CN105487530A - 柴油机排温低故障预测系统及方法 - Google Patents
柴油机排温低故障预测系统及方法 Download PDFInfo
- Publication number
- CN105487530A CN105487530A CN201610068725.3A CN201610068725A CN105487530A CN 105487530 A CN105487530 A CN 105487530A CN 201610068725 A CN201610068725 A CN 201610068725A CN 105487530 A CN105487530 A CN 105487530A
- Authority
- CN
- China
- Prior art keywords
- diesel engine
- fault
- signal
- diesel
- subsystem
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000003745 diagnosis Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 24
- 230000007257 malfunction Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 230000008054 signal transmission Effects 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010223 real-time analysis Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24048—Remote test, monitoring, diagnostic
Abstract
本发明涉及一种柴油机排温低故障预测系统及方法。一种柴油机排温低故障预测系统,包括信号采集系统、建模仿真系统和故障诊断系统;信号采集系统用于采集、处理信号,并传输信号至监控电脑进行存储和处理;建模仿真系统使用柴油机仿真软件建立柴油机燃烧室模型,仿真柴油机正常的工作状态;故障诊断系统针对排温低的故障现象的原因进行分析,并通过调整建模仿真系统中的相关参数来实现上述故障的仿真,建立故障库,将柴油机的实际工作状态与故障库进行对比,判断柴油机是否处于故障状态。本发明无需加装传感器;能准确对柴油机排温低的故障进行实时监控;对柴油机排温低的故障进行预测;提供了故障诊断意见,为用户高效的处理故障提供了技术支撑。
Description
技术领域
本发明涉及柴油机故障诊断技术领域,具体涉及一种柴油机排温低故障预测系统及方法。
背景技术
随着当今社会工业化水平的迅猛发展,柴油机作为最常用的动力机械设备,广泛应用于石油矿场、固定发电、铁路牵引、工程机械及特种船舶等领域。船舶柴油机是船舶的动力心脏,也是船舶机械系统中故障最多的系统,其安全可靠的运行是船艇安全航行的基本保证,其性能下降或者出现故障,都会影响船舶效能的发挥。
柴油机气缸排气温度反映气缸的负荷和燃烧质量,是分析柴油机热功转换效率和评判柴油机可靠性、经济性的重要参数。造成柴油机气缸排气温度低这一故障的因素较多,在实践中多采用人工凭经验进行排查分析,目前没有相关的故障模型,并且只能在发生故障之后才能进行排查,对工作任务的完成有一定的影响。
开展柴油机故障排温低诊断技术研究,不仅能够帮助我们发现故障,防止事故发生,同时可以保障生产的安全性,减少或避免因事故而造成的重大经济损失和人身伤害;能够帮助维修人员早期发现设备的异常症状,以便尽快查明故障原因,预测故障的影响,从而实现有计划、有针对性的按状态维修,即视情维修,避免过剩维修,并可安排在对生产最有利的时间进行,从而从总体上降低维修费用。
发明内容
本发明要解决的技术问题是:目前船舶柴油机都安装有热力参数监控系统,可以实时监测各参数,但是因为柴油机结构复杂,各部件关联度大,实测数据只有超过预警值之后才会进行报警,尚没有一种可以进行故障预测的系统。
本发明的目的是解决上述现有技术存在的问题,通过仿真软件及硬件的结合对柴油机气缸的燃烧过程进行仿真,并与实测柴油机数据进行对比研究,从而验证仿真模型的正确性;通过对软件故障的设置,定性分析相关因素对燃烧性能的影响,从而实现该故障的仿真。将实船采集数据经预处理之后,输入故障预测模型进行故障预测,并视情给出维修意见,从而实现该故障的视情维修。
