CN103359572A - 一种提升机故障诊断方法及装置 - Google Patents
一种提升机故障诊断方法及装置 Download PDFInfo
- Publication number
- CN103359572A CN103359572A CN2013101936527A CN201310193652A CN103359572A CN 103359572 A CN103359572 A CN 103359572A CN 2013101936527 A CN2013101936527 A CN 2013101936527A CN 201310193652 A CN201310193652 A CN 201310193652A CN 103359572 A CN103359572 A CN 103359572A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- dimensional
- linear
- gauss
- fault
- 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
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种提升机故障诊断方法及装置,涉及机械设备故障诊断和无线传感器网络领域。本发明主要包括两部分:(1)全局保持与局部鉴别的多核故障监测方法,该方法由离线训练和在线故障监测组成。离线训练具有结构保持的投影矩阵W,将高维数据样本投影到低维空间,然后训练GMM模型,计算T2、SPE、BIP、MD监测统计量,结合贡献图进行故障检测和诊断。(2)提升机故障诊断装置,该装置利用有线、无线两种方式进行信号采集与传输,适合复杂环境中设备的远程监测。应用效果表明,信号采集与传输可靠、监测准确性高、成本适中,具有推广价值。
Description
技术领域
本发明涉及工业过程的故障监测诊断、无线传感器网络领域,具体是一种非线性、非高斯、多模态故障监测诊断方法及故障诊断装置。
背景技术
近年来随着微机电系统技术、无线通信技术、传感器技术的迅速发展,一种新的信息获取和传输模式—无线传感器网络技术应运而生。与传统的有线传感器监测方式相比,无线传感器网络具有构建快速、部署方便等优点,可完成大范围信息采集和对象的自动监测。在煤矿生产中,矿井提升机的主要任务是提升煤炭、矿石和矸石,下放材料,升降人员和设备,它是关键的生产环节之一,其安全正常运行对煤矿生产产生重大的影响。目前,提升机的温度和振动信号的检测大都采用有线方式,布线繁琐且受传输距离的限制,甚至会出现个别信号无法通过有线方式进行传输的问题。另外,机械设备日趋大型化和集成化,工作状态变化频繁以及其它设备干扰严重,使得振动信号具有很强的非线性、非高斯和动态性,抽取的信号特征也具有非线性、异构、冗余、尺度差异大等特性。基于核PCA的故障检测方法虽然能解决非线性问题,但是在多负荷变化情况下监测性能并不理想。基于GMM的故障检测方法能监测多模态问题,但是在非线性、异构情形下监测性能也不理想。目前,对非线性非高斯多模态进行机械故障监测诊断的研究还比较少。
发明内容
本发明目的在于克服目前提升机故障诊断方法及装置的不足,发明的提升机故障诊断装置采用有线和无线相结合的方式传输监测信号,基于非线性非高斯多模态故障监测诊断方法实时监测提升机运行状态,自动诊断常见的提升机故障,具体是一种故障诊断方法和一种故障诊断装置。本发明是的通过下面的方法实现的。
1.故障诊断装置
一种提升机故障诊断方法及装置,系统根据检测信号装置与提升机监控室之间的距离选择有线或无线方式传输,该系统包括有线信号采集单元、无线信号采集单元、无线传感器网络、故障诊断单元和远程监控单元。
有线信号采集单元使用振动传感器、温度传感器对离监控室较近的电机、减速器和滚筒等主要部件进行信号采集。振动传感器安装于部件轴承处,结合现场情况,在旋转轴的垂直、水平和轴向三个方向上安装传感器,水平与垂直方向的传感器须处于垂直于轴向平面内;温度传感器插装于提升机部件的轴承孔中。传感器所采集信号经信号调理单元后进入数据采集卡,并传至上位机。信号调理单元在上位机旁,包括稳压恒流源和信号转换板,稳压恒流源为振动传感器提供电压,信号转换板将温度传感器输出的标准电流信号转换为标准电压信号,供采集卡采集。
无线信号采集单元包括无线振动加速度节点、无线温度节点、无线网关及网桥等。无线加速度节点安装于提升机天轮轴承处,无线温度节点安装于各高压开关柜进线相处。无线传感器网络使用星型拓扑,温度传感器节点D1~Dn汇聚至网关L并USB口进入上位机,因天轮与监测室间距离较远,使用一对网桥做中继节点,以扩大网络覆盖范围,天轮振动传感器节点B1~Bn连接网关N,网关与网桥(从站)相连,在监控室内,网桥(基站)连接工控机。
2.故障诊断方法
一种提升机故障诊断方法及装置,对采集信号使用一种新的非线性、非高斯、多模态故障诊断方法进行故障诊断,充分地利用了异构数据特征,适合多负荷变化的机械设备故障监测。
