 2018-09-28 | 深圳市智汇牛科技有限公司 | 一种自动厨房领域的监控系统架构 |
WO2018176203A1 (zh) * | 2017-03-28 | 2018-10-04 | 西门子公司 | 用于评估组件的生命周期的方法和设备 |
CN108764567A (zh) * | 2018-05-28 | 2018-11-06 | 中国科学院自动化研究所 | 基于状态健康信息的剩余寿命远程预测方法、系统及设备 |
CN108846182A (zh) * | 2018-05-31 | 2018-11-20 | 西安交通大学 | 基于ar-garch回归的机械衰退数据质量改善方法 |
CN108960478A (zh) * | 2017-05-25 | 2018-12-07 | 波音公司 | 交通工具零件可靠性确定系统和方法 |
CN109740809A (zh) * | 2018-12-27 | 2019-05-10 | 北京五维星宇科技有限公司 | 基于单装寿命演化的装备集群剩余寿命预测方法及终端 |
CN109844489A (zh) * | 2016-10-20 | 2019-06-04 | 三菱电机株式会社 | 寿命预测装置 |
CN110110804A (zh) * | 2019-05-15 | 2019-08-09 | 上海飞机客户服务有限公司 | 基于cnn和lstm的飞控系统剩余寿命预测方法 |
CN110161989A (zh) * | 2019-04-25 | 2019-08-23 | 武汉企鹅能源数据有限公司 | 工业装备全生命周期管理及多维度能效分析系统 |
CN110163391A (zh) * | 2019-06-12 | 2019-08-23 | 中国神华能源股份有限公司 | 基于剩余使用寿命对列车轮轴的管理方法及系统 |
CN110415835A (zh) * | 2018-09-26 | 2019-11-05 | 中车工业研究院有限公司 | 一种机械设备的剩余寿命预测方法及装置 |
CN110609524A (zh) * | 2019-08-14 | 2019-12-24 | 华中科技大学 | 一种工业设备剩余寿命预测模型及其构建方法和应用 |
CN110987396A (zh) * | 2019-12-13 | 2020-04-10 | 三一重型装备有限公司 | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 |
CN111194431A (zh) * | 2018-09-14 | 2020-05-22 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
CN111472410A (zh) * | 2020-05-13 | 2020-07-31 | 雷沃工程机械集团有限公司 | 一种挖掘机电气元件故障预报警方法及系统 |
CN111794978A (zh) * | 2020-07-23 | 2020-10-20 | 中国核动力研究设计院 | 一种安注泵运行寿命预测方法和系统 |
CN112070249A (zh) * | 2020-09-16 | 2020-12-11 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 电力设备全寿命评估智能数据库系统及评估方法 |
CN112801199A (zh) * | 2021-02-07 | 2021-05-14 | 三一重工股份有限公司 | 挖掘机动臂寿命预测方法、装置、电子设备及存储介质 |
CN113095540A (zh) * | 2019-12-23 | 2021-07-09 | 财团法人工业技术研究院 | 数据整合方法及数据整合系统 |
CN113127984A (zh) * | 2019-12-31 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 设备维护的方法、装置、设备及存储介质 |
CN114611865A (zh) * | 2021-12-28 | 2022-06-10 | 浙江中控技术股份有限公司 | 一种基于仪控平台的工业控制站仪表的健康评估方法 |
US11454243B2 (en) | 2019-09-18 | 2022-09-27 | Industrial Technology Research Institute | Artificial intelligence training method for a target model based on the label matrix |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799320A (zh) * | 2010-01-27 | 2010-08-11 | 北京信息科技大学 | 一种旋转设备故障预测方法及其装置 |
-
2011
- 2011-11-10 CN CN2011103541975A patent/CN102402727A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799320A (zh) * | 2010-01-27 | 2010-08-11 | 北京信息科技大学 | 一种旋转设备故障预测方法及其装置 |
Non-Patent Citations (1)
Title |
---|
费胜巍等: "工程机械故障控制理论与方法", 《工程机械》 * |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377399A (zh) * | 2012-04-27 | 2013-10-30 | 日立(中国)研究开发有限公司 | 零部件市场供应量预测装置 |
CN103377399B (zh) * | 2012-04-27 | 2016-03-30 | 日立(中国)研究开发有限公司 | 零部件市场供应量预测装置 |
CN103679280B (zh) * | 2012-09-26 | 2016-12-21 | 中国人民解放军第二炮兵工程大学 | 一种性能缓变退化的设备最优维护方法 |
CN103679280A (zh) * | 2012-09-26 | 2014-03-26 | 中国人民解放军第二炮兵工程大学 | 一种性能缓变退化的设备最优维护方法 |
CN103019135B (zh) * | 2012-11-28 | 2015-07-01 | 北京金风科创风电设备有限公司 | 风机部件的寿命预测方法及系统 |
