CN108345723A - 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 - Google Patents
一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 Download PDFInfo
- Publication number
- CN108345723A CN108345723A CN201810067819.8A CN201810067819A CN108345723A CN 108345723 A CN108345723 A CN 108345723A CN 201810067819 A CN201810067819 A CN 201810067819A CN 108345723 A CN108345723 A CN 108345723A
- Authority
- CN
- China
- Prior art keywords
- node
- decision
- decision tree
- bayesian network
- tree
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于决策树和贝叶斯网络的电机故障诊断系统及方法，系统包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。一种基于决策树和贝叶斯网络的电机故障诊断方法可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。
Description
技术领域
本发明涉及一种基于决策树和贝叶斯网络的电机故障诊断系统及方法，属于水电水利工业等项目中电机故障诊断领域。
背景技术
随着信息化控制在工业生产领域的广泛应用，人们提出了在保证企业计划产能的前提下，利用智能化的故障诊断方式对工业生产设备进行状态监测、故障诊断和系统维护，提高生产管理过程的高安全性和高可靠性。在现代化标准厂房的生产现场中，广泛部署有各类大型机组，机组具有“三大”(体积大、功率大、流量大)、“三高”(转速高、压力高、运行检修及时性要求高)的特点，其工作环境兼具高温、高压(超高压)、磨蚀等特点，这些因素极易导致设备突发故障的发生，对工业设备安全、连续、可靠的运行造成威胁。此外，为提高生产效率，工业生产要求形成紧密的生产链，连续性很强，因此，一旦设备发生故障，即会导致生产线全面停滞，严重影响安全生产，大大降低经济效益。网络化是装备故障诊断技术的发展方向，通过无线传感器网络对设备状态的监测，可以完成对设备运行信息的采集，为设备运行状态监测和故障诊断提供最原始的资料，这大大提高了设备故障诊断的效率。在电机故障诊断中，由于电机的故障诊断参数复杂，相互影响，必然有很多不确定性的信息存在。这些不确定的信息会对电机故障诊断的准确率造成很大的影响，同时也会出现一些潜在的问题不被发现。
目前的电机故障诊断方法还是停留在参数采集，对采集的信号经过处理后进行故障诊断的方法。有很多学者利用小波分析、人工神经网络、专家系统等方法进行电机故障诊断，但电机结构复杂，各个故障原因之间关系紧密，因此，电机故障诊断中如何能够准确地处理这些不确定信息，是亟须解决的。对于处理不确定信息，有学者通过多源信息融合技术的D-S证据理论对采集到的电机故障特征信号进行分析、融合处理，但随着大数据时代的到来传统的D-S证据理论处理方式也已经落后。
决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是只管运用概率分析的一种图解方法。贝叶斯网络是一个有向无环图，通过一个条件概率分布直观地表达各个变量之间的依赖关系。因此将决策树-贝叶斯网络应用到电机故障诊断中，可以有效的处理不确定信息，从而得到正确的结果。
发明内容
为了解决电机故障诊断中信息的复杂性以及不确定性，本发明提出了一种基于决策树-贝叶斯网络的电机故障诊断方法。
为解决上述问题，本发明通过以下技术方案实现：
一种基于决策树和贝叶斯网络的电机故障诊断系统，包括无线传感器节点、协调器节点以及上位机；
所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。
上述无线传感器节点基于zigbee技术的cc2530实现，无线传感器节点和协调器节点之间的通信协议采用zigbee协议。
上述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；
所述传感器模块用于监测的电机对象的参数的采集和数据转换；所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。
一种基于决策树和贝叶斯网络的电机故障诊断方法，利用上述的系统，包括如下步骤:
(1)、原始数据采集；
(2)、整理故障状态信息，构建专家知识库；
(3)、建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(4)、将决策树模型转换为决策树-贝叶斯网络模型；
(5)、实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(6)、遍历建立的决策树-贝叶斯网络模型；