基于该目的,本发明采用的技术方案如下:一种柴油机排温低故障预测系统,包括依次连接的信号采集系统、建模仿真系统和故障诊断系统;所述信号采集系统用于采集柴油机上的信号,进行处理,并将信号传输至监控电脑进行存储和处理;所述建模仿真系统根据信号采集系统采集的柴油机气缸的真实结构数据,使用柴油机仿真软件建立柴油机燃烧室模型,仿真柴油机正常的工作状态;所述故障诊断系统针对排温低的故障现象的原因进行机理分析,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图,从而建立标准故障数据库,并将建模仿真系统建立的柴油机的性能数据进行趋势分析,绘制柴油机性能参数变化趋势图,并与故障数据库中的变化趋势图进行比对,从而判断柴油机是否处于故障状态。信号采集系统采集柴油机的运行性能参数,建模仿真系统建立标准的柴油机仿真模型,故针对排温低的故障现象的原因进行机理分析,建立故障数据库,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图;柴油机实施运行的数据性能与标准的故障数据库进行比对分析,从而预测柴油机排温低的故障。
进一步地,所述信号采集系统包括信号采集、信号调理、数据采集和数据处理4个子系统;所述信号采集子系统包括传感器,对柴油机原始信号进行提取;信号调理子系统对原始信号进行系统滤波、量程调整、信号转换、信号放大处理;数据采集子系统是对信号进行A/D转换,将信号调理子系统输出的电源信号转换成数值,供下一步数据处理使用;数据处理子系统采用分形差值的方式进行数据处理。传感器连接在柴油机上,其采集的数据需要经过滤波、调整、放大后,对信号进行转换,把模拟信号转换为数字信号。
进一步地,所述信号采集子系统中信号的采集频率为每1秒采集一次。
进一步地,所述故障诊断系统包括预报警模块,根据绘制柴油机性能参数变化趋势图判断故障对柴油机运行效率的影响;如果故障的影响不大,则不进行报警处理;如果故障的影响较大,则开启预警模式并给出维修建议,维修建议包括故障的位置、维修流程、拆装步骤和所需工具。分析出故障后,需要判断该故障时否需要处理,如果处理的话,需要给出该故障的位置及处理方法,标准的故障数据库中存有故障的位置、维修流程、拆装步骤和所需工具,调出该信息即可。
一种柴油机排温低故障系统的预测方法,其特征在于包括如下步骤:
步骤一,信号采集系统对柴油机原始信号直接进行提取,进行处理,并将信号传输至监控电脑进行存储和处理;
步骤二,根据柴油机气缸的真实结构数据,使用柴油机仿真软件建立柴油机燃烧室模型,以柴油机出厂时的测量参数为依据将仿真结果与之对比分析,对模型参数进行调整以进行模型修正,从而获得一个准确的仿真模型,使模型能够真实的仿真该型号柴油机的正常工作状态;
步骤三,排温低故障机理仿真,对可能造成排温低这一故障现象的12种原因进行机理分析,并在仿真模型中进行参数设置以达到故障状态仿真的目的。根据不同的故障程度,合理的对参数进行调整,以仿真不同故障原因和不同故障程度下柴油机的工作情况;
步骤四,故障数据库的建立。将前期仿真结果保存在SQLServer数据库中,根据故障原因将仿真结果进行分类,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图,从而建立标准故障数据库;
步骤五,排温低故障预测模型的建立,将经过预处理后的柴油机性能参数进行趋势分析,绘制柴油机性能参数变化趋势图,采用图像对比技术,将实际性能参数变化趋势与故障状态下性能参数变化趋势图进行相似度比较,从而判断柴油机是否处于故障状态,如果处于故障状态,判断是何种类型故障和处于什么故障程度。
进一步地,所述步骤一中,信号采集系统包括信号采集、信号调理、数据采集和数据处理4个子系统,信号采集子系统主要由传感器组成,对柴油机原始信号直接进行提取;信号调理子系统对原始信号进行系统滤波、量程调整、信号转换、信号放大处理;数据采集子系统是对信号进行A/D转换,将信号调理子系统输出的电源信号转换成数值,供下一步数据处理使用;数据处理子系统采用VC编程,选用分形差值的方式进行数据处理。
进一步地,所述信号采集系统采用PHP脚本语言编写软件,每隔1秒读取SQLServer数据库中的柴油机相关参数并记录在txt文档中,对文档中的相关参数进行分析,剔除数据中的畸点,并进行平滑处理。
进一步地,还包括步骤六,根据预测模型的实时分析结果,判断在未来一段时间内故障对机器运行的影响情况。如果故障的影响不大,则不进行报警处理;如果故障的影响较大,则开启预警模式并给出维修建议,维修建议包括故障的位置、维修流程、拆装步骤和所需工具。
相比较现有技术,本发明具有的有益效果:
(1)本系统兼容性强,利用现有船舶检测系统的传感器对柴油机的状况进行监控,不需要额外加装传感器;
(2)本故障预测系统信号采集系统采集到的柴油机运行信号实时发送至监控电脑,能准确对柴油机排温低的故障进行实时监控;
(3)通过建立标准故障数据库,绘制柴油机性能参数变化趋势图,和柴油机实时运行趋势示意图进行对比对标准故障,可对柴油机排温低的故障进行预测;
(4)本系统提供了故障诊断意见,为使用和管理人员及时、高效的处理故障提供了技术支撑。
附图说明
图1为本发明信号采集系统总体架构;
图2为本发明故障诊断系统架构图;
具体实施方式
下面结合实施例以及附图对本发明作进一步描述。
实施例1
