CN107421763B - 一种设备故障检测方法及装置 - Google Patents
一种设备故障检测方法及装置 Download PDFInfo
- Publication number
- CN107421763B CN107421763B CN201710647420.2A CN201710647420A CN107421763B CN 107421763 B CN107421763 B CN 107421763B CN 201710647420 A CN201710647420 A CN 201710647420A CN 107421763 B CN107421763 B CN 107421763B
- Authority
- CN
- China
- Prior art keywords
- detection model
- target device
- sampled data
- detection
- signal
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/16—Amplitude
Abstract
本发明公开了一种设备故障检测方法,应用于云端服务器,包括:通过部署在目标设备中的信号检测器获得针对目标设备的第一振动声音信号的第一采样数据;在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型;基于第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。应用本发明实施例所提供的技术方案,通过调取的预先建立的检测模型库中的检测模型,对采样数据进行分析,得到目标设备的初步故障诊断结果,提高了诊断的准确性,减少了人员检测和维护成本,使得目标设备得以快速恢复,增加了可检测的振动声音信号种类。本发明还公开了一种设备故障检测装置,具有相应技术效果。
Description
技术领域
本发明涉及检测技术领域,特别是涉及一种设备故障检测方法及装置。
背景技术
在生产过程中,生产设备难免会发生故障,使得生产设备无法正常运行。而生产设备是否能够正常运行直接影响着生产效率,所以及时对设备故障进行检测和排查是非常重要的。
目前,多是由用户通过独立设计的振动声音信号分析仪对生产设备进行检测。振动声音信号分析仪中配备有专用的传感器探头装置和专门的人机交互操作装置。用户通过人机交互操作装置输入设置参数,通过传感器探头装置对振动声音信号进行采样,并对采样数据进行分析,得到故障检测结果。
现有技术的这种方法需要用户熟练使用振动声音信号分析仪,对其专业化程度要求较高,人员检测和维护成本较高,可检测的振动声音信号种类少,且,用户对采样数据的分析多是依赖于自身经验,如果经验不足将无法准确定位故障,影响生产设备的快速恢复。
发明内容
本发明的目的是提供一种设备故障检测方法及装置,以提高故障诊断的准确性,减少人员检测和维护成本,使得目标设备得以快速恢复。
为解决上述技术问题,本发明提供如下技术方案:
一种设备故障检测方法,应用于云端服务器,包括:
通过部署在目标设备中的信号检测器获得针对所述目标设备的第一振动声音信号的第一采样数据;
在预先建立的检测模型库中调取与所述第一振动声音信号的类型对应的第一检测模型;
基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果。
在本发明的一种具体实施方式中,在所述基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果之后,还包括:
输出所述初步故障诊断结果,以使用户根据所述初步故障诊断结果对所述目标设备进行相应处理。
在本发明的一种具体实施方式中,还包括:
接收针对所述目标设备的第二振动声音信号的第二采样数据和所述第二采样数据对应的检测结果,所述检测结果为:在所述检测模型库中没有所述第二振动声音信号的类型对应的检测模型时,由用户通过客户端对所述第二采样数据进行分析得到的结果;
根据所述第二采样数据和所述检测结果,建立与所述第二振动声音信号的类型对应的第二检测模型;
基于所述第二检测模型,更新所述检测模型库。
在本发明的一种具体实施方式中,还包括:
将更新后的所述检测模型库发送给所述客户端,以使所述用户直接在所述客户端上基于所述检测模型库进行故障分析。
在本发明的一种具体实施方式中,还包括:
接收用户针对所述初步故障诊断结果的反馈信息;
根据所述反馈信息,调整所述第一检测模型。
一种设备故障检测装置,应用于云端服务器,包括:
