CN108132867B - 一种设备故障报警方法及计算设备 - Google Patents
一种设备故障报警方法及计算设备 Download PDFInfo
- Publication number
- CN108132867B CN108132867B CN201810027590.5A CN201810027590A CN108132867B CN 108132867 B CN108132867 B CN 108132867B CN 201810027590 A CN201810027590 A CN 201810027590A CN 108132867 B CN108132867 B CN 108132867B
- Authority
- CN
- China
- Prior art keywords
- current trend
- trend section
- point
- level
- section
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种设备故障报警方法,在计算设备中执行,适于根据实时采集到的待测设备的监测指标值来确定待测设备的报警等级,每一时刻采集到的监测指标值分别作为一个数据点,多个数据点形成监测指标的时域曲线,时域曲线被划分为多个趋势段,每个趋势段包括起点、终点、最高点和最低点,上一个趋势段的终点为下一个趋势段的起点。该方法包括:将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中;根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级;根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级;根据劣化等级和危险等级来确定待测设备的报警等级。本发明一并公开了相应的计算设备。
Description
技术领域
本发明涉及设备状态监控及故障诊断技术领域,尤其涉及一种设备故障报警方法及计算设备。
背景技术
在对设备的状态监控和故障诊断中,将监测指标值(例如振动加速度、位移等)和预设的阈值进行比较来判断设备是否故障是一种常用的方法。通常,在指标值低于阈值时,认为没有故障发生;在指标值高于阈值时,则认为设备处于异常甚至高危状况,并发出报警信号。阈值设置的合理与否直接影响故障监测的灵敏度和可靠性。过高的阈值会导致漏掉真实的报警信号;过低的阈值又会因指标值频繁超限而造成误报警。因此,需要一种可靠性、灵敏度更高的报警方法。
发明内容
为此,本发明提供一种设备故障报警方法及计算设备,以解决或至少缓解上面存在的问题。
根据本发明的一个方面,提供一种设备故障报警方法,在计算设备中执行,适于根据实时采集到的待测设备的监测指标值来确定待测设备的报警等级,每一时刻采集到的监测指标值分别作为一个数据点,多个数据点形成监测指标的时域曲线,所述时域曲线被划分为多个趋势段,每个趋势段包括起点、终点、最高点和最低点,所述最高点、最低点分别为趋势段中监测指标值最大、最小的数据点,上一个趋势段的终点为下一个趋势段的起点,所述方法包括:将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中;根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级;根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级;根据所述劣化等级和所述危险等级来确定待测设备的报警等级。
可选地,在根据本发明的报警方法中,根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级的步骤包括:将最高点的监测指标值与最低点的监测指标值之差作为当前趋势段的上升幅度,将最高点的时刻与最低点的时刻之差作为当前趋势段的上升时间,将所述上升幅度和所述上升时间之商作为当前趋势段的上升速度;根据所述上升幅度和所述上升速度来确定当前趋势段的劣化等级。
可选地,在根据本发明的报警方法中,根据所述上升幅度和所述上升速度来确定当前趋势段的劣化等级的步骤包括:根据当前趋势段的起点来确定每一个劣化等级的上升幅度门限和上升速度门限;将所述上升幅度和所述上升速度按照劣化等级由高到低的顺序分别与每一个劣化等级的上升幅度门限、上升速度门限做比对;当所述上升幅度大于一个劣化等级的上升幅度门限,且所述上升速度大于该劣化等级的上升速度门限时,将当前趋势段的劣化等级判定为该劣化等级。
可选地,在根据本发明的报警方法中,劣化等级包括高、中、低三个等级,高劣化等级、中劣化等级的上升幅度门限、上升速度门限按照以下公式确定:
其中,Thd3、spdThd3分别为高劣化等级的上升幅度门限和上升速度门限,Thd2、spdThd2分别为中劣化等级的上升幅度门限和上升速度门限,a为当前趋势段的起点的监测指标值,λ1、λ2、β1~β4、γ1、γ2均为常数,且β1>β3,β2>β4,γ1<γ2;根据所述上升幅度和所述上升速度来确定当前趋势段的劣化等级的步骤进一步包括:当所述上升幅度小于等于Thd2或所述上升速度小于等于spdThd2时,将当前趋势段的劣化等级判定为低劣化等级。
可选地,在根据本发明的报警方法中,根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级的步骤包括:根据当前趋势段的数据点来确定当前趋势段的趋势形态类别;根据当前趋势段之前的预定时间内的数据点来确定当前趋势段的历史形态类别;根据所述趋势形态类别和历史形态类别来确定当前趋势段的危险等级。