一种柴油机排温低故障预测系统,包括依次连接的信号采集系统、建模仿真系统和故障诊断系统;所述信号采集系统用于采集柴油机上的信号,进行处理,并将信号传输至监控电脑进行存储和处理;其包括信号采集、信号调理、数据采集和数据处理4个子系统;所述信号采集子系统包括传感器,对柴油机原始信号进行提取,信号的采集频率为每1秒采集一次;信号调理子系统对原始信号进行系统滤波、量程调整、信号转换、信号放大处理;数据采集子系统是对信号进行A/D转换,将信号调理子系统输出的电源信号转换成数值,供下一步数据处理使用;数据处理子系统采用分形差值的方式进行数据处理;所述建模仿真系统根据柴油机气缸的真实结构数据,使用柴油机仿真软件建立柴油机燃烧室模型,仿真柴油机正常的工作状态;所述故障诊断系统针对排温低的故障现象的原因进行机理分析,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图,从而建立标准故障数据库,并将建模仿真系统建立的柴油机的性能数据进行趋势分析,绘制柴油机性能参数变化趋势图,并与故障数据库中的变化趋势图进行比对,从而判断柴油机是否处于故障状态;预报警模块,根据绘制柴油机性能参数变化趋势图判断故障对柴油机运行效率的影响;如果故障的影响不大,则不进行报警处理;如果故障的影响较大,则开启预警模式并给出维修建议,维修建议包括故障的位置、维修流程、拆装步骤和所需工具。
实施例2
一种柴油机排温低故障系统的预测方法,包括如下步骤:
步骤一,信号采集系统对柴油机原始信号直接进行提取,进行处理,并将信号传输至监控电脑进行存储和处理;其采用PHP脚本语言编写软件,每隔1秒读取SQLServer数据库中的柴油机相关参数并记录在txt文档中,对文档中的相关参数进行分析,剔除数据中的畸点,并进行平滑处理;信号采集系统包括信号采集、信号调理、数据采集和数据处理4个子系统,信号采集子系统主要由传感器组成,对柴油机原始信号直接进行提取;信号调理子系统对原始信号进行系统滤波、量程调整、信号转换、信号放大处理;数据采集子系统是对信号进行A/D转换,将信号调理子系统输出的电源信号转换成数值,供下一步数据处理使用;数据处理子系统采用VC编程,选用分形差值的方式进行数据处理;利用PHP模块可以远程调用SQLServer数据库中柴油机各种状态参数,基于PHP中文件操作,编程实现对读取的实时数据按照二维表格的形式,每行一条记录保存在TXT文档中。以TXT文档保存实时数据的输入输出(I/O)开销最小。有了采集数据后,再采用高级编程语言如VC等,可以实现对实时数据的预处理操作,还可以实现对中间结果的数据分析和处理;
步骤二,根据柴油机气缸的真实结构数据,使用柴油机仿真软件建立柴油机燃烧室模型,以柴油机出厂时的测量参数为依据将仿真结果与之对比分析,对模型参数进行调整以进行模型修正,从而获得一个准确的仿真模型,使模型能够真实的仿真该型号柴油机的正常工作状态;
步骤三,排温低故障机理仿真,对可能造成排温低这一故障现象的12种原因进行机理分析,并在仿真模型中进行参数设置以达到故障状态仿真的目的。根据不同的故障程度,合理的对参数进行调整,以仿真不同故障原因和不同故障程度下柴油机的工作情况;
步骤四,故障数据库的建立。将前期仿真结果保存在SQLServer数据库中,根据故障原因将仿真结果进行分类,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图,从而建立标准故障数据库;
步骤五,排温低故障预测模型的建立,将经过预处理后的柴油机性能参数进行趋势分析,绘制柴油机性能参数变化趋势图,采用图像对比技术,将实际性能参数变化趋势与故障状态下性能参数变化趋势图进行相似度比较,从而判断柴油机是否处于故障状态,如果处于故障状态,判断是何种类型故障和处于什么故障程度;在故障判断和预测阶段,可以利用较成熟的图像对比软件和技术,结合柴油机排温低故障预测模型,实现相似度比较和故障发生概率的确定;
步骤六,根据预测模型的实时分析结果,判断在未来一段时间内故障对机器运行的影响情况。如果故障的影响不大,则不进行报警处理;如果故障的影响较大,则开启预警模式并给出维修建议,维修建议包括故障的位置、维修流程、拆装步骤和所需工具。
另外,本发明也可用于柴油机其他故障预测系统,只需变更或增加标准故障数据库中的故障数据就行。
最后应说明的是:以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案;因此,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围中。
Claims (8)
1.一种柴油机排温低故障预测系统,其特征在于:包括依次连接的信号采集系统、建模仿真系统和故障诊断系统;
所述信号采集系统用于采集柴油机上的信号,进行处理,并将信号传输至监控电脑进行存储和处理;
所述建模仿真系统根据信号采集系统采集的柴油机气缸的真实结构数据,使用柴油机仿真软件建立柴油机燃烧室模型,仿真柴油机正常的工作状态;