一种非线性、非高斯、多模态故障监测诊断方法,包括离线训练和在线故障监测诊断两个算法:离线训练算法首先训练基于多核的特征映射函数φe(x)及其核函数权重,样本映射到高维线性特征空间,在该空间内训练具有结构保持的投影矩阵,把高维特征空间数据投影到低维空间,最后使用低维数据特征训练GMM模型;在线监测算法首先利用φe(x)把测试数据映射到高维特征空间,并通过抽取数据特征,以此计算T2、SPE监测统计量,使用GMM模型计算BIP、MD监测统计量和贡献图,结合这些统计量进行故障检测和诊断。
本发明基于多核函数的特征映射函数,把信号特征映射到高维线性特征空间,对高维线性数据抽取特征。抽取的特征不仅能够保持高维空间的欧氏几何结构而且包含局部、全局几何结构信息,在低维特征空间内使用GMM建模,构造故障统计量进行故障监测,并使用贡献图进行故障诊断。
所述的一种非线性、非高斯、多模态故障监测诊断方法,对多个核函数的权重及其参数,给出了最优权重以及核函数参数的交替迭代优化算法,关于权重的优化问题如下:
(1)核函数权重和参数迭代优化算法
a.根据下述优化准则更新核函数权重β l
b.根据下述优化准则核函数参数θ
根据上述核函数权重和核函数参数更新方法,交替迭代算法求取最优核函数权重以及参数的步骤如下:
输入:训练数据集,权重初始值(满足(1)式的约束条件),核函数的数量M,RBF核参数初始值θold,梯度下降法步长Nopt=1,最大迭代次数Nimax;
步骤3. Nopt= Nopt+1, 如果Nopt≥Nimax,则优化过程结束,转到步骤4,否则转到步骤1;
(2)投影矩阵训练算法
φ(xi)已经中心化。
所述的一种非线性、非高斯、多模态故障监测诊断方法,在高维特征空间获取投影矩阵,保证低维投影空间和特征空间Φ具有相似的局部结构,并且具有良好的鉴别性,有利于故障模式区分,满足低维空间重构误差最小以及全局信息最大,计算投影矩阵算法如下:
令投影矩阵,则局部保持、非局部和全局保持由下面问题表示
上述问题转化为求解广义特征值问题:
样本x过降维后的变量y为:
(3)低维空间GMM建模与构造监测统计量
a.构造统计量T2和SPE:
Φ=BY+E (14)
基于Y建立统计量:
SPEα表示SPE统计量的1-α置信限,y和e分别为Y和E空间的向量。
b. 基于GMM的统计量
ytest与第m个高斯成分相似度为:
MD近似服从自由度为N的χ2分布,如果MD的值超过了阈值,意味着ytest是一个在野点或者故障。
ytest为GMM第m成分的分布为
ytest属于θm(GMM第m成分)的后验分布为
P(θm)为每个Gaussian成分的先验,即GMM模型中的权重πm;
定义 (20)
BIP指标考虑ytest可能来自所有Gaussian成分,即使样本ytest概率分布比较复杂,该指标也能较可靠地检测故障,避免因ytest属于单个Gaussian而导致潜在的误检测风险。
所述的MD监测统计量反映了单个高斯成分(局部信息),而统计量T2反映了全局信息,两者构造一个新的融合局部和全局信息的监测统计量,其形式为
有益效果:本发明结合有线和无线传输技术,实时监测提升机关键部位的振动和温度信号,保证了实时性和稳定性,较大程度上避免了布线的繁琐、线路间相互影响的问题,方便安装;提出的故障诊断方法应用可行,具有较高的故障监测率和故障诊断的准确性。
附图说明
图1为本发明的监测结构示意图( 表示有线传输,……表示无线传输);
图1中:A 振动传感器,B 三向加速度振动节点,C 温度传感器,D 无线温度节点,E、F 信号调理器,G 信号采集卡,H 工控机,M 加速度网关,L 温度网关,N 网桥;
图2为故障监测算法框架(a.离线训练,b.在线监测)。
具体实施方式
下面结合附图1对本发明的实施作进一步的说明:
提升机电机、减速器、滚筒等距监控室较近的设备使用有线振动(A)和温度传感器(C)采集信号,信号经信号调理器(E,F)传至采集卡(G1,G2)从而汇聚至上位机(H)。使用无线传感器检测距监控室较远的天轮振动和高压电气柜的温度。三向振动加速度节点(B)连接至加速度网关(M),加速度网关连接至从站网桥(N1),通过基站网桥(N2)接入上位机(H),基站网桥(N2)和从站网桥(N1)分别位于监控室内和天轮上。在高压电器柜进线相处安装无线温度传感器节点(D)通过网关(L)连接到上位机(H),远程客户端与上位机通过网络通信实现提升机运行状态的远程监控。
基于LabVIEW和MATLAB平台设计监测诊断单元,采用模块化设计、界面友好,能够实现信号的实时监测及显示、信号处理分析、故障特征提取及诊断、数据存储查询、生命周期管理和系统安全登录等功能。
故障监测算法框架如图2所示。算法应用分为2个阶段:离线训练阶段和在线故障监测阶段。在训练阶段,从机械设备中采集设备状态数据,并进行去噪、规格化等预处理;然后从数据的频域、时域以及信号几何结构方面抽取特征;对由异构特征构建的数据样本求取最优核函数权重和参数,使用本方法对数据维数约简,在低维约简空间中对GMM进行建模。在线故障监测阶段中,数据信号处理过程和特征抽取方法与训练阶段类似,然后使用训练好算法对新数据样本进行维数约简,计算监测统计量T2和SPE,根据GMM模型计算监测统计量MD和BIP;当故障监测统计量超出正常值时发生故障,使用贡献图找出最有可能发生的故障源。