CN103019135A (zh) * | 2012-11-28 | 2013-04-03 | 北京金风科创风电设备有限公司 | 风机部件的寿命预测方法及系统 |
CN103049661B (zh) * | 2012-12-21 | 2015-11-18 | 广州供电局有限公司 | Gis剩余使用寿命评估方法和系统 |
CN103049661A (zh) * | 2012-12-21 | 2013-04-17 | 广州供电局有限公司 | Gis剩余使用寿命评估方法和系统 |
CN103632058B (zh) * | 2013-12-03 | 2016-08-17 | 中国特种设备检测研究院 | 承压设备动态风险评估系统 |
CN103632058A (zh) * | 2013-12-03 | 2014-03-12 | 中国特种设备检测研究院 | 承压设备动态风险评估系统 |
CN104361404A (zh) * | 2014-10-28 | 2015-02-18 | 哈尔滨工业大学 | 机载无线数据通讯中继单元剩余寿命预测方法与预测装置 |
CN104361404B (zh) * | 2014-10-28 | 2017-06-16 | 哈尔滨工业大学 | 机载无线数据通讯中继单元剩余寿命预测方法与预测装置 |
CN104820778A (zh) * | 2015-04-27 | 2015-08-05 | 西北工业大学 | 作战飞机系统易损性指标分配方法 |
CN104820778B (zh) * | 2015-04-27 | 2017-10-13 | 西北工业大学 | 作战飞机系统易损性指标分配方法 |
CN107408227B (zh) * | 2015-06-18 | 2021-01-26 | 日立建机株式会社 | 工程机械的更换件管理系统 |
CN107408227A (zh) * | 2015-06-18 | 2017-11-28 | 日立建机株式会社 | 工程机械的更换件管理系统 |
US11016480B2 (en) | 2015-09-01 | 2021-05-25 | Walther Flender Gmbh | Method for computer-assisted forecasting of future operating states of machine components |
CN107924187A (zh) * | 2015-09-01 | 2018-04-17 | 沃尔特·弗兰德有限公司 | 用于计算机辅助地预测机械元件未来的运行状态的方法 |
CN106598791A (zh) * | 2016-09-12 | 2017-04-26 | 湖南微软创新中心有限公司 | 一种基于机器学习的工业设备故障预防性识别方法 |
CN106598791B (zh) * | 2016-09-12 | 2020-08-21 | 湖南微软创新中心有限公司 | 一种基于机器学习的工业设备故障预防性识别方法 |
CN109844489A (zh) * | 2016-10-20 | 2019-06-04 | 三菱电机株式会社 | 寿命预测装置 |
CN108107864A (zh) * | 2016-11-24 | 2018-06-01 | 中国铁路总公司 | 一种计算机联锁系统服役寿命预测评估方法 |
WO2018176203A1 (zh) * | 2017-03-28 | 2018-10-04 | 西门子公司 | 用于评估组件的生命周期的方法和设备 |
US11481699B2 (en) | 2017-03-28 | 2022-10-25 | Siemens Aktiengesellschaft | Method and device for estimating the lifecycle of a component |
CN107025345A (zh) * | 2017-03-31 | 2017-08-08 | 柳州顺联科技有限公司 | 一种工程机械车辆报废时间的预测方法 |
CN108960478B (zh) * | 2017-05-25 | 2023-10-13 | 波音公司 | 交通工具零件可靠性确定系统和方法 |
CN108960478A (zh) * | 2017-05-25 | 2018-12-07 | 波音公司 | 交通工具零件可靠性确定系统和方法 |
CN108600704A (zh) * | 2018-05-08 | 2018-09-28 | 深圳市智汇牛科技有限公司 | 一种自动厨房领域的监控系统架构 |
CN108764567A (zh) * | 2018-05-28 | 2018-11-06 | 中国科学院自动化研究所 | 基于状态健康信息的剩余寿命远程预测方法、系统及设备 |
CN108846182A (zh) * | 2018-05-31 | 2018-11-20 | 西安交通大学 | 基于ar-garch回归的机械衰退数据质量改善方法 |
CN111194431A (zh) * | 2018-09-14 | 2020-05-22 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
CN110415835B (zh) * | 2018-09-26 | 2021-04-23 | 中车工业研究院有限公司 | 一种机械设备的剩余寿命预测方法及装置 |
CN110415835A (zh) * | 2018-09-26 | 2019-11-05 | 中车工业研究院有限公司 | 一种机械设备的剩余寿命预测方法及装置 |
CN109740809A (zh) * | 2018-12-27 | 2019-05-10 | 北京五维星宇科技有限公司 | 基于单装寿命演化的装备集群剩余寿命预测方法及终端 |
CN109740809B (zh) * | 2018-12-27 | 2021-03-23 | 北京五维星宇科技有限公司 | 基于单装寿命演化的装备集群剩余寿命预测方法及终端 |
CN110161989A (zh) * | 2019-04-25 | 2019-08-23 | 武汉企鹅能源数据有限公司 | 工业装备全生命周期管理及多维度能效分析系统 |
CN110110804A (zh) * | 2019-05-15 | 2019-08-09 | 上海飞机客户服务有限公司 | 基于cnn和lstm的飞控系统剩余寿命预测方法 |
CN110110804B (zh) * | 2019-05-15 | 2021-06-25 | 上海飞机客户服务有限公司 | 基于cnn和lstm的飞控系统剩余寿命预测方法 |