可选地,在根据本发明的报警方法中,所述趋势形态类别包括单点突变、均值跳升、连续单调上升和震荡上升,所述根据当前趋势段的数据点来确定当前趋势段的趋势形态类别的步骤包括:若当前趋势段中的监测指标值大于(最低点的监测指标值+第一比例*上升幅度)的数据点的个数为1,则将趋势形态类别判定为单点突变;若当前趋势段中的监测指标值大于(最低点的监测指标值+第二比例*上升幅度)的数据点的个数大于等于第一阈值,则将趋势形态类别判定为均值跳升;将当前趋势段的最低点和最高点之间的曲线等分为三段,若每一段都至少包括一个数据点,则将趋势形态类别判定为连续单调上升;若当前趋势段的时域曲线与水平线y=(最低点的监测指标值+第三比例*上升幅度)的交点的个数大于等于第二阈值,则将趋势形态类别判定为震荡上升;其中,所述第一比例、第二比例、第三比例的取值在0~1之间。
可选地,在根据本发明的报警方法中,历史形态类别包括低态平稳、高态平稳和振荡,所述根据当前趋势段之前的预定时间内的数据点来确定当前趋势段的历史形态类别的步骤包括:若当前趋势段之前的第一预定时间内的数据点中,监测指标值大于(当前趋势段的最低点的监测指标值+第四比例*上升幅度)的数据点的个数小于等于1,则将历史形态类别判定为低态平稳;若当前趋势段之前的第二预定时间内的数据点中,监测指标值大于(当前趋势段的最低点的监测指标值+第五比例*上升幅度)的数据点的个数大于等于第三阈值,则将历史形态类别判定为高态平稳;若在当前趋势段之前的第三预定时间内的数据点所形成的多个趋势段中,最高点的监测指标值大于(当前趋势段的最低点的监测指标值+第六比例*上升幅度)的趋势段的个数大于第四阈值,则将历史形态类别判定为振荡;其中,所述第一预定时间、第二预定时间、第三预定时间为所述预定时间的子集,所述第四比例、第五比例、第六比例的取值在0~1之间。
可选地,在根据本发明的报警方法中,根据所述趋势形态类别和历史形态类别来确定当前趋势段的危险等级的步骤包括:预先定义每一个危险等级所对应的趋势形态类别和历史形态类别;将所述趋势形态类别和历史形态类别分别与每一个危险等级所对应的趋势形态类别和历史形态类别做比对,当所述趋势形态类别和历史形态类别分别与一个危险等级所对应的趋势形态类别和历史形态类别相符时,将当前趋势段的危险等级判定为该危险等级。
可选地,在根据本发明的报警方法中,根据所述劣化等级和危险等级来确定待测设备的报警等级的步骤包括:预先定义每一个报警等级所对应的劣化等级和危险等级;将所述劣化等级和危险等级分别与每一个报警等级所对应的劣化等级和危险等级做比对,当所述劣化等级和危险等级分别与一个报警等级所对应的劣化等级和危险等级相符时,将待测设备的报警等级判定为该报警等级。
可选地,在根据本发明的报警方法中,在将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中的步骤之后,还包括步骤:若当前时刻的数据点不是当前趋势段的最高点,且当前时刻距离当前趋势段的最高点的时间大于等于预定阈值,则将当前时刻的数据点标记为当前趋势段的终点。
根据本发明的另一个方面,提供一种计算设备,包括:至少一个处理器;和存储有程序指令的存储器,其中,程序指令被配置为适于由上述至少一个处理器执行,程序指令包括用于执行如上所述的设备故障报警方法的指令。
根据本发明的又一个方面,提供一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如上所述的设备故障报警方法。
设备的劣化通常伴随着监测指标值(例如振动加速度、位移)的上升趋势。本发明的技术方案可以识别出监测指标时域曲线中的上升趋势,并根据识别出来的上升趋势来将监测指标时域曲线划分为多个趋势段。
根据本发明的技术方案,一方面,根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级,进一步地,根据最高点和最低点确定当前趋势段的上升幅度和上升速度,根据上升幅度和上升速度来确定劣化等级,劣化等级可以表示待测设备的劣化速度以及劣化的严重程度。
另一方面,根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级,进一步地,根据当前趋势段的数据点来确定当前趋势段的趋势形态类别,根据当前趋势段之前的预定时间内的数据点来确定当前趋势段的历史形态类别,根据趋势形态类别和历史形态类别来确定当前趋势段的危险等级。虽然监测指标时域曲线上的各趋势段均包含上升趋势,但是,不同的趋势段有不同的趋势形态和历史形态,并非所有的趋势段均对应于待测设备的故障或劣化。本发明的技术方案通过分析当前趋势段的趋势形态和历史形态并根据趋势形态和历史形态来确定危险等级,可以有效地识别出待测设备故障的真实劣化趋势,避免由于工况波动、误信号等因素造成偶然的趋势突变而产生误报警。
本发明的技术方案对监测指标的趋势进行分析并报警,相对于传统的阈值报警方法,本发明的报警方法的灵敏度和可靠性更高,可以在不漏掉有效报警的前提下,大幅提高有效报警率。此外,本发明的技术方案根据当前趋势段的劣化等级和危险等级来确定待测设备的报警等级,从而确定待测设备的故障、劣化程度,为工程师检修待测设备提供依据,方便工程师优先处理严重报警。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的设备故障报警系统100的示意图;
图2示出了根据本发明一个实施例的计算设备200的示意图;
图3示出了根据本发明一个实施例的设备故障报警方法300的流程图;
图4示出了根据本发明一个实施例的当前趋势段的终点的示意图;
图5示出了根据本发明一个实施例的趋势形态类别的示意图;
图6示出了根据本发明一个实施例的历史形态类别的示意图;
图7示出了根据本发明的一个设备故障报警示例。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的设备故障报警系统100的示意图。如图1所示,报警系统100包括待测设备110、传感器120和计算设备200。