Claims (5)
1.一种提升机故障诊断方法及装置,其特征在于:1)系统根据检测信号装置与提升机监控室之间的距离选择有线或无线方式传输,该系统包括有线信号采集单元、无线信号采集单元、无线传感器网络、故障诊断单元和远程监控单元;2)对采集信号使用一种新的非线性、非高斯、多模态故障诊断方法进行故障诊断,充分地利用了异构数据特征,适合多负荷变化的机械设备故障监测。
2.根据权利要求1所述的一种提升机故障诊断方法及装置,其特征在于:一种非线性、非高斯、多模态故障监测诊断方法,包括离线训练和在线故障监测诊断两个算法:离线训练算法首先训练基于多核的特征映射函数φe(x)及其核函数权重,样本映射到高维线性特征空间,在该空间内训练具有结构保持的投影矩阵,把高维特征空间数据投影到低维空间,最后使用低维数据特征训练GMM模型;在线监测算法首先利用φe(x)把测试数据映射到高维特征空间,并通过抽取数据特征,以此计算T2、SPE监测统计量,使用GMM模型计算BIP、MD监测统计量和贡献图,结合这些统计量进行故障检测和诊断。
3.根据权利要求2所述的一种非线性、非高斯、多模态故障监测诊断方法,其特征在于:对多个核函数的权重及其参数,给出了最优权重以及核函数参数的交替迭代优化算法,关于权重的优化问题如下:
交替迭代优化算法求解步骤如下:
步骤3.Nopt= Nopt+1 , 如果Nopt≥Nimax,则优化过程结束,转到步骤4,否则转到步骤1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101936527A CN103359572A (zh) | 2013-05-23 | 2013-05-23 | 一种提升机故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101936527A CN103359572A (zh) | 2013-05-23 | 2013-05-23 | 一种提升机故障诊断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103359572A true CN103359572A (zh) | 2013-10-23 |
Family
ID=49361974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101936527A Pending CN103359572A (zh) | 2013-05-23 | 2013-05-23 | 一种提升机故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103359572A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105116323A (zh) * | 2015-08-14 | 2015-12-02 | 江苏科技大学 | 一种基于rbf的电机故障检测方法 |
CN105137354A (zh) * | 2015-08-27 | 2015-12-09 | 江苏科技大学 | 一种基于神经网络电机故障检测方法 |
CN106006344A (zh) * | 2016-07-12 | 2016-10-12 | 苏州长风航空电子有限公司 | 扶梯故障在线预警系统及故障诊断方法 |
CN106779063A (zh) * | 2016-11-15 | 2017-05-31 | 河南理工大学 | 一种基于rbf网络的提升机制动系统故障诊断方法 |
CN106940808A (zh) * | 2017-04-28 | 2017-07-11 | 宁波大学 | 一种基于改进型主元分析模型的故障检测方法 |
CN107992886A (zh) * | 2017-11-28 | 2018-05-04 | 中国大唐集团科学技术研究院有限公司华东分公司 | 一种燃机压气机设备故障趋势预测方法 |
CN108147250A (zh) * | 2018-01-05 | 2018-06-12 | 南通大学 | 一种摩擦式矿井提升机刚性罐道故障定位系统 |
CN109242046A (zh) * | 2018-10-10 | 2019-01-18 | 中国工程物理研究院计算机应用研究所 | 基于非线性复杂系统过程数据的在线故障诊断方法 |
CN109299844A (zh) * | 2018-07-03 | 2019-02-01 | 国网浙江省电力有限公司电力科学研究院 | 一种电力设备状态静态阈值评估方法 |
CN110738248A (zh) * | 2019-09-30 | 2020-01-31 | 朔黄铁路发展有限责任公司 | 状态感知数据特征提取方法及装置、系统性能评估方法 |
CN110817628A (zh) * | 2018-08-08 | 2020-02-21 | 北京感瞰科技有限公司 | 一种升降机智能故障诊断方法、装置及系统 |