CN110163391B (zh) * | 2019-06-12 | 2021-08-10 | 中国神华能源股份有限公司 | 基于剩余使用寿命对列车轮轴的管理方法及系统 |
CN110163391A (zh) * | 2019-06-12 | 2019-08-23 | 中国神华能源股份有限公司 | 基于剩余使用寿命对列车轮轴的管理方法及系统 |
CN110609524B (zh) * | 2019-08-14 | 2020-07-28 | 华中科技大学 | 一种工业设备剩余寿命预测模型及其构建方法和应用 |
CN110609524A (zh) * | 2019-08-14 | 2019-12-24 | 华中科技大学 | 一种工业设备剩余寿命预测模型及其构建方法和应用 |
US11454243B2 (en) | 2019-09-18 | 2022-09-27 | Industrial Technology Research Institute | Artificial intelligence training method for a target model based on the label matrix |
CN110987396B (zh) * | 2019-12-13 | 2021-07-30 | 三一重型装备有限公司 | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 |
CN110987396A (zh) * | 2019-12-13 | 2020-04-10 | 三一重型装备有限公司 | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 |
CN113095540A (zh) * | 2019-12-23 | 2021-07-09 | 财团法人工业技术研究院 | 数据整合方法及数据整合系统 |
CN113127984A (zh) * | 2019-12-31 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 设备维护的方法、装置、设备及存储介质 |
CN111472410A (zh) * | 2020-05-13 | 2020-07-31 | 雷沃工程机械集团有限公司 | 一种挖掘机电气元件故障预报警方法及系统 |
CN111794978A (zh) * | 2020-07-23 | 2020-10-20 | 中国核动力研究设计院 | 一种安注泵运行寿命预测方法和系统 |
CN111794978B (zh) * | 2020-07-23 | 2022-02-11 | 中国核动力研究设计院 | 一种安注泵运行寿命预测方法和系统 |
CN112070249A (zh) * | 2020-09-16 | 2020-12-11 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 电力设备全寿命评估智能数据库系统及评估方法 |
CN112801199B (zh) * | 2021-02-07 | 2023-06-16 | 盛景智能科技(嘉兴)有限公司 | 挖掘机动臂寿命预测方法、装置、电子设备及存储介质 |
CN112801199A (zh) * | 2021-02-07 | 2021-05-14 | 三一重工股份有限公司 | 挖掘机动臂寿命预测方法、装置、电子设备及存储介质 |
CN114611865A (zh) * | 2021-12-28 | 2022-06-10 | 浙江中控技术股份有限公司 | 一种基于仪控平台的工业控制站仪表的健康评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102402727A (zh) | 工程机械的部件剩余寿命预测系统及方法 | |
CN102495549B (zh) | 工程机械的远程维护决策系统及方法 | |
CN106054104B (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
CN103716202B (zh) | 一种电力通信智能检修策略管理方法 | |
CN103530347B (zh) | 一种基于大数据挖掘的互联网资源质量评估方法及系统 | |
CN103928071B (zh) | 基于应急行动水平的核电厂应急状态辅助判断系统及方法 | |
CN112348339A (zh) | 一种基于大数据分析的配电网规划方法 | |
CN107016235A (zh) | 基于多特征自适应融合的设备运行状态健康度评估方法 | |
CN111322082B (zh) | 一种tbm滚刀状态监测及故障诊断方法、系统 | |
CN105300692A (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
CN104200396A (zh) | 一种风力发电机部件故障预警方法 | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
CN104915552A (zh) | 一种预测系统故障的方法及装置 | |
CN103675354B (zh) | 一种风速仪故障检测的方法和系统 | |
CN108667927A (zh) | 工程机械故障的远程管理方法、装置、系统及存储介质 | |
CN109429264B (zh) | 一种数据处理方法、装置、设备及计算机可读存储介质 | |
CN103927694A (zh) | 城市电网区域负荷实时分析决策系统及其工作方法 | |
CN111896254A (zh) | 一种变速变载大型滚动轴承故障预测系统及方法 | |
CN103761420A (zh) | 一种火电设备性能逐步回归评测方法 | |
CN104346511A (zh) | 一种全新的油藏动态监测方法及装置 | |
CN103675357B (zh) | 风速仪故障预警的方法和系统 | |
CN112687080A (zh) | 结合气象预警的地质灾害监测设备采集上报频率调整方法 | |
Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
CN104392307B (zh) | 一种基于配电网自动化工程的可靠性评估方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120404 |