CN107832867A - 一种基于故障预测技术的铁路设备健康管理系统 - Google Patents
一种基于故障预测技术的铁路设备健康管理系统 Download PDFInfo
- Publication number
- CN107832867A CN107832867A CN201710935443.3A CN201710935443A CN107832867A CN 107832867 A CN107832867 A CN 107832867A CN 201710935443 A CN201710935443 A CN 201710935443A CN 107832867 A CN107832867 A CN 107832867A
- Authority
- CN
- China
- Prior art keywords
- equipment
- health
- data
- railway
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于故障预测技术的铁路设备健康管理系统。该系统包括:设备健康数据输入模块输入铁路设备健康的相关数据,该相关数据包括铁路设备的设计数据、制造数据、使用数据、故障数据和维修数据,将设备健康的相关数据传输给设备健康数据处理模块;设备健康数据处理模块对设备健康的相关数据进行分析处理,得到铁路设备的健康管理结果,将铁路设备的健康管理结果传输给设备健康结果输出模块;设备健康结果输出模块输出设备健康数据处理模块传输过来的铁路设备的健康管理结果。本发明的系统可以提高设备健康评估准确率、提升设备维修效率、降低设备运行维护成本,实现设备的安全生产。
Description
技术领域
本发明涉及铁路设备管理技术领域,尤其涉及一种基于故障预测技术的铁路设备健康管理系统。
背景技术
铁路设备的健康管理系统,是以铁路设备信息数据为基础,按照不同维修模式安排设备的维修计划、维修资源和维修活动。
目前的铁路设备管理系统主要是以计划性维修为主,故障性维修为辅,因此产生因为过度维护而增加维护成本,或者由于维护不够而产生重大事故。随着铁路设备信息化水平的提升,希望能对铁路设备故障进行预测,以便能提前了解设备的健康程度,采取相应有效的维护手段,因此有必要将故障预测技术应用到铁路设备健康管理,从而实现提高设备健康评估准确率、提升设备维修效率、降低设备运行维护成本,实现设备的安全生产,即基于故障预测技术的铁路设备健康管理系统。
发明内容
本发明的实施例提供了一种基于故障预测技术的铁路设备健康管理系统,以实现基于故障预测技术对铁路设备进行有效的健康管理。
为了实现上述目的,本发明采取了如下技术方案。
一种基于故障预测技术的铁路设备健康管理系统,包括:设备健康数据输入模块、设备健康数据处理模块和设备健康结果输出模块;
所述设备健康数据输入模块,用于输入铁路设备健康的相关数据,该相关数据包括铁路设备的设计数据、制造数据、使用数据、故障数据和维修数据,将所述设备健康的相关数据传输给所述设备健康数据处理模块;
所述设备健康数据处理模块,用于对所述设备健康的相关数据进行分析处理,得到铁路设备的健康管理结果,将所述铁路设备的健康管理结果传输给所述设备健康结果输出模块;
所述设备健康结果输出模块,用于输出所述设备健康数据处理模块传输过来的铁路设备的健康管理结果。
进一步地,所述的设备健康数据处理模块包括:
设备故障预警子模块,用于基于各个健康阶段的数据预测趋势根据所述铁路设备健康的相关数据得到各个健康阶段的健康预测数据,将各个健康阶段的健康预测数据与对应健康阶段的标准健康数据进行比对,得到健康预测数据与标准健康数据之间的偏离程度,根据偏离程度判断是否有发生故障的趋势和风险,对存在发生故障的趋势和风险的设备进行故障预警;
设备故障诊断子模块,用于对所述铁路设备健康的相关数据进行处理,生成设备故障诊断处理结果;
设备故障预测子模块,用于对所述铁路设备健康的相关数据进行处理,生成设备故障预测处理结果。
进一步地,所述设备故障预测子模块包括:预测模型管理单元、故障知识库管理单元、故障预测单元;
所述的预测模型管理单元,用于对铁路设备的预测模型进行管理,所述预测模型包括基于专家经验知识的预测模型、基于案例的预测模型和基于历史数据的预测模型;
所述的故障知识库管理单元,用于对铁路设备的故障知识库进行管理,所述故障知识库包括基于专家经验的故障知识、基于案例的故障知识、基于历史数据的故障知识;
所述的故障预测单元,用于将设备的设计数据、制造数据、使用数据、故障数据和维修数据输入到所述铁路设备的预测模型中,基于对所述标准数据及历史数据预测设备性能的发展趋势,通过所述预测模型利用所述故障知识库预测设备故障发生的等级及时间,输出铁路设备的故障的预测结果,该预测结果包括正常、性能下降和失效。
进一步地,所述设备故障预测子模块还包括:故障预测验证单元、故障预测能力评估单元、故障预测有效性分析单元和剩余寿命预测单元;
所述故障预测验证单元,用于对铁路设备的故障预测结果进行验证,并生成相应验证结果;
所述故障预测能力评估单元,用于对铁路设备的故障预测能力进行评估,并生成相应评估结果;