所述故障诊断系统针对排温低的故障现象的原因进行机理分析,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图,从而建立标准故障数据库,并将建模仿真系统建立的柴油机的性能数据进行趋势分析,绘制柴油机性能参数变化趋势图,并与故障数据库中的变化趋势图进行比对,从而判断柴油机是否处于故障状态。
2.根据权利要求1所述的柴油机排温低故障预测系统,其特征在于:所述信号采集系统包括信号采集、信号调理、数据采集和数据处理4个子系统;所述信号采集子系统包括传感器,对柴油机原始信号进行提取;信号调理子系统对原始信号进行系统滤波、量程调整、信号转换、信号放大处理;数据采集子系统是对信号进行A/D转换,将信号调理子系统输出的电源信号转换成数值,供下一步数据处理使用;数据处理子系统采用分形差值的方式进行数据处理。
3.根据权利要求2所述的柴油机排温低故障预测系统,其特征在于:所述信号采集子系统中信号的采集频率为每1秒采集一次。
4.根据权利要求1所述的柴油机排温低故障预测系统,其特征在于:所述故障诊断系统包括预报警模块,根据绘制柴油机性能参数变化趋势图判断故障对柴油机运行效率的影响;如果故障的影响不大,则不进行报警处理;如果故障的影响较大,则开启预警模式并给出维修建议,维修建议包括故障的位置、维修流程、拆装步骤和所需工具。
5.一种权利要求1所述的柴油机排温低故障系统的预测方法,其特征在于包括如下步骤:
步骤一,信号采集系统对柴油机原始信号直接进行提取,进行处理,并将信号传输至监控电脑进行存储和处理;
步骤二,根据柴油机气缸的真实结构数据,使用柴油机仿真软件建立柴油机燃烧室模型,以柴油机出厂时的测量参数为依据将仿真结果与之对比分析,对模型参数进行调整以进行模型修正,从而获得一个准确的仿真模型,使模型能够真实的仿真该型号柴油机的正常工作状态;
步骤三,排温低故障机理仿真,对可能造成排温低这一故障现象的12种原因进行机理分析,并在仿真模型中进行参数设置以达到故障状态仿真的目的。根据不同的故障程度,合理的对参数进行调整,以仿真不同故障原因和不同故障程度下柴油机的工作情况;
步骤四,故障数据库的建立。将前期仿真结果保存在SQLServer数据库中,根据故障原因将仿真结果进行分类,按照故障程度的不同,绘制性能参数在不同故障程度下的变化趋势图,从而建立标准故障数据库;
步骤五,排温低故障预测模型的建立,将经过预处理后的柴油机性能参数进行趋势分析,绘制柴油机性能参数变化趋势图,采用图像对比技术,将实际性能参数变化趋势与故障状态下性能参数变化趋势图进行相似度比较,从而判断柴油机是否处于故障状态,如果处于故障状态,判断是何种类型故障和处于什么故障程度。
6.根据权利要求5所述的柴油机排温低故障系统的预测方法,其特征在于:所述步骤一中,信号采集系统包括信号采集、信号调理、数据采集和数据处理4个子系统,信号采集子系统主要由传感器组成,对柴油机原始信号直接进行提取;信号调理子系统对原始信号进行系统滤波、量程调整、信号转换、信号放大处理;数据采集子系统是对信号进行A/D转换,将信号调理子系统输出的电源信号转换成数值,供下一步数据处理使用;数据处理子系统采用VC编程,选用分形差值的方式进行数据处理。
7.根据权利要求6所述的柴油机排温低故障系统的预测方法,其特征在于:所述信号采集系统采用PHP脚本语言编写软件,每隔1秒读取SQLServer数据库中的柴油机相关参数并记录在txt文档中,对文档中的相关参数进行分析,剔除数据中的畸点,并进行平滑处理。
8.根据权利要求5所述的柴油机排温低故障系统的预测方法,其特征在于还包括步骤六,根据预测模型的实时分析结果,判断在未来一段时间内故障对机器运行的影响情况。如果故障的影响不大,则不进行报警处理;如果故障的影响较大,则开启预警模式并给出维修建议,维修建议包括故障的位置、维修流程、拆装步骤和所需工具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610068725.3A CN105487530B (zh) | 2016-02-01 | 2016-02-01 | 柴油机排温低故障预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610068725.3A CN105487530B (zh) | 2016-02-01 | 2016-02-01 | 柴油机排温低故障预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105487530A true CN105487530A (zh) | 2016-04-13 |
CN105487530B CN105487530B (zh) | 2018-07-31 |
Family