待测设备110例如可以是主轴、电机、泵、齿轮箱、滚动轴承等机械设备。传感器120例如可以设置于待测设备110的表面或距离待测设备110最近的刚性外壳上,其可以采集待测设备110的监测指标值,并将采集到的监测指标值传递至计算设备200。传感器120例如可以是振动传感器,相应地,监测指标值可以是加速度值、位移值等,但不限于此。应当指出,传感器120可以为任意型号,本发明对传感器120的型号不做限制。计算设备200是具有通信和计算能力的设备,其可以实现为桌面计算机、笔记本计算机等配置的个人计算机,也可以实现为工作站、服务器等,在一些情况中,计算设备200还可以实现为手机、平板电脑、可穿戴设备等设备。计算设备200可以接收传感器120采集到的监测指标值,并对监测指标值进行存储、分析、展示等。根据一种实施例,计算设备200可以对监测指标值进行分析,来确定待测设备的故障报警等级。
应当指出,图1所示的设备故障报警系统100仅是示例性的,虽然其中仅示出了一个待测设备、一个传感器和一个计算设备,但是,在具体的实践情况中,设备故障报警系统中可以有不同数量的待测设备、传感器和计算设备,本发明对设备故障报警系统中所包括的待测设备、传感器和计算设备的数量不做限制。例如,设备故障报警系统中可以包括多个待测设备,一个待测设备上可以设置多个传感器,一个计算设备可以接收多个传感器所采集到的监测指标值并对其进行分析,等等。
图2示出了根据本发明一个实施例的计算设备200的示意图。在基本的配置202中,计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。
取决于期望的配置,处理器204可以是任何类型的处理,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用,或者在一些实现中,存储器控制器218可以是处理器204的一个内部部分。
取决于期望的配置,系统存储器206可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统220、一个或者多个应用222以及程序数据224。应用222实际上是多条程序指令,其用于指示处理器204执行相应的操作。在一些实施方式中,应用222可以布置为在操作系统上使得处理器204利用程序数据224进行操作。
计算设备200还可以包括有助于从各种接口设备(例如,输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256,它们可以被配置为有助于经由一个或者多个I/O端口258和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260,其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
在根据本发明的计算设备200中,应用222包括设备故障报警装置228,装置228包括多条程序指令,而程序数据224可以包括传感器120采集到的待测设备的监测指标值。装置228可以指示处理器204执行设备故障报警方法300,对程序数据224中所包括的监测指标值进行分析处理,从而确定待测设备的报警等级。
以下将以方法300为例,对本发明的设备故障报警方案做详细阐述。应当指出,方法300主要从实时计算的角度来说明本发明的报警方案,即,每采集到一个监测指标值,均实时地执行方法300来确定待测设备的报警等级。当然,除了实时计算的角度之外,也可以从事后分析的角度来阐述本发明的报警方案,即,在当前时刻对一段时间之前的监测指标值进行分析,得出一段时间之前的报警等级。实时计算以及事后分析是两种描述本发明的报警方案的不同角度,但二者的技术本质是相同的。尽管方法300从实时计算的角度对本发明的报警方案进行了阐述,但是,本领域技术人员应当理解,这种实时计算的描述方式并不能作为对本发明的技术方案的限制。
图3示出了根据本发明一个实施例的设备故障报警方法300的流程图。方法300适于在计算设备(例如前述计算设备200)中执行。方法300适于根据实时采集到的待测设备的监测指标值来确定待测设备的报警等级,从而为工程师检修待测设备提供依据,方便工程师优先处理严重报警。在方法300中,每一时刻采集到的监测指标值分别作为一个数据点,多个时刻采集到的多个数据点形成监测指标值的时域曲线(即该曲线的横坐标为时间,纵坐标为监测指标值)。基于方法300,监测指标值的时域曲线可以被划分为多个趋势段,每个趋势段包括多个数据点,这多个数据点中的一部分或全部形成一个监测指标值上升的趋势,这种上升的趋势并不是指严格单调上升,而是指一个大致的上升趋势,例如,上升趋势中可能包括一些振荡、突变等。
为了方便对趋势段进行描述,现定义趋势段中的几个特殊数据点:起点、终点、最高点和最低点。起点、终点分别为趋势段的第一个数据点和最后一个数据点,同时,上一个趋势段的终点为下一个趋势段的起点。最高点、最低点分别为趋势段中监测指标值最大、最小的数据点,应当指出,趋势段的最高点、最低点并不是固定的,随着对待测设备的监测指标值的采集,趋势段的最高点、最低点可能会发生变化。另外,本发明的数据点、起点、终点、最高点、最低点等以“点”结尾的名词均包括监测指标值和采集该监测指标值的时刻两维数据,即,每一个数据点包括该数据点的监测指标值和采集该监测指标值的时刻,起点包括趋势段的第一个数据点的监测指标值和采集时刻,等等。