所述故障预测有效性分析单元,用于对铁路设备的故障预测进行有效性分析,并生成相应有效性分析结果。
所述剩余寿命预测单元,用于对铁路设备的剩余寿命进行预测,并生成相应预测结果。
进一步地,所述设备健康数据处理模块还包括:
设备健康管理子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备健康管理处理结果。
进一步地,所述设备健康数据处理模块还包括:
设备健康状态评估与监测子模块,用于基于各个健康阶段的数据预测趋势根据所述铁路设备健康的相关数据得到各个健康阶段的健康预测数据,将各个健康阶段的健康预测数据与对应健康阶段的标准健康数据进行比对,得到健康预测数据与标准健康数据之间的偏离程度,根据偏离程度判断设备当前健康状态及健康的变化趋势,生成设备的当前健康状态及变化趋势的评估报告。
进一步地,所述设备健康数据处理模块还包括:
设备健康建议及决策子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成健康建议及决策处理结果。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例通过设置设备故障预测子模块,通过对设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备故障预测处理结果;并且,在所述设备故障预测子模块内进一步设置有预测模型管理单元、故障知识库管理单元、故障预测单元、故障预测验证单元、故障预测能力评估单元、故障预测有效性分析单元、剩余寿命预测单元,可以全方位的了解铁路设备健康状态,能够实现提高设备健康评估准确率、提升设备维修效率、降低设备运行维护成本,实现设备的安全生产。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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是本发明实施例提供的一种基于故障预测技术的铁路设备健康管理系统的结构框图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例提供的一种基于故障预测技术的铁路设备健康管理系统的结构示意图如图1所示,包括如下的模块:
设备健康数据输入模块,用于输入铁路设备健康的相关数据,该相关数据包括铁路设备的设计数据、制造数据、使用数据、故障数据、维修数据等。
设备健康数据处理模块,用于对所述设备健康数据输入模块所输入的数据进行分析处理;
设备健康结果输出模块,用于输出所述设备健康数据处理模块对所述设备健康数据输入模块所输入的数据进行分析处理后的结果。
作为优选,所述设备健康数据处理模块包括:设备故障预警子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备故障预警处理结果。基于各个健康阶段的数据预测趋势根据上述铁路设备健康的相关数据得到各个健康阶段的健康预测数据,将各个健康阶段的健康预测数据与对应健康阶段的标准健康数据进行比对,得到预测数据与标准健康数据之间的偏离程度,根据偏离程度判断是否有发生故障的趋势和风险,对存在发生故障的趋势和风险的设备进行故障预警,预报设备可能发生故障的趋势和风险。
作为优选,所述设备健康数据处理模块包括:设备故障诊断子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备故障诊断处理结果。
作为优选,所述设备健康数据处理模块包括:设备故障预测子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备故障预测处理结果。铁路设备在故障预测过程中,涉及到的事务包括但不限于以下事务:预测模型管理、故障知识库管理、故障预测、故障预测验证、故障预测能力评估、故障预测有效性分析、剩余寿命预测。为此,本实施例还提供以下单元:
作为优选,所述设备故障预测子模块包括:
预测模型管理单元,用于对铁路设备的预测模型进行管理,并生成相应结果。上述预测模型可以包括基于专家经验知识的预测模型、基于案例的预测模型、基于历史数据的预测模型等。
故障知识库管理单元,用于对铁路设备的故障知识库进行管理,并生成相应结果。上述故障知识库主要包括基于专家经验的故障知识、基于案例的故障知识、基于历史数据的故障知识等。
故障预测单元,用于基于上述输入的铁路设备健康的相关数据和上述故障知识库,利用上述预测模型对铁路设备的故障(包括正常、性能下降、失效)进行预测,并生成相应预测结果。该单元将设备的设计数据、制造数据、使用数据、故障数据、维修数据等输入到预测模型中,基于对上述标准数据及历史数据预测设备性能的发展趋势,通过所述预测模型利用所述故障知识库预测设备故障发生的等级及时间,输出铁路设备的故障的预测结果,该预测结果包括正常、性能下降和失效。
故障预测验证单元,用于对铁路设备的故障预测结果进行验证,并生成相应验证结果。
故障预测能力评估单元,用于对铁路设备的故障预测能力进行评估,并生成相应评估结果。
故障预测有效性分析单元,用于对铁路设备的故障预测进行有效性分析,并生成相应有效性分析结果。
