CN107291475A - 通用型phm应用配置方法和装置 - Google Patents
通用型phm应用配置方法和装置 Download PDFInfo
- Publication number
- CN107291475A CN107291475A CN201710502237.3A CN201710502237A CN107291475A CN 107291475 A CN107291475 A CN 107291475A CN 201710502237 A CN201710502237 A CN 201710502237A CN 107291475 A CN107291475 A CN 107291475A
- Authority
- CN
- China
- Prior art keywords
- configuration
- direct
- signal
- target service
- algorithm
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
Abstract
本发明涉及一种通用型PHM应用配置方法和系统,接收待测硬件设备传输的信号,接收信号分析配置指令,根据信号分析配置指令对信号进行至少一种信号分析配置,接收特征提取配置指令,根据特征提取配置指令对信号进行至少一种特征提取配置,接收目标业务配置指令,根据目标业务配置指令进行对应的至少一种目标业务配置,接收算法配置指令,根据算法配置指令为信号分析、特征提取和对应的目标业务配置对应的算法,根据不同组合对应配置的算法得到目标诊断结果,通过一系列配置指令,快速搭建PHM系统应用,且通过配置至少一种信号分析、特征提取、目标业务,促进具体对象PHM应用多个架构和算法的效果快速对比分析,PHM应用配置效率高。
Description
技术领域
本发明涉及故障预测与健康管理领域,特别是涉及一种通用型PHM应用配置方法和系统。
背景技术
PHM(Prognosis and Health Management,故障预测与健康管理)是一项通过实时监测产品的使用环境、工作状况和部件状态等信息,进行系统状态的/故障的诊断和预测,实现产品剩余寿命预测和故障定位,科学合理的安排预防维修活动,以期最大程度地减少意外故障,提升产品的使用可靠性。
传统的PHM应用研究基本都是围绕对象的,开发的PHM系统专用性十分明显,对于具体对象的PHM应用,往往需要尝试不同的特征提取、状态评估等方法,以测试各种方法性能,选择最佳方案,传统的做法是直接搭建软硬件系统,导致后期应用效果不佳后更换硬件成本大,更改软件系统难等问题,配置效率低。
发明内容
基于此,有必要针对上述问题,提供一种配置效率高的通用型PHM应用配置方法和系统。
一种通用型PHM应用配置方法,包括以下步骤:
接收待测硬件设备传输的信号;
接收信号分析配置指令,根据所述信号分析配置指令对所述信号进行至少一种信号分析配置;
接收特征提取配置指令,根据所述特征提取配置指令对所述信号进行至少一种特征提取配置;
接收目标业务配置指令,根据所述目标业务配置指令进行对应的至少一种目标业务配置;
接收算法配置指令,根据所述算法配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的算法;
根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果。
一种通用型PHM应用配置系统,包括:
信号接收模块,用于接收待测硬件设备传输的信号;
信号分析配置模块,用于接收信号分析配置指令,根据所述信号分析配置指令对所述信号进行至少一种信号分析配置;
特征提取配置模块,用于接收特征提取配置指令,根据所述特征提取配置指令对所述信号进行至少一种特征提取配置;
目标业务配置模块,用于接收目标业务配置指令,根据所述目标业务配置指令进行对应的至少一种目标业务配置;
算法配置模块,用于接收算法配置指令,根据所述算法配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的算法;
计算模块,用于根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果。
上述通用型PHM应用配置方法和装置,接收待测硬件设备传输的信号;接收信号分析配置指令,根据信号分析配置指令对信号进行至少一种信号分析配置;接收特征提取配置指令,根据特征提取配置指令对信号进行至少一种特征提取配置;接收目标业务配置指令,根据目标业务配置指令进行对应的至少一种目标业务配置;接收算法配置指令,根据算法配置指令为信号分析、特征提取和对应的目标业务配置对应的算法;根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果,通过一系列配置指令,快速搭建不同装备对象的PHM系统应用,且通过配置至少一种信号分析、特征提取、目标业务等,促进具体对象PHM应用时多个架构和算法的效果快速对比分析,PHM应用配置效率高。