(7)、检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(8)、根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
上述步骤(3)中故障决策树的模型的建立方法如下：
根据电机的工作手册和专家知识库以及检测到电机实时工作时的参数整理出电机发生故障时的特征信息，建立故障决策树F1……Fn，其中故障特征信息包括电机发生的故障状态F以及故障引起原因S；
根据电机的工作手册和专家知识库整理出各个状态信息S发生的概率P(S)、故障Fn发生的先验概率P(Fn)，以及当故障Fn发生时，状态信息S发生的概率P(S|Fn)，根据贝叶斯公式得出在故障状态信息S发生时，故障Fn发生的后验概率P(Fn|S)。
上述步骤(4)中决策树-贝叶斯网络模型的建立步骤如下：
(1)、将决策树模型的所有事件节点对应为决策树-贝叶斯网络模型的节点，决策树-贝叶斯网络模型采用从顶向下的递归方式所以将决策树模型的基本事件对应于决策树-贝叶斯网络模型的根节点以下的节点，根据决策树模型中的已知条件和关系给出决策树-贝叶斯网络模型的各个节点的先验概率；
(2)、根据决策树模型的逻辑关系对决策树-贝叶斯网络模型进行构造，用有向弧连接决策节点、状态节点以及结果节点，并根据决策树模型的实际的物理意义建立决策树-贝叶斯网络的对应的节点的状态和决策类型；
(3)、将决策树模型中的节点关系表达为决策树-贝叶斯网络模型中对应的节点条件概率表。
本发明所达到的有益效果：
本发明提供了一种基于决策树-贝叶斯网络的电机故障诊断方法，通过建立决策树-贝叶斯网络模型可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。
附图说明
图1是本发明基于决策树-贝叶斯网络的电机故障诊断方法流程示意图；
图2是决策树模型示意图；
图3是决策树-贝叶斯网络模型示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
一种基于决策树和贝叶斯网络的电机故障诊断系统，包括无线传感器节点、协调器节点以及上位机；
所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。
上述无线传感器节点基于zigbee技术的cc2530实现，无线传感器节点和协调器节点之间的通信协议采用zigbee协议。
上述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；
所述传感器模块用于监测的电机对象的参数的采集和数据转换；传感器模块是一个小型的嵌入式系统，它包含了节点与节点之间的通信功能，通过无线传感器节点采集电机运行时的参数。所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。
如图1所示，一种基于决策树和贝叶斯网络的电机故障诊断方法，利用上述的系统，包括如下步骤:
(1)、原始数据采集；
(2)、整理故障状态信息，构建专家知识库；
(3)、建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(4)、将决策树模型转换为决策树-贝叶斯网络模型；
(5)、实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(6)、遍历建立的决策树-贝叶斯网络模型；
(7)、检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(8)、根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
上述步骤(3)中故障决策树的模型的建立方法如下：
根据电机的工作手册和专家知识库以及检测到电机实时工作时的参数整理出电机发生故障时的特征信息，建立故障决策树F1……Fn，其中故障特征信息包括电机发生的故障状态F以及故障引起原因S；
根据电机的工作手册和专家知识库整理出各个状态信息S发生的概率P(S)、故障Fn发生的先验概率P(Fn)，以及当故障Fn发生时，状态信息S发生的概率P(S|Fn)，根据贝叶斯公式得出在故障状态信息S发生时，故障Fn发生的后验概率P(Fn|S)。
如图2所示，图2中F1：直流母线电压低；F2：UVW信号故障；F3：AB信号计数异常；F4：Z信号异常；F5：电流检测故障；F6：ABZ信号故障；S1：相电压异常；S2：UVW信号线断开；S3：AB信号线断开；S4：Z信号线断开；S5：电机动力线断开。决策树模型是一棵由内部节点、叶子节点和边组成的倒立的树。构造一棵决策树需要一个训练集和一些例子，在本发明中，将故障引起原因S和故障状态F作为节点，将故障信息筛选分类，以导致该事件发生的子事件作为父节点，建立父子关系。采用上一级事件导致下一级事件发生的原因作为判据，建立起故障引起原因S与故障状态F的决策树模型。
上述步骤(4)中决策树-贝叶斯网络模型的建立步骤如下：