应当指出,由于上一个趋势段的终点为下一个趋势段的起点,因此,对于整个监测指标值的时域曲线来说,只要指定了第一个趋势段的起点,并给出趋势段的终止条件,即可完成趋势段的划分。第一个趋势段的起点例如可以是在初始时刻采集到的第一个监测指标值,也可以是由本领域技术人员指定的时域曲线中的任意一个数据点。趋势段的终止条件例如可以是在一段时间内未采集到监测指标值比最高点更大的数据点,但不限于此。应当指出,本发明对时域曲线的第一个趋势段的起点的设置、以及趋势段的终止条件的设置均不做限制。基于设置的第一个趋势段的起点和各趋势段的终止条件,时域曲线被划分为多个趋势段,其中,当前时刻尚未终止的趋势段为当前趋势段。
如图3所示,方法300始于步骤S310。
在步骤S310中,将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中。
应当指出,当前时刻采集到的监测指标值总是作为一个数据点添加到当前趋势段中,只是在一些情况下,当前时刻的数据点可能刚好符合趋势段的终止条件,使得该数据点同时是当前趋势段的终点。根据一种实施例,若当前时刻的数据点不是当前趋势段的最高点,且当前时刻距离当前趋势段的最高点的时间大于等于预定阈值,则将当前时刻的数据点标记为当前趋势段的终点。预定阈值的取值可以由本领域技术人员自行设置,本发明对此不做限制。例如,预定阈值可以为3天,如图4所示,在3月6日00:00时刻,采集到新的数据点C,以采集到数据点C的时刻为当前时刻,则当前趋势段为趋势段T1,将数据点C加入当前趋势段T1。如图4所示,当前趋势段T1的最高点为点B,也即,数据点C不是当前趋势段T1的最高点;同时,当前时刻距离最高点B的时间刚好为3天,也即,当前数据点C距离最高点B的时间等于预定阈值。因此,将当前时刻的数据点C记为当前趋势段T1的终点。同时,数据点C也是趋势段T2的起点。应当指出,在数据点C的时刻,当前趋势段为趋势段T1,在数据点D的时刻,当前趋势段为趋势段T2。
随后,在步骤S320中,根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级。
根据一种实施例,步骤S320进一步可以按照以下步骤实施:将最高点的监测指标值与最低点的监测指标值之差作为当前趋势段的上升幅度(上升幅度简记为apt),将最高点的时刻与最低点的时刻之差作为当前趋势段的上升时间,将上升幅度和上升时间之商作为当前趋势段的上升速度(上升速度简记为spd);根据上升幅度apt和上升速度spd来确定当前趋势段的劣化等级。
应当指出,劣化等级的数量可以由本领域技术人员自行设置,本发明对此不做限制。例如,劣化等级可以包括高、中、低三个等级。每一个劣化等级对应于一个上升幅度门限和一个上升速度门限,根据一种实施例,每一个劣化等级的上升幅度门限和上升速度门限可以根据当前趋势段的起点来确定。例如,劣化等级包括高、中、低三个等级,高劣化等级、中劣化等级的上升幅度门限、上升速度门限分别按照以下公式确定:
spdThd3=Thd3/γ1 (2)
spdThd2=Thd2/γ2 (4)
其中,Thd3、spdThd3分别为高劣化等级的上升幅度门限和上升速度门限,Thd2、spdThd2分别为中劣化等级的上升幅度门限和上升速度门限,a为当前趋势段的起点的监测指标值,λ1、λ2、β1~β4、γ1、γ2均为常数,且β1>β3,β2>β4,γ1<γ2。应当指出,λ1、λ2、β1~β4、γ1、γ2的取值可以由本领域技术人员根据实际情况自行设置,本发明对八者的取值以及单位不做限制,只要其满足β1>β3,β2>β4,γ1<γ2的关系即可。例如,在一种实施方式中,监测指标值可以是振动加速度,常数λ1、λ2、β1~β4的单位为cm/s2,γ1、γ2的单位为天,其值分别为:λ1=5,λ2=25,β1=10,β2=25,β3=7,β4=18,γ1=1,γ2=3。特别地,低劣化等级对应的上升幅度门限和上升速度门限为缺省值,即,没有设置低劣化等级对应的上升幅度门限和上升速度门限。
在确定当前趋势段的劣化等级时,将当前趋势段的上升幅度apt和上升速度spd按照劣化等级由高到低的顺序分别与每一个劣化等级的上升幅度门限Thd和上升速度门限spdThd做比对,当上升幅度apt大于某一个劣化等级的上升幅度门限Thd,且上升速度spd大于该劣化等级的上升速度门限spdThd时,将当前趋势段的劣化等级判定为该劣化等级。例如,劣化等级包括高、中、低三个等级,高劣化等级、中劣化等级的上升幅度门限和上升速度门限如公式(1)~(4)所示,低劣化等级对应的上升幅度门限和上升速度门限为缺省值。在确定当前趋势段的劣化等级时,先将当前趋势段的上升幅度apt、上升速度spd分别与高劣化等级的上升幅度门限Thd3、上升速度门限spdThd3做比对,若apt>Thd3且spd>spdThd3,则将当前趋势段的劣化等级判定为高劣化等级。若不满足apt>Thd3且spd>spdThd3的条件,则继续将将当前趋势段的上升幅度apt、上升速度spd分别与中劣化等级的上升幅度门限Thd2、上升速度门限spdThd2做比对,若apt>Thd2且spd>spdThd2,则将当前趋势段的劣化等级判定为中劣化等级。若不满足apt>Thd2且spd>spdThd2的条件(即apt≤Thd2或spd≤spdThd2),则将当前趋势段的劣化等级判定为低劣化等级。
随后,在步骤S330中,根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级。
根据一种实施例,步骤S330进一步包括以下步骤S332~S336:
在步骤S332中,根据当前趋势段的数据点来确定当前趋势段的趋势形态类别。应当指出,趋势形态类别的数量和特征可以由本领域技术人员根据实际情况自行设置,本发明对此不做限制。根据一种实施例,趋势形态类别包括单点突变、均值跳升、连续单调上升和震荡上升四种,这四种趋势形态类别的示例如图5所示。步骤S332进一步包括(也即各趋势形态类别的判定规则分别如下):