CN111061257A (zh) * | 2019-12-30 | 2020-04-24 | 杭州电子科技大学 | 一种基于动态全局lpp的工业过程监测方法 |
CN111123890A (zh) * | 2019-12-24 | 2020-05-08 | 泉州装备制造研究所 | 一种特种设备故障监测系统 |
CN111170101A (zh) * | 2018-11-13 | 2020-05-19 | 奥的斯电梯公司 | 监视系统 |
CN113283344A (zh) * | 2021-05-27 | 2021-08-20 | 中国矿业大学 | 一种基于语义分割网络的矿用输送带跑偏检测方法 |
CN116861218A (zh) * | 2023-07-25 | 2023-10-10 | 上海华菱电站成套设备股份有限公司 | 一种矿井提升机关键设备状态监测预警系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006056635A (ja) * | 2004-08-18 | 2006-03-02 | Toshiba Elevator Co Ltd | エレベータの異常診断装置 |
JP2009149413A (ja) * | 2007-12-20 | 2009-07-09 | Hitachi Ltd | エレベーター異常・故障時制御システム |
JP2009215059A (ja) * | 2008-03-13 | 2009-09-24 | Mitsubishi Electric Corp | エレベータの異常検出装置及び閾値設定方法 |
CN201923732U (zh) * | 2011-01-21 | 2011-08-10 | 杭州方星电子有限公司 | 电梯故障诊断装置 |
CN102145840A (zh) * | 2011-03-28 | 2011-08-10 | 宁波市鄞州欧菱电梯配件有限公司 | 电梯控制提醒及故障自诊断方法及其系统 |
JP2011178544A (ja) * | 2010-03-03 | 2011-09-15 | Mitsubishi Electric Corp | エレベータ故障診断装置 |
CN102358542A (zh) * | 2011-08-18 | 2012-02-22 | 上海交通大学 | 基于专家系统的矿井提升机故障诊断方法及系统 |
CN202226500U (zh) * | 2011-08-18 | 2012-05-23 | 上海交通大学 | 基于专家系统的矿井提升机故障诊断系统 |
CN102765643A (zh) * | 2012-05-31 | 2012-11-07 | 天津大学 | 基于数据驱动的电梯故障诊断与预警方法 |
-
2013
- 2013-05-23 CN CN2013101936527A patent/CN103359572A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006056635A (ja) * | 2004-08-18 | 2006-03-02 | Toshiba Elevator Co Ltd | エレベータの異常診断装置 |
JP2009149413A (ja) * | 2007-12-20 | 2009-07-09 | Hitachi Ltd | エレベーター異常・故障時制御システム |
JP2009215059A (ja) * | 2008-03-13 | 2009-09-24 | Mitsubishi Electric Corp | エレベータの異常検出装置及び閾値設定方法 |
JP2011178544A (ja) * | 2010-03-03 | 2011-09-15 | Mitsubishi Electric Corp | エレベータ故障診断装置 |
CN201923732U (zh) * | 2011-01-21 | 2011-08-10 | 杭州方星电子有限公司 | 电梯故障诊断装置 |
CN102145840A (zh) * | 2011-03-28 | 2011-08-10 | 宁波市鄞州欧菱电梯配件有限公司 | 电梯控制提醒及故障自诊断方法及其系统 |
CN102358542A (zh) * | 2011-08-18 | 2012-02-22 | 上海交通大学 | 基于专家系统的矿井提升机故障诊断方法及系统 |
CN202226500U (zh) * | 2011-08-18 | 2012-05-23 | 上海交通大学 | 基于专家系统的矿井提升机故障诊断系统 |
CN102765643A (zh) * | 2012-05-31 | 2012-11-07 | 天津大学 | 基于数据驱动的电梯故障诊断与预警方法 |
Non-Patent Citations (3)
Title |
---|