(1)、将决策树模型的所有事件节点对应为决策树-贝叶斯网络模型的节点，决策树-贝叶斯网络模型采用从顶向下的递归方式所以将决策树模型的基本事件对应于决策树-贝叶斯网络模型的根节点以下的节点，根据决策树模型中的已知条件和关系给出决策树-贝叶斯网络模型的各个节点的先验概率；
(2)、根据决策树模型的逻辑关系对决策树-贝叶斯网络模型进行构造，用有向弧连接决策节点、状态节点以及结果节点，并根据决策树模型的实际的物理意义建立决策树-贝叶斯网络的对应的节点的状态和决策类型；
(3)、将决策树模型中的节点关系表达为决策树-贝叶斯网络模型中对应的节点条件概率表。
如图3所示为一种决策树-贝叶斯网络模型的转换实施例。图3中F1：直流母线电压低；F2：UVW信号故障；F3：AB信号计数异常；F4：Z信号异常；F5：电流检测故障；F6：ABZ信号故障；S1：相电压异常；S2：UVW信号线断开；S3：AB信号线断开；S4：Z信号线断开；S5：电机动力线断开。
无线传感网络的传感器节点对运行电机的实时参数进行采集，发生故障时通过专家知识库和电机工作手册进行故障状态判断，并且遍历建立的决策树-贝叶斯网络模型，判断的触底事件是否和实际故障状态相同。如果不相同，则继续遍历；如果相同，则记录遍历路径的节点S,形成故障原因S集合，通过专家知识库中故障引起原因以及故障状态的概率，生成故障原因诊断集合，为后续的实际处理提供依据。当实时监测到电机的故障状态为电流检测故障F5时，首先根据专家知识库得出故障引起原因S1的发生概率P(S1)＝0.36，故障引起原因S2的发生概率P(S2)＝0.09，故障引起原因S3的发生概率P(S3)＝0.18，根据子节点的概率分布大小情况来遍历建立的决策树-贝叶斯网络模型，首先先遍历节点S1，若S1发生，则判断下一级子事件S4是否发生，若未发生，则触底事件为F1；若发生，则判断下一级子事件S3是否发生，若发生，则触底事件为F6；若根据专家知识库整理得出故障F5发生的先验概率P(F5)＝0.125，故障引起原因S1的发生概率P(S1)＝0.36，故障引起原因S4的发生概率P(S4)＝0.27，故障引起原因S5的发生概率P(S5)＝0.09。当故障F5发生时，故障引起原因S1发生的概率P(S1|F5)＝0.33；故障引起原因S4发生的概率P(S4|F5)＝0.33；故障引起原因S5发生的概率P(S5|F5)＝0.33。根据贝叶斯公式：
得出故障引起原因S1发生时，故障F5发生的概率P(F5|S1)＝0.11，同理可得P(F5|S4)＝0.38，P(F5|S5)＝0.46。跟据这些概率形成故障原因诊断报告，交由工程师处理。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于包括无线传感器节点、协调器节点以及上位机；
所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。
2.根据权利要求1所述的一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于所述无线传感器节点基于zigbee技术的cc2530实现，无线传感器节点和协调器节点之间的通信协议采用zigbee协议。
3.根据权利要求1所述的一种基于决策树和贝叶斯网络的电机故障诊断系统，其特征在于所述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；
所述传感器模块用于监测的电机对象的参数的采集和数据转换；所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。
4.一种基于决策树和贝叶斯网络的电机故障诊断方法，其特征在于利用权利要求1所述的系统，包括如下步骤:
(1)、原始数据采集；
(2)、整理故障状态信息，构建专家知识库；
(3)、建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(4)、将决策树模型转换为决策树-贝叶斯网络模型；
(5)、实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(6)、遍历建立的决策树-贝叶斯网络模型；
(7)、检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(8)、根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
5.根据权利要求4所述的一种基于决策树和贝叶斯网络的电机故障诊断方法，其特征在于所述步骤(3)中故障决策树的模型的建立方法如下：
根据电机的工作手册和专家知识库以及检测到电机实时工作时的参数整理出电机发生故障时的特征信息，建立故障决策树F1.....Fn，其中故障特征信息包括电机发生的故障状态F以及故障引起原因S；
根据电机的工作手册和专家知识库整理出各个状态信息S发生的概率P(S)、故障Fn发生的先验概率P(Fn)，以及当故障Fn发生时，状态信息S发生的概率P(S|Fn)，根据贝叶斯公式得出在故障状态信息S发生时，故障Fn发生的后验概率P(Fn|S)。
6.根据权利要求4所述的一种基于决策树和贝叶斯网络的电机故障诊断方法，其特征在于所述步骤(4)中决策树-贝叶斯网络模型的建立步骤如下：