数据获得模块,用于通过部署在目标设备中的信号检测器获得针对所述目标设备的第一振动声音信号的第一采样数据;
模型调取模块,用于在预先建立的检测模型库中调取与所述第一振动声音信号的类型对应的第一检测模型;
诊断结果获得模块,用于基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果。
在本发明的一种具体实施方式中,还包括诊断结果输出模块,用于:
在所述基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果之后,输出所述初步故障诊断结果,以使用户根据所述初步故障诊断结果对所述目标设备进行相应处理。
在本发明的一种具体实施方式中,还包括:
采样数据和检测结果接收模块,用于接收针对所述目标设备的第二振动声音信号的第二采样数据和所述第二采样数据对应的检测结果,所述检测结果为:在所述检测模型库中没有所述第二振动声音信号的类型对应的检测模型时,由用户通过客户端对所述第二采样数据进行分析得到的结果;
模型建立模块,用于根据所述第二采样数据和所述检测结果,建立与所述第二振动声音信号的类型对应的第二检测模型;
检测模型库更新模块,用于基于所述第二检测模型,更新所述检测模型库。
在本发明的一种具体实施方式中,还包括检测模型库发送模块,用于:
将更新后的所述检测模型库发送给所述客户端,以使所述用户直接在所述客户端上基于所述检测模型库进行故障分析。
在本发明的一种具体实施方式中,还包括:
反馈信息接收模块,用于接收用户针对所述初步故障诊断结果的反馈信息;
检测模型调整模块,用于根据所述反馈信息,调整所述第一检测模型。
应用本发明实施例所提供的技术方案,云端服务器通过部署在目标设备中的信号检测器获得针对目标设备的第一振动声音信号的第一采样数据,在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型,基于第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。通过调取的预先建立的检测模型库中的检测模型,对采样数据进行分析,得到目标设备的初步故障诊断结果,提高了诊断的准确性,减少了人员检测和维护成本,使得目标设备得以快速恢复,增加了可检测的振动声音信号种类。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种设备故障检测系统的结构框图;
图2为本发明实施例中一种设备故障检测方法的实施流程图;
图3为本发明实施例中一种信号检测器的结构框图;
图4为本发明实施例中一种设备故障检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
本发明的核心是提供一种设备故障检测方法,该方法可以应用于云端服务器,云端服务器可以与部署在目标设备中的信号检测器相连,如图1所示。通过信号检测器获得针对目标设备的第一振动声音信号的第一采样数据,在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型,基于第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。通过调取的预先建立的检测模型库中的检测模型,对采样数据进行分析,得到目标设备的初步故障诊断结果,提高了诊断的准确性,减少了人员检测和维护成本,使得目标设备得以快速恢复,增加了可检测的振动声音信号种类。
参见图2,为本发明实施例中一种设备故障检测方法的实施流程图,该方法可以包括以下步骤:
S201:通过部署在目标设备中的信号检测器获得针对目标设备的第一振动声音信号的第一采样数据。
目标设备可以是待进行故障检测的任意一台设备。在目标设备中可以部署信号检测器。信号检测器可以对目标设备的第一振动信号进行检测,获得第一采样数据。在实际应用中,可以通过客户端对信号检测器进行网络配置,使信号检测器可以与云端服务器通信连接,如图1所示。云端服务器与信号检测器通信,可以直接从信号检测器中获得第一采样数据,或者,云端服务器与客户端通信,通过客户端从信号检测器中获得第一采样数据。
如图3所示,信号检测器可以包括振动声音信号传感检测单元、主控芯片单元、通信单元和电源转换单元。振动声音信号传感检测单元通常指三轴加速度传感器,用于采样振动声音信号的频率、振幅等信息,并将采样数据发送给主控芯片单元;主控芯片单元可以是微控制器MCU、微处理器MPU、或其它形式的可编程逻辑器件,用于对采样数据进行处理,如滤波、求平均值、快速傅立叶变换FFT等,并将处理后的采样数据传送给通信单元;通信单元用于将处理后的采样数据封包成可通过网络传输的数据格式,如json格式等,并通过无线网络通信方式或有线网络通信方式发送给云端服务器。具体的通信方式可以是无线Wi-Fi、窄带物联网NB-IoT、超长距低功耗数据传输Lora、第四代移动通信技术4G网络信号或其它可数据传输至云端的通信方式。