1)若当前趋势段中的监测指标值大于(最低点的监测指标值+第一比例*上升幅度)的数据点的个数为1,则将趋势形态类别判定为单点突变;
2)若当前趋势段中的监测指标值大于(最低点的监测指标值+第二比例*上升幅度)的数据点的个数大于等于第一阈值,则将趋势形态类别判定为均值跳升;
3)将当前趋势段的最低点和最高点之间的曲线等分为三段,若每一段都至少包括一个数据点,则将趋势形态类别判定为连续单调上升;
4)若当前趋势段的时域曲线与水平线y=(最低点的监测指标值+第三比例*上升幅度)的交点的个数大于等于第二阈值,则将趋势形态类别判定为震荡上升。
在以上4个判定条件中,第一比例、第二比例、第三比例的取值在0~1之间。第一比例~第三比例、第一阈值、第二阈值的取值可以由本领域技术人员自行设置,本发明对五者的取值不做限制。根据一种实施例,第一比例=0.2,第二比例=0.8,第三比例=0.5,第一阈值=5,第二阈值=3。
随后,在步骤S334中,根据当前趋势段之前的预定时间内的数据点来确定当前趋势段的历史形态类别。应当指出,历史形态类别的数量和特征可以由本领域技术人员根据实际情况自行设置,本发明对此不做限制。根据一种实施例,历史形态类别包括低态平稳、高态平稳和振荡三种,这三种历史形态类别的示例如图6所示。步骤S334进一步包括(也即各历史形态类别的判定规则分别如下):
1)若当前趋势段之前的第一预定时间内的数据点中,监测指标值大于(当前趋势段的最低点的监测指标值+第四比例*上升幅度)的数据点的个数小于等于1,则将历史形态类别判定为低态平稳;
2)若当前趋势段之前的第二预定时间内的数据点中,监测指标值大于(当前趋势段的最低点的监测指标值+第五比例*上升幅度)的数据点的个数大于等于第三阈值,则将历史形态类别判定为高态平稳;
3)若在当前趋势段之前的第三预定时间内的数据点所形成的多个趋势段中,最高点的监测指标值大于(当前趋势段的最低点的监测指标值+第六比例*上升幅度)的趋势段的个数大于第四阈值,则将历史形态类别判定为振荡。
在以上3个判定条件中,第一预定时间、第二预定时间、第三预定时间为所预定时间的子集,第四比例、第五比例、第六比例的取值在0~1之间。预定时间、第一预定时间~第三预定时间、第四比例~第六比例、第三阈值、第四阈值的取值可以由本领域技术人员自行设置,本发明对此不做限制。在一种实施例中,预定时间、第三预定时间为2个月,第一预定时间、第二预定时间为1个月,第四比例=0.2,第五比例=0.5,第六比例=0.5,第三阈值=20,第四阈值=2。
特别地,在实践中,存在当前趋势段同时满足上述判定条件2)和3)的情况。这时,优选判定条件2),将当前趋势段的历史形态类别判定为高态平稳。基于这种思想,在实践中可以对上述判定条件1)~3)依次进行判定,当满足一个判定条件后,不再判断其他判定条件。例如,先判定当前趋势段是否满足条件1),若满足,则将当前趋势段的历史形态类别判定为低态平稳,若不满足,则继续判定当前趋势段是否满足条件2),若满足,则将当前趋势段的历史形态类别判定为高态平稳,若不满足,再继续判定当前趋势段是否满足条件3)。
随后,在步骤S336中,根据趋势形态类别和历史形态类别来确定当前趋势段的危险等级。根据一种实施例,预先定义每一个危险等级所对应的趋势形态类别和历史形态类别;将当前趋势段的趋势形态类别和历史形态类别分别与每一个危险等级所对应的趋势形态类别和历史形态类别做比对,当当前趋势段的趋势形态类别和历史形态类别分别与一个危险等级所对应的趋势形态类别和历史形态类别相符时,将当前趋势段的危险等级判定为该危险等级。例如,危险等级包括高危、中危、低危三个等级,预先定义每一个危险等级所对应的趋势形态类别和历史形态类别如下:
其中,A表示单点突变,B表示均值跳升,C表示连续单调上升,D表示震荡上升,E表示低态平稳,F表示高态平稳,G表示振荡。例如,当前趋势段的趋势形态类别为C,历史形态类别为F,则通过查找上表,可得当前趋势段的危险等级为高危。
随后,在步骤S340中,根据劣化等级和危险等级来确定待测设备的报警等级。根据一种实施例,预先定义每一个报警等级所对应的劣化等级和危险等级;将当前趋势段的劣化等级和危险等级分别与每一个报警等级所对应的劣化等级和危险等级做比对,当当前趋势段的劣化等级和危险等级分别与一个报警等级所对应的劣化等级和危险等级相符时,将待测设备的报警等级判定为该报警等级。应当指出,报警等级所包括的等级数量,以及每一个报警等级所对应的劣化等级、危险等级可以由本领域技术人员自行设置,本发明对此不做限制。例如,报警等级包括四级,从第一级到第四级严重程度依次递减。每一个报警等级与劣化等级、危险等级的对应关系如下表所示:
每一个报警等级的定义以及对工程师的处理要求如下:
1)一级报警:趋势上升快、单调性高、劣化速度不可控,或者故障严重性很高(例如严重松动、或者保持架故障、联轴器故障等)、潜在损失很大。
处理要求:直接通知现场,工程师最优先立即处理。
2)二级报警:趋势上升快、单调性不高或者趋势幅值不高,或者幅值宽带振荡的报警,故障严重性较高(例如松动、滚动体损伤等)。
处理要求:工程师优先立即处理。
3)三级报警:趋势有一定上升的报警,故障严重性不高(例如流体激振等)。
处理要求:工程师1天内处理。
4)四级报警:非一级二级三级的报警。
处理要求:工程师3天内处理。
图7示出了根据本发明的一个设备故障报警示例,图中曲线为一个机泵的振动加速度的时域曲线。整个曲线中有多次上升趋势,分别被判定为二级报警、三级报警、一级报警。工程师只需要重点关注一开始的二级报警(趋势第一次上升)和最后的一级报警(机组快速劣化,临近报废),期间的一些三级报警则不需要特别关注。