附图说明
图1为一实施例中通用型PHM应用配置方法流程图;
图2为另一实施例中通用型PHM应用配置方法流程图;
图3为一实施例中通用型PHM应用配置系统结构图;
图4为一实施例PHM应用配置示意图。
具体实施方式
在一个实施例中,如图1所示,一种通用型PHM应用配置方法,包括以下步骤:
步骤S110:接收待测硬件设备传输的信号。
具体地,故障预测与健康管理,即PHM(Prognosis and Health Management),是一项通过实时监测产品的使用环境、工作状况和部件状态等信息,进行系统状态的/故障的诊断和预测,实现产品剩余寿命预测和故障定位,科学合理的安排预防维修活动,以期最大程度地减少意外故障,提升产品的使用可靠性。
在步骤S110之前,用户会预先进行硬件配置,即根据具体对象,选择具体的硬件基础平台、信号采集卡和传感器等,不同的传感器布置在待测硬件设备的具体部位以监测不同部位的实时信号,这些实时信号隐藏了部件/系统的故障/状态信息,并通过信号采集卡采集信号,不同信号采集卡有不同的通道,可预先设置每一个通道的通道编号,设置每一通道的采样频率、以及每一通道是否激活等,完成信号采集,并将信号从现场设备传输到处理端。
步骤S120:接收信号分析配置指令,根据信号分析配置指令对信号进行至少一种信号分析配置。
具体地,信号分析方法有很多种,用户可以根据具体需求配置具体的信号分析方法,也可以一次性配置并联的多个信号分析方法,用作比较看哪种信号分析方法的效果更好,完成对信号的预处理,即进行去异常值、降噪、压缩等预处理,输出预处理后的信号以进行下一步处理,其中,信号分析配置指令是对待测硬件设备进行适用分析的指令。
步骤S130:接收特征提取配置指令,根据特征提取配置指令对信号进行至少一种特征提取配置。
具体地,特征提取,即选择最能表征系统状态的信号特征,比如一个振动信号,就包括幅值、均方根、偏斜度、方差、最大值、最小值、频率幅值、包络谱、功率谱、频带能量等等几十个特征参数,还有电信号、速度、温度等等;而不同故障模式可以反映在不同的特征参数(组合)上,这一步就是选择与故障最相关的特征参数组合,一旦故障发生或正在形成,这些特征参数组合就会发生一定程度“变化”,状态监测通常和特征提取一起配置,状态检测用于进行基本的状态监测,如某些特征参数的超差监测等,同样地,特征提取方法有很多种,用户可以根据具体需求配置具体的特征提取方法,也可以一次性配置并联的多个特征提取方法,用作比较或者融合,旨在发现与故障最相关的特征参数,比如用户在做一个不了解的新对象的PHM配置时,需要探索和比较,通过并联的方式选取最优的特征提取方法,或者用户了解了待测硬件设备的故障机理,已经了解要对哪些特征参数进行提取,可以并联配置多个特征提取方法,可以分别获得各方面的特征参数,用作后续处理,以得到不同层面的结果,共同支撑最后的结果。
步骤S140:接收目标业务配置指令,根据目标业务配置指令进行对应的至少一种目标业务配置。
具体地,目标业务包括异常判定、异常识别、故障诊断、故障/寿命预测、健康评估和维修保障中的至少一个,并不限定于上述列举的几个目标业务,可以根据具体需要进行设定,用户也可以对目标业务中的模块进行自定义命名。故障诊断或异常判定通过监测的特征参数判断待测硬件设备是否发生故障,以及发生哪些故障;故障/寿命预测用于预测某些部件将在何时发生何种故障模式,主要是剩余寿命预测(RUL,Residual Useful Life),维修保障用于判定如何进行维修维护、备件保障等决策优化;异常识别用于判断异常/偏离程度;健康评估用于评估待测硬件设备各个部位的健康等级等。用户可以根据需要进行一种目标业务配置,也可以选择多个目标业务,多个目标业务串联,每个目标业务还可配置多个并联分支,比如,目标业务配置可以配置单独的诊断预测或者健康评估,也可以配置串联的异常识别和故障诊断,异常识别部分可以配置多个并联的分支,进行比较,故障诊断部分可以配置多个并联的分支实现多种故障模式的诊断。
步骤S150:接收算法配置指令,根据算法配置指令为信号分析、特征提取和对应的目标业务配置对应的算法。
具体地,用户根据具体需要对信号分析、特征提取和对应的目标业务配置不同的算法,即选用系统算法程序以及配置规定输入哪些参数和输出哪些参数,程序包括对应的算法和模型,用MTALB、java、c++等语言进行算法开发。
在本实施例中,如图2所示,步骤S150包括步骤152和步骤154。
步骤152:接收数据处理程序配置指令,根据数据处理程序配置指令为信号分析、特征提取和对应的目标业务配置对应的数据处理程序。