其中,主控芯片单元与通信单元可以是独立的两个单元,也可以是一体的单元。主控芯片单元与振动声音信号传感检测单元间或主控芯片单元与通信单元间的通信方式可以是串口通信,也可以是其它种类的通信方式,如:高低电平、ADC信号、PWM信号等等。
客户端可以是手机应用端APP、电脑PC客户端、或平板电脑ipad应用端等,负责实施检测的人机交互功能。当下手机或PC已相当普及,对客户端的操作将成为人人具备的技能。在本发明实施例中,用户通过客户端人机操作界面与信号检测器和云端服务器交互,操作简单,节约了分析仪器的生产成本与维护成本,降低了对用户专业化程度要求。相较于现有技术中对分析仪硬件的依赖,本发明客户端中的软件更新速度更快,将极大地提高未来产品迭代更新的速度。
云端服务器通过部署在目标设备中的信号检测器获得第一采样数据后,可以继续执行步骤S202的操作。
S202:在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型。
在本发明实施例中,云端服务器中可以预先建立检测模型库,检测模型库中存储有多种振动声音信号的类型对应的检测模型。
在实际应用中,云端服务器可以预先获得各种类型的振动声音信号对应的采样数据,及各采样数据的检测结果。针对每种类型的振动声音信号,对该类型的振动声音信号对应的采样数据及各采样数据对应的检测结果进行分析,可以建立该类型对应的检测模型。
用户可以在客户端上选择或设置第一振动声音信号的类型,云端服务器通过客户端获得第一振动声音信号的类型。或者,云端服务器获得第一采样数据后,利用先验数据对第一采样数据进行识别分析,得出对应的第一振动声音信号的类型。
云端服务器获得第一采样数据对应的第一振动声音信号类型,从检测模型库中调取与该类型对应的第一检测模型。
S203:基于第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。
在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型,将第一采样数据输入到对应的第一检测模型中,得到第一采样数据对应的检测结果,从而获得针对目标设备的初步故障诊断结果。
应用本发明实施例所提供的技术方案,云端服务器通过部署在目标设备中的信号检测器获得针对该目标设备的第一振动声音信号的第一采样数据,在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型,基于该第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。通过调取的预先建立的检测模型库中的检测模型,对采样数据进行分析,得到目标设备的初步故障诊断结果,提高了诊断的准确性,减少了人员检测和维护成本,使得目标设备得以快速恢复,增加了可检测的振动声音信号种类。
在本发明的一种具体实施方式中,在步骤S103之后,该方法还可以包括以下步骤:
输出初步故障诊断结果,以使用户根据初步故障诊断结果对目标设备进行相应处理。
当云端服务器获得针对目标设备的初步故障诊断结果之后,可以将该初步故障诊断结果在客户端或云端服务器上输出,以使用户通过查看初步故障诊断结果对目标设备进行相应处理。如当输出初步故障诊断结果为皮带松动时,用户可以关闭生产设备,使其停止运行,将皮带调节到合适的松紧程度后,再启动生产设备继续运行。从而可以对设备故障进行及时的检测和排查,避免影响设备的生产效率。
在本发明的一种具体实施方式中,该方法还可以包括以下步骤:
步骤一:接收针对目标设备的第二振动声音信号的第二采样数据和第二采样数据对应的检测结果,检测结果为:在检测模型库中没有第二振动声音信号的类型对应的检测模型时,由用户通过客户端对第二采样数据进行分析得到的结果;
步骤二:根据第二采样数据和检测结果,建立与第二振动声音信号的类型对应的第二检测模型;
步骤三:基于第二检测模型,更新检测模型库。
在实际应用中,目标设备中部署的信号检测器采集到第二振动声音信号的第二采样数据后,可以先将第二采样数据发送给客户端,用户通过客户端查看云端服务器的检测模型库中是否存在与第二振动声音信号的类型对应的检测模型。如果存在,则将第二采样数据发送给云端服务器,云端服务器对其进行分析,得到相应的检测结果。如果不存在,则可以由用户对第二采样数据进行分析得到相应的检测结果。