本发明的技术方案对监测指标的趋势进行分析并报警,相对于传统的阈值报警方法,本发明的报警方法的灵敏度和可靠性更高,可以在不漏掉有效报警的前提下,大幅提高有效报警率。此外,本发明的技术方案根据当前趋势段的劣化等级和危险等级来确定待测设备的报警等级,从而确定待测设备的故障、劣化程度,为工程师检修待测设备提供依据,方便工程师优先处理严重报警。
A9:A1所述的方法,其中,根据所述劣化等级和危险等级来确定待测设备的报警等级的步骤包括:
预先定义每一个报警等级所对应的劣化等级和危险等级;
将所述劣化等级和危险等级分别与每一个报警等级所对应的劣化等级和危险等级做比对,当所述劣化等级和危险等级分别与一个报警等级所对应的劣化等级和危险等级相符时,将待测设备的报警等级判定为该报警等级。
A10:A1所述的方法,其中,在将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中的步骤之后,还包括步骤:
若当前时刻的数据点不是当前趋势段的最高点,且当前时刻距离当前趋势段的最高点的时间大于等于预定阈值,则将当前时刻的数据点标记为当前趋势段的终点。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的报警方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的而非限制性的,本发明的范围由所附权利要求书限定。
Claims (12)
1.一种设备故障报警方法,在计算设备中执行,其特征在于,所述方法适于根据实时采集到的待测设备的监测指标值来确定待测设备的报警等级,每一时刻采集到的监测指标值分别作为一个数据点,多个数据点形成监测指标的时域曲线,所述时域曲线被划分为多个趋势段,每个趋势段包括起点、终点、最高点和最低点,所述最高点、最低点分别为趋势段中监测指标值最大、最小的数据点,上一个趋势段的终点为下一个趋势段的起点,所述方法包括:
将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中;
根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级;
根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级;
根据所述劣化等级和所述危险等级来确定待测设备的报警等级。
2.如权利要求1所述的方法,其中,根据当前趋势段的最高点和最低点来确定当前趋势段的劣化等级的步骤包括:
将最高点的监测指标值与最低点的监测指标值之差作为当前趋势段的上升幅度,将最高点的时刻与最低点的时刻之差作为当前趋势段的上升时间,将所述上升幅度和所述上升时间之商作为当前趋势段的上升速度;
根据所述上升幅度和所述上升速度来确定当前趋势段的劣化等级。
3.如权利要求2所述的方法,其中,根据所述上升幅度和所述上升速度来确定当前趋势段的劣化等级的步骤包括:
根据当前趋势段的起点来确定每一个劣化等级的上升幅度门限和上升速度门限;
将所述上升幅度和所述上升速度按照劣化等级由高到低的顺序分别与每一个劣化等级的上升幅度门限、上升速度门限做比对;
当所述上升幅度大于一个劣化等级的上升幅度门限,且所述上升速度大于该劣化等级的上升速度门限时,将当前趋势段的劣化等级判定为该劣化等级。
4.如权利要求3所述的方法,其中,所述劣化等级包括高、中、低三个等级,高劣化等级、中劣化等级的上升幅度门限、上升速度门限按照以下公式确定:
spdThd3=Thd3/γ1,
spdThd2=Thd2/γ2,
其中,Thd3、spdThd3分别为高劣化等级的上升幅度门限和上升速度门限,Thd2、spdThd2分别为中劣化等级的上升幅度门限和上升速度门限,a为当前趋势段的起点的监测指标值,λ1、λ2、β1~β4、γ1、γ2均为常数,且β1>β3,β2>β4,γ1<γ2;
根据所述上升幅度和所述上升速度来确定当前趋势段的劣化等级的步骤进一步包括:当所述上升幅度小于等于Thd2或所述上升速度小于等于spdThd2时,将当前趋势段的劣化等级判定为低劣化等级。
5.如权利要求2所述的方法,其中,根据当前趋势段和当前趋势段之前的预定时间内的数据点来确定当前趋势段的危险等级的步骤包括:
根据当前趋势段的数据点来确定当前趋势段的趋势形态类别;
根据当前趋势段之前的预定时间内的数据点来确定当前趋势段的历史形态类别;
根据所述趋势形态类别和历史形态类别来确定当前趋势段的危险等级。
6.如权利要求5所述的方法,其中,所述趋势形态类别包括单点突变、均值跳升、连续单调上升和震荡上升,所述根据当前趋势段的数据点来确定当前趋势段的趋势形态类别的步骤包括:
对下述判定条件依次进行判定以确定当前趋势段的趋势形态类别,当满足一个判定条件后,不再判断其他判定条件:
若当前趋势段中的监测指标值大于最低点的监测指标值+第一比例*上升幅度的数据点的个数为1,则将趋势形态类别判定为单点突变;
若当前趋势段中的监测指标值大于最低点的监测指标值+第二比例*上升幅度的数据点的个数大于等于第一阈值,则将趋势形态类别判定为均值跳升;
将当前趋势段的最低点和最高点之间的曲线等分为三段,若每一段都至少包括一个数据点,则将趋势形态类别判定为连续单调上升;
若当前趋势段的时域曲线与水平线y=最低点的监测指标值+第三比例*上升幅度的交点的个数大于等于第二阈值,则将趋势形态类别判定为震荡上升;
其中,所述第一比例、第二比例、第三比例的取值在0~1之间。
7.如权利要求5或6所述的方法,其中,所述历史形态类别包括低态平稳、高态平稳和振荡,所述根据当前趋势段之前的预定时间内的数据点来确定当前趋势段的历史形态类别的步骤包括:
对下述判定条件依次进行判定以确定当前趋势段的历史形态类别,当满足一个判定条件后,不再判断其他判定条件:
若当前趋势段之前的第一预定时间内的数据点中,监测指标值大于当前趋势段的最低点的监测指标值+第四比例*上升幅度的数据点的个数小于等于1,则将历史形态类别判定为低态平稳;