(6-1)、将决策树模型的所有事件节点对应为决策树-贝叶斯网络模型的节点，决策树-贝叶斯网络模型采用从顶向下的递归方式所以将决策树模型的基本事件对应于决策树-贝叶斯网络模型的根节点以下的节点，根据决策树模型中的已知条件和关系给出决策树-贝叶斯网络模型的各个节点的先验概率；
(6-2)、根据决策树模型的逻辑关系对决策树-贝叶斯网络模型进行构造，用有向弧连接决策节点、状态节点以及结果节点，并根据决策树模型的实际的物理意义建立决策树-贝叶斯网络的对应的节点的状态和决策类型；
(6-3)、将决策树模型中的节点关系表达为决策树-贝叶斯网络模型中对应的节点条件概率表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810067819.8A CN108345723A (zh) | 2018-01-24 | 2018-01-24 | 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810067819.8A CN108345723A (zh) | 2018-01-24 | 2018-01-24 | 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108345723A true CN108345723A (zh) | 2018-07-31 |
Family
ID=62961286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810067819.8A Pending CN108345723A (zh) | 2018-01-24 | 2018-01-24 | 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108345723A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109005519A (zh) * | 2018-09-03 | 2018-12-14 | 佛山豆萁科技有限公司 | 电机设备故障智能监测系统 |
| CN109186971A (zh) * | 2018-08-06 | 2019-01-11 | 江苏大学 | 基于动态贝叶斯网络的轮毂电机机械故障在线诊断方法 |
| CN109219009A (zh) * | 2018-09-05 | 2019-01-15 | 佛山豆萁科技有限公司 | 电机设备健康管理系统 |
| CN109298706A (zh) * | 2018-11-02 | 2019-02-01 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于贝叶斯网络的飞控系统故障诊断方法 |
| CN109407002A (zh) * | 2018-09-19 | 2019-03-01 | 东莞方凡智能科技有限公司 | 电机设备健康管理系统 |
| CN109672554A (zh) * | 2018-10-24 | 2019-04-23 | 华为技术服务有限公司 | 确定故障根因的方法及装置 |
| CN109765450A (zh) * | 2019-03-21 | 2019-05-17 | 中国矿业大学 | 基于贝叶斯网络的开关磁阻电机驱动系统可靠性评估方法 |
| CN109934252A (zh) * | 2019-01-02 | 2019-06-25 | 江苏大学 | 一种动态贝叶斯网络参数自更新的轮毂电机状态识别方法 |
| CN110108981A (zh) * | 2019-04-30 | 2019-08-09 | 中国电力科学研究院有限公司 | 一种有源配电网中线路的故障诊断方法和系统 |
| CN110855480A (zh) * | 2019-11-01 | 2020-02-28 | 中盈优创资讯科技有限公司 | 一种网络故障定因分析方法及装置 |
| CN112085202A (zh) * | 2020-09-09 | 2020-12-15 | 燕山大学 | 基于混合贝叶斯网络的汽车故障诊断方法 |
| CN112242936A (zh) * | 2019-07-19 | 2021-01-19 | 瞻博网络公司 | 用于回放和调试网络设备的实时状态的装置、系统和方法 |
| CN112580712A (zh) * | 2020-12-15 | 2021-03-30 | 山东山大电力技术股份有限公司 | 一种继电保护装置故障处理辅助决策方法及系统 |
| CN112699104A (zh) * | 2020-12-11 | 2021-04-23 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
| CN114091565A (zh) * | 2021-07-01 | 2022-02-25 | 国电电力宁夏新能源开发有限公司 | 基于朴素贝叶斯算法的风机机舱振动故障诊断系统及方法 |
| CN114781674A (zh) * | 2022-06-16 | 2022-07-22 | 深圳市信润富联数字科技有限公司 | 风电设备故障的定位方法及装置、存储介质、电子设备 |