或者,信号检测器采集到第二振动声音信号的第二采样数据后,可以直接将第二采样数据发送给云端服务器。云端服务器查看检测模型库中是否存在与第二振动声音信号的类型对应的检测模型。如果存在,则直接对第二采样数据进行分析,得到相应的检测结果。如果不存在,则可以将第二采样数据发送给客户端,由用户对第二采样数据进行分析得到相应的检测结果。
客户端可以将第二采样数据和第二采样数据对应的检测结果发送到云端服务器。云端服务器根据第二采样数据和检测结果,建立与第二振动声音信号的类型对应的第二检测模型,将第二检测模型加入到检测模型库中,更新检测模型库,从而完成一套自学习建模流程。待下次云端服务器接收到该类型的振动声音信号的采样数据时,可从检测模型库中调取对应的检测模型得出初步故障检测结果,使经验数据得以传承和沿用。
该自学习建模流程,提高了对新型振动声音信号的检测适应性:当遇到云端服务器无法支持的振动声音信号种类时,本发明可以通过用户对该类型的振动声音信号进行分析,获得学习数据,即:何种设备何种部件何种振动声音信号引发了何种故障现象。从而得到相应的检测结果。将该学习数据和检测结果发送到云端服务器,实现模型建立,完成自学习与记忆的全过程。
在本发明的一种具体实施方式中,该方法还可以包括以下步骤:
将更新后的检测模型库发送给客户端,以使用户直接在客户端上基于检测模型库进行故障分析。
云端服务器对检测模型库进行更新后,可以将更新后的检测模型库发送给客户端。具体的,可以是只把当前更新的检测模型发送给客户端,也可以是把检测模型库中所有的检测模型发给客户端。使得客户端的检测模型库与云端服务器的检测模型库保持一致,在客户端与云端服务器无网络连接的情况下,用户可以直接在客户端上基于检测模型库进行故障分析。
在本发明的一种具体实施方式中,该方法还可以包括以下步骤:
步骤一:接收用户针对初步故障诊断结果的反馈信息;
步骤二:根据反馈信息,调整第一检测模型。
当用户获得针对目标设备的初步故障诊断结果后,用户可以对获得的初步故障诊断结果进行核实,将核实后的反馈信息发送到云端服务器。云端服务器可以根据反馈信息对检测模型库中的第一检测模型进行调整。
如振动声音信号的类型为振动声音信号强度时,检测模型库中的对应的第一检测模型为:当振动声音信号的强度为40dB到60dB时,对应的故障检测结果为皮带松动;当振动声音信号的强度为60dB到80dB时,对应的故障检测结果为电机转轴弯曲;当振动声音信号的强度高于80dB时,对应的故障检测结果为链传动机构的链节断裂。在当前设备故障检测过程中,云端服务器获得第一采样数据的振动声音信号强度为58dB时,通过调用检测模型库中对应的第一检测模型,得出初步故障检测结果为皮带松动。用户进行核实后,发现是电机转轴弯曲,那么可以将针对该初步故障诊断结果的反馈信息发送到云端服务器,云端服务器可以对第一检测模型中振动声音信号强度的区间进行调整。以使得检测模型更加准确,提高诊断结果的准确性。
相对于上面的方法实施例,本发明实施例还提供了一种设备故障检测装置,应用于云端服务器,下文描述的一种设备故障检测装置与上文描述的一种设备故障检测方法可相互对应参照。
参见图4,该装置包括以下模块:
数据获得模块401,用于通过部署在目标设备中的信号检测器获得针对目标设备的第一振动声音信号的第一采样数据;
模型调取模块402,用于在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型;
诊断结果获得模块403,用于基于第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。
应用本发明实施例所提供的装置,云端服务器通过部署在目标设备中的信号检测器获得针对该目标设备的第一振动声音信号的第一采样数据,在预先建立的检测模型库中调取与第一振动声音信号的类型对应的第一检测模型,基于该第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果。通过调取的预先建立的检测模型库中的检测模型,对采样数据进行分析,得到目标设备的初步故障诊断结果,提高了诊断的准确性,减少了人员检测和维护成本,使得目标设备得以快速恢复,增加了可检测的振动声音信号种类。
在本发明的一种具体实施方式中,还包括诊断结果输出模块,用于:
在基于第一检测模型和第一采样数据,获得针对目标设备的初步故障诊断结果之后,输出初步故障诊断结果,以使用户根据初步故障诊断结果对目标设备进行相应处理。
在本发明的一种具体实施方式中,还包括:
采样数据和检测结果接收模块,用于接收针对目标设备的第二振动声音信号的第二采样数据和第二采样数据对应的检测结果,检测结果为:在检测模型库中没有第二振动声音信号的类型对应的检测模型时,由用户通过客户端对第二采样数据进行分析得到的结果;
模型建立模块,用于根据第二采样数据和检测结果,建立与第二振动声音信号的类型对应的第二检测模型;
检测模型库更新模块,用于基于第二检测模型,更新检测模型库。
在本发明的一种具体实施方式中,还包括检测模型库发送模块,用于:
将更新后的检测模型库发送给客户端,以使用户直接在客户端上基于检测模型库进行故障分析。
在本发明的一种具体实施方式中,还包括:
反馈信息接收模块,用于接收用户针对初步故障诊断结果的反馈信息;
检测模型调整模块,用于根据反馈信息,调整第一检测模型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种设备故障检测方法,其特征在于,应用于云端服务器,包括:
通过部署在目标设备中的信号检测器获得针对所述目标设备的第一振动声音信号的第一采样数据;
在预先建立的检测模型库中调取与所述第一振动声音信号的类型对应的第一检测模型;
基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果;
接收针对所述目标设备的第二振动声音信号的第二采样数据和所述第二采样数据对应的检测结果,所述检测结果为:在所述检测模型库中没有所述第二振动声音信号的类型对应的检测模型时,由用户通过客户端对所述第二采样数据进行分析得到的结果;
根据所述第二采样数据和所述检测结果,建立与所述第二振动声音信号的类型对应的第二检测模型;
基于所述第二检测模型,更新所述检测模型库。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果之后,还包括:
输出所述初步故障诊断结果,以使用户根据所述初步故障诊断结果对所述目标设备进行相应处理。
3.根据权利要求1所述的方法,其特征在于,还包括:
将更新后的所述检测模型库发送给所述客户端,以使所述用户直接在所述客户端上基于所述检测模型库进行故障分析。
4.根据权利要求1至3任一项所述的方法,其特征在于,还包括:
接收用户针对所述初步故障诊断结果的反馈信息;
根据所述反馈信息,调整所述第一检测模型。
5.一种设备故障检测装置,其特征在于,应用于云端服务器,包括:
数据获得模块,用于通过部署在目标设备中的信号检测器获得针对所述目标设备的第一振动声音信号的第一采样数据;
模型调取模块,用于在预先建立的检测模型库中调取与所述第一振动声音信号的类型对应的第一检测模型;
诊断结果获得模块,用于基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果;
采样数据和检测结果接收模块,用于接收针对所述目标设备的第二振动声音信号的第二采样数据和所述第二采样数据对应的检测结果,所述检测结果为:在所述检测模型库中没有所述第二振动声音信号的类型对应的检测模型时,由用户通过客户端对所述第二采样数据进行分析得到的结果;
模型建立模块,用于根据所述第二采样数据和所述检测结果,建立与所述第二振动声音信号的类型对应的第二检测模型;
检测模型库更新模块,用于基于所述第二检测模型,更新所述检测模型库。
6.根据权利要求5所述的装置,其特征在于,还包括诊断结果输出模块,用于:
在所述基于所述第一检测模型和所述第一采样数据,获得针对所述目标设备的初步故障诊断结果之后,输出所述初步故障诊断结果,以使用户根据所述初步故障诊断结果对所述目标设备进行相应处理。
7.根据权利要求5所述的装置,其特征在于,还包括检测模型库发送模块,用于:
将更新后的所述检测模型库发送给所述客户端,以使所述用户直接在所述客户端上基于所述检测模型库进行故障分析。
8.根据权利要求5至7任一项所述的装置,其特征在于,还包括:
反馈信息接收模块,用于接收用户针对所述初步故障诊断结果的反馈信息;
检测模型调整模块,用于根据所述反馈信息,调整所述第一检测模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710647420.2A CN107421763B (zh) | 2017-08-01 | 2017-08-01 | 一种设备故障检测方法及装置 |
PCT/CN2018/072544 WO2019024450A1 (zh) | 2017-08-01 | 2018-01-15 | 一种设备故障检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710647420.2A CN107421763B (zh) | 2017-08-01 | 2017-08-01 | 一种设备故障检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107421763A CN107421763A (zh) | 2017-12-01 |
CN107421763B true CN107421763B (zh) | 2019-11-15 |
Family
ID=60436483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710647420.2A Active CN107421763B (zh) | 2017-08-01 | 2017-08-01 | 一种设备故障检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107421763B (zh) |
WO (1) | WO2019024450A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107421763B (zh) * | 2017-08-01 | 2019-11-15 | 上海庆科信息技术有限公司 | 一种设备故障检测方法及装置 |
CN109104705A (zh) * | 2018-07-13 | 2018-12-28 | 广州市森锐科技股份有限公司 | 一种基于nb-iot的智能终端设备及其系统 |
CN110749372A (zh) * | 2018-07-18 | 2020-02-04 | 上海数深智能科技有限公司 | 一种电机振动移动智能诊断系统及其使用方法 |
CN110674184B (zh) * | 2019-09-06 | 2023-10-17 | 创新先进技术有限公司 | 一种构造异动检测模型库的方法、系统及设备 |
CN111336100A (zh) * | 2020-04-10 | 2020-06-26 | 中国恩菲工程技术有限公司 | 水泵故障诊断系统 |
CN116541800A (zh) * | 2023-07-06 | 2023-08-04 | 利维智能(深圳)有限公司 | 基于振动和声音数据的融合诊断方法、系统、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008298527A (ja) * | 2007-05-30 | 2008-12-11 | Toshiba Corp | 回転機械の振動診断方法及びその振動診断装置 |
WO2011159088A3 (ko) * | 2010-06-14 | 2012-02-16 | 인하대학교 산학협력단 | 항공기엔진 이상검출 및 진단시스템 및 그 방법 |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
CN106323664A (zh) * | 2016-09-22 | 2017-01-11 | 珠海格力电器股份有限公司 | 空调机组的振动测试及诊断方法、装置及空调机组 |
CN106527339A (zh) * | 2016-12-14 | 2017-03-22 | 东北大学 | 一种基于工业云的高可靠的选矿设备故障诊断系统及方法 |
CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100468263C (zh) * | 2007-09-05 | 2009-03-11 | 东北大学 | 连采机远程实时故障预测及诊断方法与装置 |
CN101780909A (zh) * | 2009-09-16 | 2010-07-21 | 新疆大学 | 无机房电梯检测诊断系统 |
CN102621971B (zh) * | 2012-04-17 | 2014-04-30 | 上海探能实业有限公司 | 一种保证风电机组正常运行的共享维护系统及其实现方法 |
CN102778358A (zh) * | 2012-06-04 | 2012-11-14 | 上海东锐风电技术有限公司 | 故障预测模型建立方法及系统、风机监测预警系统及方法 |
CN103558048A (zh) * | 2013-11-13 | 2014-02-05 | 重庆大学 | Android平台上的虚拟式机械故障诊断仪和方法 |
CN104568438A (zh) * | 2014-10-07 | 2015-04-29 | 芜湖扬宇机电技术开发有限公司 | 发动机轴承故障检测系统及方法 |