剩余寿命预测单元,用于对铁路设备的剩余寿命进行预测,并生成相应预测结果。
作为优选,所述设备健康数据处理模块包括:设备健康管理子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备健康管理处理结果。
作为优选,所述设备健康数据处理模块包括:设备健康状态评估与监测子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备健康状态评估与监测处理结果。
用于基于各个健康阶段的数据预测趋势根据所述铁路设备健康的相关数据得到各个健康阶段的健康预测数据,将各个健康阶段的健康预测数据与对应健康阶段的标准健康数据进行比对,得到健康预测数据与标准健康数据之间的偏离程度,根据偏离程度判断设备当前健康状态及健康的变化趋势,生成设备的当前健康状态及变化趋势的评估报告。
作为优选,所述设备健康数据处理模块包括:设备健康建议及决策子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成健康建议及决策处理结果。
综上所述,本发明实施例通过设置设备故障预测子模块,通过对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备故障预测处理结果;并且,在所述设备故障预测子模块内进一步设置有预测模型管理单元、故障知识库管理单元、故障预测单元、故障预测验证单元、故障预测能力评估单元、故障预测有效性分析单元、剩余寿命预测单元,上述单元分别通过对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备故障预测处理结果。通过设备故障预测处理结果,可以全方位的了解铁路设备健康状态,能够实现提高设备健康评估准确率、提升设备维修效率、降低设备运行维护成本,实现设备的安全生产。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种基于故障预测技术的铁路设备健康管理系统,其特征在于,包括:设备健康数据输入模块、设备健康数据处理模块和设备健康结果输出模块;
所述设备健康数据输入模块,用于输入铁路设备健康的相关数据,该相关数据包括铁路设备的设计数据、制造数据、使用数据、故障数据和维修数据,将所述设备健康的相关数据传输给所述设备健康数据处理模块;
所述设备健康数据处理模块,用于对所述设备健康的相关数据进行分析处理,得到铁路设备的健康管理结果,将所述铁路设备的健康管理结果传输给所述设备健康结果输出模块;
所述设备健康结果输出模块,用于输出所述设备健康数据处理模块传输过来的铁路设备的健康管理结果。
2.根据权利要求1所述的系统,其特征在于,所述的设备健康数据处理模块包括:
设备故障预警子模块,用于基于各个健康阶段的数据预测趋势根据所述铁路设备健康的相关数据得到各个健康阶段的健康预测数据,将各个健康阶段的健康预测数据与对应健康阶段的标准健康数据进行比对,得到健康预测数据与标准健康数据之间的偏离程度,根据偏离程度判断是否有发生故障的趋势和风险,对存在发生故障的趋势和风险的设备进行故障预警;
设备故障诊断子模块,用于对所述铁路设备健康的相关数据进行处理,生成设备故障诊断处理结果;
设备故障预测子模块,用于对所述铁路设备健康的相关数据进行处理,生成设备故障预测处理结果。
3.根据权利要求2所述的系统,其特征在于,所述设备故障预测子模块包括:预测模型管理单元、故障知识库管理单元、故障预测单元;
所述的预测模型管理单元,用于对铁路设备的预测模型进行管理,所述预测模型包括基于专家经验知识的预测模型、基于案例的预测模型和基于历史数据的预测模型;
所述的故障知识库管理单元,用于对铁路设备的故障知识库进行管理,所述故障知识库包括基于专家经验的故障知识、基于案例的故障知识、基于历史数据的故障知识;
所述的故障预测单元,用于将设备的设计数据、制造数据、使用数据、故障数据和维修数据输入到所述铁路设备的预测模型中,基于对所述标准数据及历史数据预测设备性能的发展趋势,通过所述预测模型利用所述故障知识库预测设备故障发生的等级及时间,输出铁路设备的故障的预测结果,该预测结果包括正常、性能下降和失效。
4.根据权利要求3所述的系统,其特征在于,所述设备故障预测子模块还包括:故障预测验证单元、故障预测能力评估单元、故障预测有效性分析单元和剩余寿命预测单元;
所述故障预测验证单元,用于对铁路设备的故障预测结果进行验证,并生成相应验证结果;
所述故障预测能力评估单元,用于对铁路设备的故障预测能力进行评估,并生成相应评估结果;
所述故障预测有效性分析单元,用于对铁路设备的故障预测进行有效性分析,并生成相应有效性分析结果。
所述剩余寿命预测单元,用于对铁路设备的剩余寿命进行预测,并生成相应预测结果。
5.根据权利要求4所述的系统,其特征在于,所述设备健康数据处理模块还包括:
设备健康管理子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成设备健康管理处理结果。
6.根据权利要求5所述的系统,其特征在于,所述设备健康数据处理模块还包括:
设备健康状态评估与监测子模块,用于基于各个健康阶段的数据预测趋势根据所述铁路设备健康的相关数据得到各个健康阶段的健康预测数据,将各个健康阶段的健康预测数据与对应健康阶段的标准健康数据进行比对,得到健康预测数据与标准健康数据之间的偏离程度,根据偏离程度判断设备当前健康状态及健康的变化趋势,生成设备的当前健康状态及变化趋势的评估报告。
7.根据权利要求6所述的系统,其特征在于,所述设备健康数据处理模块还包括:
设备健康建议及决策子模块,用于对所述设备健康数据输入模块中所输入的铁路设备健康的相关数据进行处理,并生成健康建议及决策处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710935443.3A CN107832867A (zh) | 2017-10-10 | 2017-10-10 | 一种基于故障预测技术的铁路设备健康管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710935443.3A CN107832867A (zh) | 2017-10-10 | 2017-10-10 | 一种基于故障预测技术的铁路设备健康管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832867A true CN107832867A (zh) | 2018-03-23 |
Family
ID=61647691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710935443.3A Pending CN107832867A (zh) | 2017-10-10 | 2017-10-10 | 一种基于故障预测技术的铁路设备健康管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832867A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108528479A (zh) * | 2018-04-28 | 2018-09-14 | 广州地铁集团有限公司 | 一种轨道交通信号的综合管理系统 |
CN108960654A (zh) * | 2018-07-11 | 2018-12-07 | 佛山科学技术学院 | 一种面向机器学习的装备部件健康管理方法及系统 |
CN109065135A (zh) * | 2018-08-20 | 2018-12-21 | 刘利达 | 一种医院后勤设备全生命周期管理云平台、方法和系统 |
CN109523190A (zh) * | 2018-11-29 | 2019-03-26 | 国网河北省电力有限公司电力科学研究院 | 一种电能表的管理方法、管理装置及终端 |
CN112308300A (zh) * | 2020-10-19 | 2021-02-02 | 中国电子科技集团公司第三十八研究所 | 一种大型电子产品状态预测管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050091176A1 (en) * | 2003-10-24 | 2005-04-28 | Mitsubishi Denki Kabushiki Kaisha | Forecasting apparatus |
CN103064340A (zh) * | 2011-10-21 | 2013-04-24 | 沈阳高精数控技术有限公司 | 一种面向数控机床的故障预测方法 |
CN104932485A (zh) * | 2015-05-29 | 2015-09-23 | 中国铁路通信信号上海工程局集团有限公司 | 铁路道岔转辙机故障预测系统及方法 |
CN105809255A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
CN106203642A (zh) * | 2016-07-18 | 2016-12-07 | 王力 | 一种电力机车故障预测及健康管理的方法 |
-
2017
- 2017-10-10 CN CN201710935443.3A patent/CN107832867A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050091176A1 (en) * | 2003-10-24 | 2005-04-28 | Mitsubishi Denki Kabushiki Kaisha | Forecasting apparatus |
CN103064340A (zh) * | 2011-10-21 | 2013-04-24 | 沈阳高精数控技术有限公司 | 一种面向数控机床的故障预测方法 |
CN104932485A (zh) * | 2015-05-29 | 2015-09-23 | 中国铁路通信信号上海工程局集团有限公司 | 铁路道岔转辙机故障预测系统及方法 |
CN105809255A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