| CN116467468A (zh) * | 2023-05-05 | 2023-07-21 | 国网浙江省电力有限公司 | 基于知识图谱技术的电力管理系统异常信息处置方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103321933A (zh) * | 2013-05-22 | 2013-09-25 | 北京工业大学 | 基于ARM和ZigBee的风机状态在线监测系统及方法 |
| CN106506591A (zh) * | 2016-09-28 | 2017-03-15 | 华北电力大学 | 基于多层混合网络的智能变电站状态监测数据汇集系统 |
-
2018
- 2018-01-24 CN CN201810067819.8A patent/CN108345723A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103321933A (zh) * | 2013-05-22 | 2013-09-25 | 北京工业大学 | 基于ARM和ZigBee的风机状态在线监测系统及方法 |
| CN106506591A (zh) * | 2016-09-28 | 2017-03-15 | 华北电力大学 | 基于多层混合网络的智能变电站状态监测数据汇集系统 |
Non-Patent Citations (1)
| Title |
|---|
| 喻绍喆: "基于贝叶斯网络的电机故障诊断方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109186971B (zh) * | 2018-08-06 | 2020-05-05 | 江苏大学 | 基于动态贝叶斯网络的轮毂电机机械故障在线诊断方法 |
| CN109186971A (zh) * | 2018-08-06 | 2019-01-11 | 江苏大学 | 基于动态贝叶斯网络的轮毂电机机械故障在线诊断方法 |
| CN109005519B (zh) * | 2018-09-03 | 2021-05-14 | 江苏常熟发电有限公司 | 电机设备故障智能监测系统 |
| CN109005519A (zh) * | 2018-09-03 | 2018-12-14 | 佛山豆萁科技有限公司 | 电机设备故障智能监测系统 |
| CN109219009A (zh) * | 2018-09-05 | 2019-01-15 | 佛山豆萁科技有限公司 | 电机设备健康管理系统 |
| CN109407002A (zh) * | 2018-09-19 | 2019-03-01 | 东莞方凡智能科技有限公司 | 电机设备健康管理系统 |
| CN109672554A (zh) * | 2018-10-24 | 2019-04-23 | 华为技术服务有限公司 | 确定故障根因的方法及装置 |
| CN109298706A (zh) * | 2018-11-02 | 2019-02-01 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于贝叶斯网络的飞控系统故障诊断方法 |
| CN109934252A (zh) * | 2019-01-02 | 2019-06-25 | 江苏大学 | 一种动态贝叶斯网络参数自更新的轮毂电机状态识别方法 |
| CN109934252B (zh) * | 2019-01-02 | 2023-05-12 | 江苏大学 | 一种动态贝叶斯网络参数自更新的轮毂电机状态识别方法 |
| CN109765450A (zh) * | 2019-03-21 | 2019-05-17 | 中国矿业大学 | 基于贝叶斯网络的开关磁阻电机驱动系统可靠性评估方法 |
| CN109765450B (zh) * | 2019-03-21 | 2020-08-28 | 中国矿业大学 | 基于贝叶斯网络的开关磁阻电机驱动系统可靠性评估方法 |
| CN110108981A (zh) * | 2019-04-30 | 2019-08-09 | 中国电力科学研究院有限公司 | 一种有源配电网中线路的故障诊断方法和系统 |
| CN110108981B (zh) * | 2019-04-30 | 2024-05-31 | 中国电力科学研究院有限公司 | 一种有源配电网中线路的故障诊断方法和系统 |
| CN112242936A (zh) * | 2019-07-19 | 2021-01-19 | 瞻博网络公司 | 用于回放和调试网络设备的实时状态的装置、系统和方法 |
| CN112242936B (zh) * | 2019-07-19 | 2024-02-09 | 瞻博网络公司 | 用于回放和调试网络设备的实时状态的装置、系统和方法 |
| CN110855480A (zh) * | 2019-11-01 | 2020-02-28 | 中盈优创资讯科技有限公司 | 一种网络故障定因分析方法及装置 |
| CN110855480B (zh) * | 2019-11-01 | 2023-01-13 | 中盈优创资讯科技有限公司 | 一种网络故障定因分析方法及装置 |
| CN112085202A (zh) * | 2020-09-09 | 2020-12-15 | 燕山大学 | 基于混合贝叶斯网络的汽车故障诊断方法 |
| CN112699104B (zh) * | 2020-12-11 | 2023-04-07 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
| CN112699104A (zh) * | 2020-12-11 | 2021-04-23 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
| CN112580712A (zh) * | 2020-12-15 | 2021-03-30 | 山东山大电力技术股份有限公司 | 一种继电保护装置故障处理辅助决策方法及系统 |
| CN114091565A (zh) * | 2021-07-01 | 2022-02-25 | 国电电力宁夏新能源开发有限公司 | 基于朴素贝叶斯算法的风机机舱振动故障诊断系统及方法 |
| CN114781674A (zh) * | 2022-06-16 | 2022-07-22 | 深圳市信润富联数字科技有限公司 | 风电设备故障的定位方法及装置、存储介质、电子设备 |
| CN116467468A (zh) * | 2023-05-05 | 2023-07-21 | 国网浙江省电力有限公司 | 基于知识图谱技术的电力管理系统异常信息处置方法 |
| CN116467468B (zh) * | 2023-05-05 | 2024-01-05 | 国网浙江省电力有限公司 | 基于知识图谱技术的电力管理系统异常信息处置方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108345723A (zh) | 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 | |
| CN105391579B (zh) | 基于关键告警集和监督分类的电力通信网故障定位方法 | |
| CN106050580A (zh) | 一种风力发电机组传动链故障诊断方法及系统 | |
| CN109787979B (zh) | 一种电力网络事件和入侵的检测方法 | |
| CN115425764B (zh) | 一种电力系统智能网络风险实时监控方法、系统及存储介质 | |
| CN106597231A (zh) | 基于多源信息融合和深度学习网络的gis故障检测系统及方法 | |
| CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
| CN107016507A (zh) | 基于数据挖掘技术的电网故障追踪方法 | |
| CN109657003A (zh) | 一种将硬件数据直接接入大数据平台的方法 | |
| CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
| CN104252401B (zh) | 一种基于权重的设备状态判断方法及其系统 | |
| CN106503439A (zh) | 一种基于数据挖掘的采集故障预警系统的方法 | |
| CN109815264A (zh) | 一种设备管理系统 | |
| CN109670584A (zh) | 一种基于大数据的故障诊断方法及系统 | |
| CN110084158B (zh) | 一种基于智能算法的用电设备识别方法 | |
| CN103197168A (zh) | 电力系统中基于事件集因果链实现故障诊断控制的方法 | |
| CN104459378A (zh) | 一种智能变电站故障诊断方法 | |
| Lin et al. | Adaptive multiple fault detection and alarm processing for loop system with probabilistic network | |
| CN117612345A (zh) | 一种电力设备状态监测报警系统及方法 | |
| CN108377261A (zh) | 一种基于工业无线传感网络的电机故障诊断系统及方法 | |
| KR102648377B1 (ko) | 네트워크 케이블 품질 모니터링이 가능한 ai 통합배선반 및 이를 이용한 방법 | |
| CN107064745B (zh) | 基于暂态电流信息和小波熵的分级式故障诊断方法 | |
| CN113626480A (zh) | 一种基于改进关联规则的直流换流站ser事件集诊断方法 | |
| CN103616877A (zh) | 能源管网的监控诊断方法和系统 | |
| CN117633468A (zh) | 基于信息分析的电力系统故障判断方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180731 |
|
| RJ01 | Rejection of invention patent application after publication |