CN107421763B (zh) * | 2017-08-01 | 2019-11-15 | 上海庆科信息技术有限公司 | 一种设备故障检测方法及装置 |
-
2017
- 2017-08-01 CN CN201710647420.2A patent/CN107421763B/zh active Active
-
2018
- 2018-01-15 WO PCT/CN2018/072544 patent/WO2019024450A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008298527A (ja) * | 2007-05-30 | 2008-12-11 | Toshiba Corp | 回転機械の振動診断方法及びその振動診断装置 |
WO2011159088A3 (ko) * | 2010-06-14 | 2012-02-16 | 인하대학교 산학협력단 | 항공기엔진 이상검출 및 진단시스템 및 그 방법 |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
CN106323664A (zh) * | 2016-09-22 | 2017-01-11 | 珠海格力电器股份有限公司 | 空调机组的振动测试及诊断方法、装置及空调机组 |
CN106527339A (zh) * | 2016-12-14 | 2017-03-22 | 东北大学 | 一种基于工业云的高可靠的选矿设备故障诊断系统及方法 |
CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107421763A (zh) | 2017-12-01 |
WO2019024450A1 (zh) | 2019-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107421763B (zh) | 一种设备故障检测方法及装置 | |
CN102436205B (zh) | 一种嵌入式巡检仪器控制平台 | |
CN105424172B (zh) | 一种分布式电力变压器噪声检测系统及其噪声检测方法 | |
CN205301554U (zh) | 电磁铁力特性测试装置 | |
CN106803801A (zh) | 应用聚合的电缆测试结果数据的系统和方法 | |
CN108984403A (zh) | Fpga逻辑代码的验证方法及装置 | |
CN107948251A (zh) | 一种基于安卓的远程机械故障诊断系统 | |
CN106778955A (zh) | 基于二维码识别实现车载终端自动测试的系统及方法 | |
CN102589681A (zh) | 一种高可靠旋转设备状态监测的无线振动测量方法与装置 | |
CN106094802A (zh) | 一种汽车电子控制器通讯测试系统及方法 | |
CN103234746A (zh) | 一种风电机组齿轮箱在线故障诊断装置及方法 | |
CN104155044A (zh) | 一种基于移动终端的斜拉桥索力测量装置及方法 | |
CN106533768A (zh) | 卫星供配电等效测试自动执行装置及方法 | |
CN110275615B (zh) | 一种力反馈仿真数据的生成方法及一种力反馈仿真系统 | |
CN114167132A (zh) | 无线终端的功耗检测方法、装置、电子设备及存储介质 | |
CN103344943A (zh) | 一种变电站超声波成像定位检测装置 | |
CN111798865A (zh) | 终端马达的检测方法、装置、终端及存储介质 | |
CN206451035U (zh) | 一种卫星控制系统地面测试设备自动化联调装置 | |
CN105222973A (zh) | 用于振动信号阶次跟踪的现场校准方法 | |
CN205786975U (zh) | 一种利用噪声特征频段诊断发电机放电故障的装置 | |
CN109451460A (zh) | 基于窄带技术的机电设备运维数据采集方法及系统 | |
CN114739667A (zh) | 一种多模态信息融合轴承润滑状态监测装置及方法 | |
CN105353239B (zh) | 一种电子侦察设备测试系统及测试方法 | |
CN205582241U (zh) | 一种基于mems的无线网络低频振动位移传感器系统 | |
CN202734957U (zh) | 三轴振动加速度gprs无线测量装置 |
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 |