CN106203642A (zh) * | 2016-07-18 | 2016-12-07 | 王力 | 一种电力机车故障预测及健康管理的方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108528479A (zh) * | 2018-04-28 | 2018-09-14 | 广州地铁集团有限公司 | 一种轨道交通信号的综合管理系统 |
CN108960654A (zh) * | 2018-07-11 | 2018-12-07 | 佛山科学技术学院 | 一种面向机器学习的装备部件健康管理方法及系统 |
CN109065135A (zh) * | 2018-08-20 | 2018-12-21 | 刘利达 | 一种医院后勤设备全生命周期管理云平台、方法和系统 |
CN109523190A (zh) * | 2018-11-29 | 2019-03-26 | 国网河北省电力有限公司电力科学研究院 | 一种电能表的管理方法、管理装置及终端 |
CN112308300A (zh) * | 2020-10-19 | 2021-02-02 | 中国电子科技集团公司第三十八研究所 | 一种大型电子产品状态预测管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832867A (zh) | 一种基于故障预测技术的铁路设备健康管理系统 | |
Ji et al. | Prognostics enabled resilient control for model-based building automation systems | |
CN104992270B (zh) | 输变电设备状态检修辅助决策系统及方法 | |
CN108629430A (zh) | 一种重大设备智能运维管理系统 | |
CN106155035B (zh) | 基于维修类数据的故障诊断方法及故障诊断系统 | |
CN104267346B (zh) | 一种发电机励磁系统故障远程诊断方法 | |
CN106647263A (zh) | 一种利用等劣化理论和设备风险的电力设备检修决策方法 | |
CN103971294B (zh) | 一种基于输变电设备状态评估信息展现系统 | |
JP2006252311A (ja) | 設備保全計画支援システムおよびその支援方法 | |
KR20150084613A (ko) | 데이터 마이닝을 이용한 타워크레인 고장예측방법 | |
CN113177650A (zh) | 一种铁路货车车厢的预测性维护方法及装置 | |
CN107944724A (zh) | 一种海上风电设备运维决策方法 | |
CN105425768A (zh) | 一种电力二次设备监测装置及方法 | |
Hajian-Hoseinabadi et al. | Availability, reliability, and component importance evaluation of various repairable substation automation systems | |
CN105277823A (zh) | 一种逆变器故障诊断方法 | |
Asmai et al. | A framework of an intelligent maintenance prognosis tool | |
CN107767056A (zh) | 一种用于电站磨煤机的状态监控与健康管理系统 | |
KR20160087669A (ko) | 항만장비 오류정보 데이터베이스 구축 및 고장예측 시스템 | |
CN109038566B (zh) | 一种电力系统安全稳定控制装置当值策略可实施性评估方法 | |
CN104916336B (zh) | 一种反应堆保护命令逻辑处理模件测试装置 | |
CN117696224A (zh) | 一种基于大模型的磨矿优化处理系统 | |
CN109658002A (zh) | 考虑控保系统竞争失效的电力电子装置可靠性建模方法 | |
Wang et al. | A prognostics and health management based method for refurbishment decision making for electromechanical systems | |
Zhang et al. | Controller area network node reliability assessment based on observable node information | |
Rocha et al. | Iot-based degradation management for self-healing power converters |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |
|
RJ01 | Rejection of invention patent application after publication |