ID=55674567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610068725.3A Expired - Fee Related CN105487530B (zh) | 2016-02-01 | 2016-02-01 | 柴油机排温低故障预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105487530B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334061A (zh) * | 2018-04-13 | 2018-07-27 | 广西建工集团建筑机械制造有限责任公司 | 一种施工升降机故障诊断系统 |
CN108593302A (zh) * | 2018-08-03 | 2018-09-28 | 中国船舶重工集团柴油机有限公司 | 一种低速柴油机故障诊断系统 |
CN109918274A (zh) * | 2019-02-26 | 2019-06-21 | 武汉钢铁工程技术集团有限责任公司 | 计算机服务器运行监控系统以及方法 |
CN110044631A (zh) * | 2019-03-13 | 2019-07-23 | 中交广州航道局有限公司 | 船机柴油机的状态预测方法、装置及计算机设备 |
CN110397512A (zh) * | 2019-07-29 | 2019-11-01 | 壹站科技服务(武汉)有限公司 | 一种柴油机电控管理系统 |
CN111307194A (zh) * | 2020-01-21 | 2020-06-19 | 中南民族大学 | 基于北斗的环境设备检测方法、装置、设备及存储介质 |
CN111948511A (zh) * | 2020-05-27 | 2020-11-17 | 中核武汉核电运行技术股份有限公司 | 一种仪控卡件故障诊断系统及方法 |
CN112945535A (zh) * | 2021-02-20 | 2021-06-11 | 广东石油化工学院 | 一种基于数值模拟的旋转机械故障检测方法及装置 |
CN113516273A (zh) * | 2021-04-02 | 2021-10-19 | 中国船舶重工集团公司军品技术研究中心 | 一种发电用柴油机增压器故障预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2286243A1 (en) * | 1999-10-13 | 2001-04-13 | Adexact Corporation | Method and system for targeted advertising |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
CN202205094U (zh) * | 2011-08-29 | 2012-04-25 | 第一拖拉机股份有限公司 | 电控柴油机控制单元功能调试器 |
CN104061208A (zh) * | 2014-07-02 | 2014-09-24 | 北京机械设备研究所 | 一种液压系统在线故障诊断方法 |
CN104295373A (zh) * | 2014-10-08 | 2015-01-21 | 哈尔滨工程大学 | 基于三点模型的柴油机故障预测方法 |
-
2016
- 2016-02-01 CN CN201610068725.3A patent/CN105487530B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2286243A1 (en) * | 1999-10-13 | 2001-04-13 | Adexact Corporation | Method and system for targeted advertising |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
CN202205094U (zh) * | 2011-08-29 | 2012-04-25 | 第一拖拉机股份有限公司 | 电控柴油机控制单元功能调试器 |
CN104061208A (zh) * | 2014-07-02 | 2014-09-24 | 北京机械设备研究所 | 一种液压系统在线故障诊断方法 |
CN104295373A (zh) * | 2014-10-08 | 2015-01-21 | 哈尔滨工程大学 | 基于三点模型的柴油机故障预测方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334061A (zh) * | 2018-04-13 | 2018-07-27 | 广西建工集团建筑机械制造有限责任公司 | 一种施工升降机故障诊断系统 |
CN108593302A (zh) * | 2018-08-03 | 2018-09-28 | 中国船舶重工集团柴油机有限公司 | 一种低速柴油机故障诊断系统 |