若当前趋势段之前的第二预定时间内的数据点中,监测指标值大于当前趋势段的最低点的监测指标值+第五比例*上升幅度的数据点的个数大于等于第三阈值,则将历史形态类别判定为高态平稳;
若在当前趋势段之前的第三预定时间内的数据点所形成的多个趋势段中,最高点的监测指标值大于当前趋势段的最低点的监测指标值+第六比例*上升幅度的趋势段的个数大于第四阈值,则将历史形态类别判定为振荡;
其中,所述第一预定时间、第二预定时间、第三预定时间为所述预定时间的子集,所述第四比例、第五比例、第六比例的取值在0~1之间。
8.如权利要求5所述的方法,其中,根据所述趋势形态类别和历史形态类别来确定当前趋势段的危险等级的步骤包括:
预先定义每一个危险等级所对应的趋势形态类别和历史形态类别;
将所述趋势形态类别和历史形态类别分别与每一个危险等级所对应的趋势形态类别和历史形态类别做比对,当所述趋势形态类别和历史形态类别分别与一个危险等级所对应的趋势形态类别和历史形态类别相符时,将当前趋势段的危险等级判定为该危险等级。
9.如权利要求1所述的方法,其中,根据所述劣化等级和危险等级来确定待测设备的报警等级的步骤包括:
预先定义每一个报警等级所对应的劣化等级和危险等级;
将所述劣化等级和危险等级分别与每一个报警等级所对应的劣化等级和危险等级做比对,当所述劣化等级和危险等级分别与一个报警等级所对应的劣化等级和危险等级相符时,将待测设备的报警等级判定为该报警等级。
10.如权利要求1所述的方法,其中,在将当前时刻采集的监测指标值作为一个数据点添加到当前趋势段中的步骤之后,还包括步骤:
若当前时刻的数据点不是当前趋势段的最高点,且当前时刻距离当前趋势段的最高点的时间大于等于预定阈值,则将当前时刻的数据点标记为当前趋势段的终点。
11.一种计算设备,包括:
至少一个处理器;和
存储有程序指令的存储器,其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如权利要求1-10中任一项所述的设备故障报警方法的指令。
12.一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如权利要求1-10中任一项所述的设备故障报警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027590.5A CN108132867B (zh) | 2018-01-11 | 2018-01-11 | 一种设备故障报警方法及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027590.5A CN108132867B (zh) | 2018-01-11 | 2018-01-11 | 一种设备故障报警方法及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108132867A CN108132867A (zh) | 2018-06-08 |
CN108132867B true CN108132867B (zh) | 2021-05-25 |
Family
ID=62399566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810027590.5A Active CN108132867B (zh) | 2018-01-11 | 2018-01-11 | 一种设备故障报警方法及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108132867B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414852B (zh) * | 2019-08-01 | 2023-04-07 | 南京信业能源科技有限公司 | 一种生活垃圾焚烧环保指标动态自学习的预警方法 |
CN112378597B (zh) * | 2020-10-28 | 2023-04-25 | 东软睿驰汽车技术(沈阳)有限公司 | 电池包测试分析方法、装置及系统 |
CN114664063A (zh) * | 2022-04-07 | 2022-06-24 | 安徽智寰科技有限公司 | 一种基于通用指标趋势分析的设备分级报警方法 |
CN116911450B (zh) * | 2023-07-04 | 2024-06-21 | 五凌电力有限公司 | 水电站辅助设备的劣化趋势预警方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105675045A (zh) * | 2016-01-27 | 2016-06-15 | 安徽容知日新信息技术有限公司 | 一种设备数据的分层采集方法和装置 |
CN105738136A (zh) * | 2016-01-27 | 2016-07-06 | 安徽容知日新信息技术有限公司 | 一种设备异常检测方法和装置 |
CN107390661A (zh) * | 2017-08-28 | 2017-11-24 | 南京富岛信息工程有限公司 | 一种流程工业过程状态异常的预警方法 |
CN107566665A (zh) * | 2017-08-15 | 2018-01-09 | 携程旅游信息技术(上海)有限公司 | 话务异常检测方法及其设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017129917A (ja) * | 2016-01-18 | 2017-07-27 | 富士通株式会社 | 異常検知方法、異常検知装置および異常検知プログラム |
-
2018