具体地,数据处理程序配置即选中数据库中预存的算法程序,比如python或者MATLAB或者C或者JAVA等语言写的数据处理程序。
步骤154:接收输入输出参数配置指令,根据输入输出参数配置指令为对应的数据处理程序配置对应的输入和输出参数。
具体地,输入输出参数配置,也称接口配置,为了系统能够识别步骤152中的数据处理程序,需要对每个数据处理程序的输入输出进行约定,即数据处理程序要用到系统的哪些参数,输出哪些参数,及其数据格式输入输出参数配置即配置把什么参数传输到数据处理程序中进行处理,并输出什么参数。
步骤S170:根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果。
具体地,若目标业务选择为故障/寿命预测,即对应的目标诊断结果为待测硬件设备的寿命预测分布图,若目标业务选择为健康评估,即对应的目标诊断结果为待测硬件设备的健康等级,根据不同的信号分析配置、特征提取配置和目标业务配置的组合,每一个组合都会得到对应的目标诊断结果,任一部分的输入可为前一部分任一个或多个算法的输出,即可得到对应数量的目标诊断结果,具体目标诊断结果的数量根据算法本身的不同而存在变化。通过对比得到的目标诊断结果的准确性、有效性等,可判断出选择什么算法的配置效果最佳,从而搭建出效果最佳的PHM应用系统,避免了传统对于具体对象的PHM应用,往往需要尝试不同的特征提取、状态评估、故障诊断和预测等方法,以测试各种方法性能,选择最佳方案,通过直接搭建系统,导致后期应用效果不佳时更改软件系统难等问题。
在一个实施例中,信号包括信号参数,在步骤154之后,该方法还包括步骤S160。
步骤S160:接收参数命名配置指令,为信号参数、输入和输出参数进行命名配置。
具体地,参数命名配置指令用于对信号参数、输入和输出参数进行命名,方便各算法以及后续业务等对各参数的调用。
在一个实施例中,信号包括信号参数,在接收输入输出参数配置指令,步骤152之后,步骤S150还包括步骤156。
步骤156:接收数据存储方式配置指令,根据数据存储方式配置指令对信号参数和数据处理程序的输出参数进行数据存储方式配置。
具体地,步骤156可以在步骤154之后或与步骤154同时进行,可以在配置数据处理程序的输出参数的同时即配置好输出参数的数据存储方法,也可以在最后一起配置所有数据处理程序的输出参数,数据存储方式配置,即为信号参数和输出参数选定数据存储方式,如运行内存、文件存储、数据库存取等,其中,输出参数包括每一个配置部分的输出参数,配置的方式需根据各部分算法对数据存取效率的要求,比如对实时性要求很高的,如果是数据库存储,效率就会很低,数据量大的,则不能运行内存存储等,需要考虑不同支持边读边写的存储方式。
在一个实施例中,在步骤S170之后,该方法还包括步骤S180。
步骤S180:接收结果展示配置指令,根据结果展示配置指令对目标诊断结果进行展示配置。
具体地,根据各业务模块的分析结果,选择性展示目标诊断结果,包括待测硬件设备的寿命预测分布图、健康等级等,具体的显示形式不唯一,可以有多样,可以为颜色或数字区分健康等级或寿命等等。
上述通用型PHM应用配置方法,接收待测硬件设备传输的信号;接收信号分析配置指令,根据信号分析配置指令对信号进行至少一种信号分析配置;接收特征提取配置指令,根据特征提取配置指令对信号进行至少一种特征提取配置;接收目标业务配置指令,根据目标业务配置指令进行对应的至少一种目标业务配置;接收算法配置指令,根据算法配置指令为信号分析、特征提取和对应的目标业务配置对应的算法;根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果,通过一系列配置指令,快速搭建不同装备对象的PHM系统应用,且通过同时配置多个架构和算法,即配置至少一种信号分析、特征提取、目标业务等,促进具体对象PHM应用时多个架构和算法的效果快速对比分析,确定最佳的PHM实施方案,避免了传统的PHM应用直接搭建软硬件系统,导致后期应用效果不佳后更改软件系统难等问题,PHM应用配置效率高,且以快速搭建能力便利PHM技术的探索、应用和推广。
在一个实施例中,如图3所示,一种通用型PHM应用配置系统,包括信号接收模块110、信号分析配置模块120、特征提取配置模块130、目标业务配置模块140、算法配置模块150和计算模块160。
在一个实施例中,信号接收模块110用于接收待测硬件设备传输的信号。
在一个实施例中,信号分析配置模块120用于接收信号分析配置指令,根据信号分析配置指令对信号进行至少一种信号分析配置。
在一个实施例中,特征提取配置模块130用于接收特征提取配置指令,根据特征提取配置指令对信号进行至少一种特征提取配置。
在一个实施例中,目标业务配置模块140用于接收目标业务配置指令,根据目标业务配置指令进行对应的至少一种目标业务配置。
在一个实施例中,算法配置模块150用于接收算法配置指令,根据算法配置指令为信号分析、特征提取和对应的目标业务配置对应的算法。在一个实施例中,算法配置模块包括数据处理程序配置模块和输入输出参数配置模块。
数据处理程序配置模块用于根据数据处理程序配置指令为信号分析、特征提取和对应的目标业务配置对应的数据处理程序。
输入输出参数配置模块用于接收输入输出参数配置指令,根据输入输出参数配置指令为对应的数据处理程序配置对应的输入和输出参数。
在一个实施例中,计算模块160用于根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果。
在一个实施例中,信号包括信号参数,在输入输出参数配置模块之后,还包括参数命名配置模块,参数命名配置模块用于接收参数命名配置指令,为信号参数、输入和输出参数进行命名配置。
在一个实施例中,信号包括信号参数,在数据处理程序配置模块之后,还包括数据存储方式配置模块,数据存储方式配置模块用于接收数据存储方式配置指令,根据数据存储方式配置指令对信号参数和数据处理程序的输出参数进行数据存储方式配置。
上述通用型PHM应用配置系统,通过一系列配置指令,快速搭建不同装备对象的PHM系统应用,且通过同时配置多个架构和算法,即配置至少一种信号分析、特征提取、目标业务等,促进具体对象PHM应用时多个架构和算法的效果快速对比分析,确定最佳的PHM实施方案,避免了传统的PHM应用直接搭建软硬件系统,导致后期应用效果不佳后更改软件系统难等问题,PHM应用配置效率高。
在一个实施例中,如图4所示,实现的基于齿轮箱振动信号的齿轮齿根裂纹故障诊断和预测(PHM)系统应用案例。
在进行软件配置前,先进行硬件配置,将振动传感器安装于齿轮箱顶盖上测试齿轮端,采样频率设置为12.8kHz,采集一路振动信号进行分析;配置信号分析(图4未示)和特征提取,然后对目标业务进行配置,选择异常识别和诊断预测,其中特征提取配置旨在发现与齿根裂纹故障最相关的特征参数,用户预先不知道哪个特征参数表征故障的效果好,特征提取配置有两条分支,分别用第二代小波分析进行降噪处理和局域均值分解LMD方法进行特征提取,提取不同与故障相关的特征参数,以比较二者性能。
异常识别采用SOM算法,通过正常样本训练的SOM判断异常/偏离程度,可以将一个或多个特征参数进行分析,得到是否异常的判断,若输出结果为没有异常,则不需要进行后面的诊断预测,若输出结果显示异常,则进行诊断预测,诊断预测部分配置两条分支,其中一条分支进行基于比例风险模型的运行可靠性评价,即判断故障发生概率,另一条分支进行基于lib-SVM的寿命预测,即预测齿根裂纹故障将可能在何时发生。
用MATALB、JAVA、c++等语言进行算法开发,然后配置给对应分支,对系统中的参量进行命名,方便各数据处理程序以及展示模块等对各参量的调用,见图3中所示,按模块依次用A、B、C、D命名,按模块分支数依次1、2、3递增;输入输出参数配置:用上述的命名参数,对每个数据处理程序配置输入输出参数,事先用比如MATLAB写好二代小波的处理程序,保存为系统支持的.m文件或者编译系统支持格式,数据处理程序执行这个文件的路径,然后对输入输出参数进行配置,配置哪些参数输入数据处理程序中进行处理,并输出哪些参数,如异常识别的输入参数为A1/B1/B2,输出参数为C1,这里SOM的算法需要严格按照对应输入输出的变量个数和数据格式进行处理;数据储存方式配置为所有参数采用access数据库存取;目标诊断结果展示配置为按需选取命名参数进行结果展示。
配了不同的算法是用于比较哪种算法更适合诊断预测,甚至最后融合用,比如SOM算法,可以把小波结果作为输入,也可以把LMD结果作为输入,但是比例风险模型会同时用到多个特征参数,不是单个分别分析,比如用到前面两个算法中的特征参数,但最终目的都是为了找到诊断齿根疲劳的最佳方案。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种通用型PHM应用配置方法,其特征在于,包括以下步骤:
接收待测硬件设备传输的信号;
接收信号分析配置指令,根据所述信号分析配置指令对所述信号进行至少一种信号分析配置;
接收特征提取配置指令,根据所述特征提取配置指令对所述信号进行至少一种特征提取配置;
接收目标业务配置指令,根据所述目标业务配置指令进行对应的至少一种目标业务配置;
接收算法配置指令,根据所述算法配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的算法;
根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果。
2.根据权利要求1所述的通用型PHM应用配置方法,其特征在于,所述接收算法配置指令,根据所述算法配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的算法的步骤包括:
接收数据处理程序配置指令,根据所述数据处理程序配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的数据处理程序;
接收输入输出参数配置指令,根据所述输入输出参数配置指令为所述对应的数据处理程序配置对应的输入和输出参数。
3.根据权利要求2所述的通用型PHM应用配置方法,其特征在于,所述信号包括信号参数,在所述接收输入输出参数配置指令,根据所述输入输出参数配置指令为所述对应的算法配置对应的输入和输出参数的步骤之后,还包括:
接收参数命名配置指令,为所述信号参数、所述输入和输出参数进行命名配置。
4.根据权利要求2所述的通用型PHM应用配置方法,其特征在于,所述信号包括信号参数,接收数据处理程序配置指令,根据所述数据处理程序配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的数据处理程序的步骤之后,还包括:
接收数据存储方式配置指令,根据所述数据存储方式配置指令对所述信号参数和所述数据处理程序的输出参数进行数据存储方式配置。
5.根据权利要求1所述的通用型PHM应用配置方法,其特征在于,在所述根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果的步骤之后,还包括:
接收结果展示配置指令,根据所述结果展示配置指令对所述目标诊断结果进行展示配置。
6.根据权利要求1所述的通用型PHM应用配置方法,其特征在于,所述目标业务包括异常判定、异常识别、诊断预测、健康评估和维修保障中的至少一个。
7.一种通用型PHM应用配置系统,其特征在于,包括:
信号接收模块,用于接收待测硬件设备传输的信号;
信号分析配置模块,用于接收信号分析配置指令,根据所述信号分析配置指令对所述信号进行至少一种信号分析配置;
特征提取配置模块,用于接收特征提取配置指令,根据所述特征提取配置指令对所述信号进行至少一种特征提取配置;
目标业务配置模块,用于接收目标业务配置指令,根据所述目标业务配置指令进行对应的至少一种目标业务配置;
算法配置模块,用于接收算法配置指令,根据所述算法配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的算法;
计算模块,用于根据不同的信号分析配置、特征提取配置和目标业务配置的组合,以及不同组合对应配置的算法得到目标诊断结果。
8.根据权利要求7所述的通用型PHM应用配置系统,其特征在于,所述算法配置模块包括:
数据处理程序配置模块,用于根据所述数据处理程序配置指令为所述信号分析、所述特征提取和所述对应的目标业务配置对应的数据处理程序;
输入输出参数配置模块,用于接收输入输出参数配置指令,根据所述输入输出参数配置指令为所述对应的数据处理程序配置对应的输入和输出参数。
9.根据权利要求8所述的通用型PHM应用配置系统,其特征在于,所述信号包括信号参数,在输入输出参数配置模块之后,还包括:
参数命名配置模块,用于接收参数命名配置指令,为所述信号参数、所述输入和输出参数进行命名配置。
10.根据权利要求8所述的通用型PHM应用配置方法,其特征在于,所述信号包括信号参数,在所述数据处理程序配置模块之后,还包括:
数据存储方式配置模块,用于接收数据存储方式配置指令,根据所述数据存储方式配置指令对所述信号参数和所述数据处理程序的输出参数进行数据存储方式配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710502237.3A CN107291475B (zh) | 2017-06-27 | 2017-06-27 | 通用型phm应用配置方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710502237.3A CN107291475B (zh) | 2017-06-27 | 2017-06-27 | 通用型phm应用配置方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107291475A true CN107291475A (zh) | 2017-10-24 |
CN107291475B CN107291475B (zh) | 2020-06-12 |
Family
ID=60098439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710502237.3A Active CN107291475B (zh) | 2017-06-27 | 2017-06-27 | 通用型phm应用配置方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107291475B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681277A (zh) * | 2018-05-10 | 2018-10-19 | 中国人民解放军空军工程大学 | 通用型地面phm装置及其使用方法 |
CN109241986A (zh) * | 2018-05-30 | 2019-01-18 | 北京飞鸿云际科技有限公司 | 用于轨道交通车辆零部件图像识别模型的样本制作方法 |
CN109297738A (zh) * | 2018-10-31 | 2019-02-01 | 中国运载火箭技术研究院 | 一种复杂参数实时判读方法 |
CN110458581A (zh) * | 2019-07-11 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 商户业务周转异常的识别方法及装置 |
CN114167842A (zh) * | 2021-12-08 | 2022-03-11 | 中国船舶科学研究中心 | 一种基于振动主动控制系统的故障预测与健康管理方法 |
WO2022199179A1 (zh) * | 2021-03-23 | 2022-09-29 | 中国核电工程有限公司 | 一种设备的剩余寿命预测模型建模系统及方法、预测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635280A (zh) * | 2015-02-13 | 2015-05-20 | 浦创电子科技(苏州)有限公司 | 一种通用型检测系统及其方法 |
WO2015161198A1 (en) * | 2014-04-17 | 2015-10-22 | Lockheed Martin Corporation | Prognostics and health management system |
CN106647716A (zh) * | 2017-01-20 | 2017-05-10 | 江苏万路达环保科技有限公司 | 通用型汽车健康诊断系统及其应用方法 |
CN106778778A (zh) * | 2016-12-01 | 2017-05-31 | 广州亚思信息科技有限责任公司 | 一种高速硬件多目标特征提取方法 |
-
2017
- 2017-06-27 CN CN201710502237.3A patent/CN107291475B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015161198A1 (en) * | 2014-04-17 | 2015-10-22 | Lockheed Martin Corporation | Prognostics and health management system |
CN104635280A (zh) * | 2015-02-13 | 2015-05-20 | 浦创电子科技(苏州)有限公司 | 一种通用型检测系统及其方法 |
CN106778778A (zh) * | 2016-12-01 | 2017-05-31 | 广州亚思信息科技有限责任公司 | 一种高速硬件多目标特征提取方法 |
CN106647716A (zh) * | 2017-01-20 | 2017-05-10 | 江苏万路达环保科技有限公司 | 通用型汽车健康诊断系统及其应用方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681277A (zh) * | 2018-05-10 | 2018-10-19 | 中国人民解放军空军工程大学 | 通用型地面phm装置及其使用方法 |
CN109241986A (zh) * | 2018-05-30 | 2019-01-18 | 北京飞鸿云际科技有限公司 | 用于轨道交通车辆零部件图像识别模型的样本制作方法 |
CN109241986B (zh) * | 2018-05-30 | 2023-05-02 | 北京飞鸿云际科技有限公司 | 用于轨道交通车辆零部件图像识别模型的样本制作方法 |
CN109297738A (zh) * | 2018-10-31 | 2019-02-01 | 中国运载火箭技术研究院 | 一种复杂参数实时判读方法 |
CN110458581A (zh) * | 2019-07-11 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 商户业务周转异常的识别方法及装置 |
CN110458581B (zh) * | 2019-07-11 | 2024-01-16 | 创新先进技术有限公司 | 商户业务周转异常的识别方法及装置 |
WO2022199179A1 (zh) * | 2021-03-23 | 2022-09-29 | 中国核电工程有限公司 | 一种设备的剩余寿命预测模型建模系统及方法、预测系统 |
CN114167842A (zh) * | 2021-12-08 | 2022-03-11 | 中国船舶科学研究中心 | 一种基于振动主动控制系统的故障预测与健康管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107291475B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107291475A (zh) | 通用型phm应用配置方法和装置 | |
CN106769052B (zh) | 一种基于聚类分析的机械系统滚动轴承智能故障诊断方法 | |
CN105424395B (zh) | 设备故障的确定方法和装置 | |
US5544308A (en) | Method for automating the development and execution of diagnostic reasoning software in products and processes | |
CN100554980C (zh) | 用于支持识别技术设备中的故障功能单元的方法 | |
CN110766277B (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
CN103139011B (zh) | 用于车内通信的综合故障诊断和预测方法 | |
CN105116870B (zh) | 空调机组的故障分析方法、装置和系统 | |
CN107797537A (zh) | 一种应用于自动化生产线的故障预测与健康管理方法 | |
CN108985279A (zh) | 多功能车辆总线mvb波形的故障诊断方法及装置 | |
US20230013544A1 (en) | Method, Apparatus and System for Detecting Abnormal Operating States of a Device | |
CN116204842B (zh) | 一种电气设备的异常监测方法及系统 | |
CN101272580B (zh) | 一种基于反馈的自适应移动基站系统可靠性评估方法 | |
KR20200075148A (ko) | 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법 | |
CN109800995A (zh) | 一种电网设备故障识别方法及系统 | |
CN117196066A (zh) | 智慧运维信息分析模型 | |
CN113075512A (zh) | 基于声检测的变压器放电故障诊断方法和系统 | |
GB2277151A (en) | Machine monitoring using neural network | |
CN107966648B (zh) | 一种基于相关性矩阵的嵌入式故障诊断方法 | |
CN113886951A (zh) | 一种飞行器健康管理系统及方法 | |
CN110855521B (zh) | 基于网络化的测试系统在线监测与故障诊断软件平台 | |
CN117218495A (zh) | 一种电表箱的风险检测方法及系统 | |
CN115238785A (zh) | 基于图像融合和集成网络的旋转机械故障诊断方法和系统 | |
CN113395182B (zh) | 具有故障预测的智能网络设备管理系统及方法 | |
CN117609836A (zh) | 一种综合模块的电磁敏感预测与健康管理方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 511300 No.78, west of Zhucun Avenue, Zhucun street, Zengcheng District, Guangzhou City, Guangdong Province Applicant after: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING Research Institute Address before: 510610 No. 110 Zhuang Road, Tianhe District, Guangdong, Guangzhou, Dongguan Applicant before: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING Research Institute |
|
GR01 | Patent grant | ||
GR01 | Patent grant |