CN109918274A (zh) * | 2019-02-26 | 2019-06-21 | 武汉钢铁工程技术集团有限责任公司 | 计算机服务器运行监控系统以及方法 |
CN110044631A (zh) * | 2019-03-13 | 2019-07-23 | 中交广州航道局有限公司 | 船机柴油机的状态预测方法、装置及计算机设备 |
CN110397512A (zh) * | 2019-07-29 | 2019-11-01 | 壹站科技服务(武汉)有限公司 | 一种柴油机电控管理系统 |
CN111307194A (zh) * | 2020-01-21 | 2020-06-19 | 中南民族大学 | 基于北斗的环境设备检测方法、装置、设备及存储介质 |
CN111307194B (zh) * | 2020-01-21 | 2020-12-25 | 中南民族大学 | 基于北斗的环境设备检测方法、装置、设备及存储介质 |
CN111948511A (zh) * | 2020-05-27 | 2020-11-17 | 中核武汉核电运行技术股份有限公司 | 一种仪控卡件故障诊断系统及方法 |
CN112945535A (zh) * | 2021-02-20 | 2021-06-11 | 广东石油化工学院 | 一种基于数值模拟的旋转机械故障检测方法及装置 |
CN113516273A (zh) * | 2021-04-02 | 2021-10-19 | 中国船舶重工集团公司军品技术研究中心 | 一种发电用柴油机增压器故障预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105487530B (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105487530A (zh) | 柴油机排温低故障预测系统及方法 | |
EP3221579B1 (en) | Wind turbine condition monitoring method and system | |
CN103144937B (zh) | 煤矿钢丝绳芯带式输送机智能监控系统及监控方法 | |
KR102191594B1 (ko) | 집적 데이터 수집 전송장치의 도어제어기 및 그 처리 전송 방법 | |
CN201322686Y (zh) | 发动机台架远程故障诊断系统 | |
CN103343728A (zh) | 风力发电机组远程在线多模式健康状态监测与故障诊断系统 | |
CN107291991A (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
CN110529202B (zh) | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 | |
CN102705078A (zh) | 基于灰色模型的柴油机故障预测方法 | |
CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
CN111089729A (zh) | 用于借助固体声音传感器对组件维护预告的方法和系统 | |
CN102141808A (zh) | 汽轮发电机组嵌入式故障预诊断系统及方法 | |
CN102495320A (zh) | 变压器运行异常动态监测系统及在线监测方法 | |
CN110261122A (zh) | 一种基于分块的船舶柴油机故障监测方法 | |
CN114576152B (zh) | 水泵状态监测系统、监测方法、装置、电子设备和介质 | |
CN103674538A (zh) | 一种直升机自动倾斜器多故障模式识别方法及装置 | |
CN112067306A (zh) | 船用发动机健康状态在线监测评估方法、设备及系统 | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
CN111483125A (zh) | 一种用于注塑机的液压故障预警系统 | |
CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理系统及方法 | |
KR20210079230A (ko) | 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템 | |
CN108520302A (zh) | 一种柴油机故障诊断系统 | |
CN202091172U (zh) | 气体压缩机状态监测和可靠性分析装置 | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180731 |
|
CF01 | Termination of patent right due to non-payment of annual fee |