刘小丽等: "基于第2代小波和Hilbert_Huang变换的轴承故障诊断", 《轴承》, vol. 6, no. 6, 30 June 2012 (2012-06-30) * |
刘小平: "基于HHT_DDKICA和支持矢量数据描述方法的提升机故障监测", 《机械工程学报》, vol. 48, no. 23, 31 December 2012 (2012-12-31) * |
刘小平: "提升机故障智能诊断理论及应用", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, no. 6, 31 July 2014 (2014-07-31) * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105116323A (zh) * | 2015-08-14 | 2015-12-02 | 江苏科技大学 | 一种基于rbf的电机故障检测方法 |
CN105116323B (zh) * | 2015-08-14 | 2017-10-17 | 江苏科技大学 | 一种基于rbf的电机故障检测方法 |
CN105137354B (zh) * | 2015-08-27 | 2018-04-06 | 江苏科技大学 | 一种基于神经网络电机故障检测方法 |
CN105137354A (zh) * | 2015-08-27 | 2015-12-09 | 江苏科技大学 | 一种基于神经网络电机故障检测方法 |
CN106006344A (zh) * | 2016-07-12 | 2016-10-12 | 苏州长风航空电子有限公司 | 扶梯故障在线预警系统及故障诊断方法 |
CN106006344B (zh) * | 2016-07-12 | 2018-11-16 | 苏州长风航空电子有限公司 | 扶梯故障在线预警系统及故障诊断方法 |
CN106779063B (zh) * | 2016-11-15 | 2019-03-26 | 河南理工大学 | 一种基于rbf网络的提升机制动系统故障诊断方法 |
CN106779063A (zh) * | 2016-11-15 | 2017-05-31 | 河南理工大学 | 一种基于rbf网络的提升机制动系统故障诊断方法 |
CN106940808A (zh) * | 2017-04-28 | 2017-07-11 | 宁波大学 | 一种基于改进型主元分析模型的故障检测方法 |
CN107992886A (zh) * | 2017-11-28 | 2018-05-04 | 中国大唐集团科学技术研究院有限公司华东分公司 | 一种燃机压气机设备故障趋势预测方法 |
CN108147250A (zh) * | 2018-01-05 | 2018-06-12 | 南通大学 | 一种摩擦式矿井提升机刚性罐道故障定位系统 |
CN109299844A (zh) * | 2018-07-03 | 2019-02-01 | 国网浙江省电力有限公司电力科学研究院 | 一种电力设备状态静态阈值评估方法 |
CN110817628A (zh) * | 2018-08-08 | 2020-02-21 | 北京感瞰科技有限公司 | 一种升降机智能故障诊断方法、装置及系统 |
CN109242046A (zh) * | 2018-10-10 | 2019-01-18 | 中国工程物理研究院计算机应用研究所 | 基于非线性复杂系统过程数据的在线故障诊断方法 |
CN109242046B (zh) * | 2018-10-10 | 2021-11-23 | 中国工程物理研究院计算机应用研究所 | 基于非线性复杂系统过程数据的在线故障诊断方法 |
CN111170101B (zh) * | 2018-11-13 | 2021-07-02 | 奥的斯电梯公司 | 监视系统 |
CN111170101A (zh) * | 2018-11-13 | 2020-05-19 | 奥的斯电梯公司 | 监视系统 |
CN110738248A (zh) * | 2019-09-30 | 2020-01-31 | 朔黄铁路发展有限责任公司 | 状态感知数据特征提取方法及装置、系统性能评估方法 |
CN110738248B (zh) * | 2019-09-30 | 2022-09-27 | 朔黄铁路发展有限责任公司 | 状态感知数据特征提取方法及装置、系统性能评估方法 |
CN111123890A (zh) * | 2019-12-24 | 2020-05-08 | 泉州装备制造研究所 | 一种特种设备故障监测系统 |
CN111123890B (zh) * | 2019-12-24 | 2022-07-12 | 泉州装备制造研究所 | 一种特种设备故障监测系统 |
CN111061257B (zh) * | 2019-12-30 | 2021-02-19 | 杭州电子科技大学 | 一种基于动态全局lpp的工业过程监测方法 |
CN111061257A (zh) * | 2019-12-30 | 2020-04-24 | 杭州电子科技大学 | 一种基于动态全局lpp的工业过程监测方法 |
CN113283344A (zh) * | 2021-05-27 | 2021-08-20 | 中国矿业大学 | 一种基于语义分割网络的矿用输送带跑偏检测方法 |
CN113283344B (zh) * | 2021-05-27 | 2024-03-12 | 中国矿业大学 | 一种基于语义分割网络的矿用输送带跑偏检测方法 |
CN116861218A (zh) * | 2023-07-25 | 2023-10-10 | 上海华菱电站成套设备股份有限公司 | 一种矿井提升机关键设备状态监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103359572A (zh) | 一种提升机故障诊断方法及装置 | |
CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
CN105515184B (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
US11348023B2 (en) | Identifying locations and causes of network faults | |
CN109787979B (zh) | 一种电力网络事件和入侵的检测方法 | |
US20130107728A1 (en) | User Behavior Model and Statistical Transition Map to Assist Advanced WLAN Applications | |
WO2019157007A1 (en) | Fall protection equipment having inductive sensor for connection status and control | |
CN110216680B (zh) | 一种服务机器人云地协同故障诊断系统和方法 | |
CN104077552A (zh) | 一种基于云计算的轨道交通信号综合运维方法及系统 | |
CN107391369A (zh) | 一种基于数据筛选和数据过采样的跨项目缺陷预测方法 | |
Zhang et al. | A data set accuracy weighted random forest algorithm for IoT fault detection based on edge computing and blockchain | |
Bokareva et al. | Sasha: Toward a self-healing hybrid sensor network architecture | |
CN103728507A (zh) | 一种基于数据挖掘的电网故障诊断方法 | |
CN109313841A (zh) | 用于在传感器网络中实现自适应聚类的方法和系统 | |
CN106961349A (zh) | 一种基于数据融合的传感器故障识别系统及方法 | |
CN109670584A (zh) | 一种基于大数据的故障诊断方法及系统 | |
Salehi et al. | Damage identification in aircraft structures with self‐powered sensing technology: A machine learning approach | |
CN116628633A (zh) | 一种igbt实时监测与使用寿命预测评估方法 | |
Zhang et al. | Online power system dynamic security assessment with incomplete PMU measurements: A robust white‐box model | |
CN116823227A (zh) | 一种基于物联网的智能设备管理系统及方法 | |
Jaiswal et al. | Distributed fog computing architecture for real-time anomaly detection in smart meter data | |
Sumathi et al. | Efficient data handling of wireless sensor network for real time landslide monitoring system using fuzzy technique | |
Cao et al. | Fault detection and classification in solar based distribution systems in the presence of deep learning and social spider method | |
CN116226661A (zh) | 设备状态运行监测装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131023 |