- 2018-01-11 CN CN201810027590.5A patent/CN108132867B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105675045A (zh) * | 2016-01-27 | 2016-06-15 | 安徽容知日新信息技术有限公司 | 一种设备数据的分层采集方法和装置 |
CN105738136A (zh) * | 2016-01-27 | 2016-07-06 | 安徽容知日新信息技术有限公司 | 一种设备异常检测方法和装置 |
CN107566665A (zh) * | 2017-08-15 | 2018-01-09 | 携程旅游信息技术(上海)有限公司 | 话务异常检测方法及其设备 |
CN107390661A (zh) * | 2017-08-28 | 2017-11-24 | 南京富岛信息工程有限公司 | 一种流程工业过程状态异常的预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108132867A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108132867B (zh) | 一种设备故障报警方法及计算设备 | |
Entezami et al. | Fast unsupervised learning methods for structural health monitoring with large vibration data from dense sensor networks | |
EP3292492B1 (en) | Predicting likelihoods of conditions being satisfied using recurrent neural networks | |
WO2021056724A1 (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN109905269B (zh) | 确定网络故障的方法和装置 | |
Manikandan et al. | Fault diagnosis of various rotating equipment using machine learning approaches–A review | |
CN109450956B (zh) | 网络安全性评估方法、系统、介质和计算机系统 | |
US10228994B2 (en) | Information processing system, information processing method, and program | |
JP6326321B2 (ja) | データ表示システム | |
CN110068435B (zh) | 振动分析系统及方法 | |
CN107909156B (zh) | 一种设备状态检测方法及计算设备 | |
JP6482817B2 (ja) | プラント監視支援システム及びプラント監視支援方法 | |
CN112188531A (zh) | 异常检测方法、装置、电子设备及计算机存储介质 | |
CN110987404B (zh) | 一种转速识别方法及计算设备 | |
WO2019098226A1 (ja) | 損傷診断装置、損傷診断方法、及び、損傷診断プログラムが格納された記録媒体 | |
CN111125529A (zh) | 产品匹配方法、装置、计算机设备及存储介质 | |
CN107917341A (zh) | 一种输油管道泄漏检测方法及装置 | |
CN111598346A (zh) | 故障检测方法、装置、检测设备、旋挖机及存储介质 | |
Zhang et al. | Buckling of an egg-shaped shell with varying wall thickness under uniform external pressure | |
CN107680344A (zh) | 一种设备报警等级的获取方法及计算设备 | |
CN109255368B (zh) | 随机选取特征的方法、装置、电子设备及存储介质 | |
CN112577724B (zh) | 动设备启停机阈值的确定方法、启停机监测方法及装置 | |
CN108873814A (zh) | 监测系统、监测方法及存储设备 | |
CN116421178B (zh) | 辅助监护的方法、装置、终端设备及可读存储介质 | |
CN113449062B (zh) | 轨迹处理方法、装置、电子设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201228 Address after: 230088 Room 201, industrial R & D building a, No. 59, Branch Road, biomedical park, high tech Zone, Hefei City, Anhui Province Applicant after: Hefei Ke Bo Software Technology Co.,Ltd. Address before: 230088 B1-8 building, 800 animation base, Wangjiang West Road, Hefei high tech Zone, Anhui Applicant before: ANHUI RONDS SCIENCE & TECHNOLOGY INCORPORATED Co. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |