CN109001649B - 一种电源智能诊断系统及保护方法 - Google Patents
一种电源智能诊断系统及保护方法 Download PDFInfo
- Publication number
- CN109001649B CN109001649B CN201810807396.9A CN201810807396A CN109001649B CN 109001649 B CN109001649 B CN 109001649B CN 201810807396 A CN201810807396 A CN 201810807396A CN 109001649 B CN109001649 B CN 109001649B
- Authority
- CN
- China
- Prior art keywords
- fault
- module
- power supply
- mode
- data
- 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
- 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
- G01R31/40—Testing power supplies
Abstract
本发明公开了一种电源智能诊断系统及保护方法,主要通过以下两种方式实现电源系统故障的判断:1)利用红外信号频谱和声谱判断电源系统工作是否正常,2)基于电源电路模型,通过失效模型与影响分析找出所有潜在的故障模式,在所有故障模式下进行模拟运行获得模拟数据,使得模拟数据更具有针对性和代表性,通过模拟数据训练混沌神经网络的方式构建电源故障模型,通过上述两种方式获得的电源故障信息不仅包含电源故障类型,而且包含电源电路中出现故障的集成芯片或电子元件,极大地方便了工作人员后续的检查维修,减轻了工作量,提高了工作效率。
Description
技术领域
本发明涉及检测与故障预警系统,特别是一种电源智能诊断系统及保护方法。
背景技术
电源电路的稳定工作对于整个系统的正常运行至关重要,但是电源电路的工作会受到环境温度、元器件寿命等多种因素的影响,导致电源电路的维护与检修存在以下问题:1)电源电路中集成芯片和元器件相互影响,故障原因排查困难;2)集成芯片和元器件老化、使用寿命及可靠性存在不确定因素。
虽然将故障预诊断与健康管理技术应用于电子产品已经成为近年来国内外科技研发的重要发展趋势,但是就目前来看,电子产品PHM技术还远未成熟,面临巨大挑战,因此,目前还没有可以借鉴的成熟技术能够解决电源电路存在的问题。
发明内容
针对背景技术中存在的技术问题,本发明提出一种电源智能诊断系统,所述电源智能诊断系统包括传感器模块、健康状态评估模块、历史数据存储模块、显示模块、通信模块、服务器;
所述通信模块,具有网络功能,通过网络与后台系统建立通信,获得后台更强大的数据分析、AI深度学习与决策机制等功能。
所述传感器模块分别与健康状态评估模块、历史数据存储模块相连,健康状态评估模块与显示模块相连;所述通信模块与服务器相连,所述通信模块与所述健康状态评估模块相连;
所述服务器通过通信模块获取多个设备的频谱数据和传感器数据;
如此,可以通过服务器,可以获取多个设备的故障工作状况下的数据和正常工作情况下的数据,获取到上述数据之后,可以将数据直接同步到各个设备的历史数据存储模块,也可以存储在服务器,供各个设备直接在线使用。
传感器模块包括湿度传感器、电流传感器、电压传感器、红外线探测器、音频传感器和频谱分析装置,所述红外线探测器、所述湿度传感器分别用于感测电源电路运行环境的温度和湿度,所述电流传感器和所述电压传感器用于检测电源电路中可供检测的端点处的电压/电流值,所述频谱分析装置用于对红外信号、音频信号和电源电路的输出电压进行频谱分析,传感器模块设置在电源系统内;
历史数据存储模块用于存储传感器模块采集的电源电路中可供检测的端点处的电压/电流值和输出电压,以及频谱数据;
显示模块用于显示实时检测数据和故障模式;
健康状态评估模块被配置用于执行如下方案中的一种或多种:1)利用传感器模块得到的实时监测数据,通过判断实时数据的数值范围,判断电源系统工作是否正常;2)利用红外信号频谱和音频频谱,通过判断实时数据的数值范围,针对实时频谱数据,判断电源系统工作是否正常;3)利用历史数据存储模块存储的频谱数据、传感器数据,建立各类基本故障所对应的频谱图像数据库和传感器数据库,通过比对实时数据和数据库数据的相似度,判断电源系统工作是否正常。
所述电源智能诊断系统还包括电源故障模型管理模块;
电源故障模型管理模块针对实际电源电路构建相对应的电源电路模型,所述构建过程具体包括选取与实际电路中集成芯片和元器件相对应的虚拟模型,按照实际电路图的要求将各个虚拟模型连接起来,设置输入信号源和输出信号端,基于电源电路模型,通过失效模型与影响分析找出所有潜在的故障模式,在所有故障模式下进行模拟运行获得模拟数据,通过模拟数据训练混沌神经网络的方式构建电源故障模型,所述电源故障模型的输入为电源电路中可供检测的端点处的电压/电流值和输出电压的频谱数据,输出为特定的故障模式或电源工作正常的提示,所述故障模式包括电源输出故障类型和电源电路中出现故障的集成芯片或电子元件;
所述健康状态评估模块被配置用于执行如下方案还包括:
4)借助电源故障模型,利用传感器模块得到的实时监测数据判断电源系统工作是否正常;5)利用历史数据存储模块存储的实时数据,针对电压数据和电流数据,采用多项式曲线拟合的方法确定分别对应于电压变化规律和电流变化规律的函数,针对频谱数据,通过与正常电压信号的频谱信息相比较,找出异常频率成分,分析异常频率成分的变化趋势,利用上述函数和变化趋势预测未来一段时间内的检测数据,基于预测得到的检测数据,借助电源故障模型判断未来一段时间内电源运行状态是否正常。
所述的电源智能诊断系统还包含频谱分析装置,频谱分析装置对红外信号、音频信号和电源电路的输出电压进行频谱分析,具体包括:1)对于各个红外线探测器检测得到的红外信号进行频域分析,得到对应的频谱信息,将所有的频谱信息组合起来,构成整个电源系统的红外信号频谱图,所述红外信号频谱图能够反映整个电源系统的温度分布信息,通过与基准红外信号频谱图进行比对可以电源系统中温度异常的部分;2)对于各个音频传感器检测得到的音频信号进行频域分析,得到对应的声谱信息,将所有的声谱信息组合起来,构成整个电源系统的声谱图,所述声谱图能够反映整个电源系统的振动信息,通过与基准声谱图进行比对可以判断出整个电源系统的振动是否在正常范围内;3)针对特定时间段内电源输出电压的波形,进行频谱分析,得到对应的频谱数据,电压频谱数据反映了电压信号中的各个频率成分和频率分布范围,通过与正常电压信号的频谱信息相比较,可以观察是否存在异常频率成分,反映出电源系统工作是否正常。
所述电源故障模型管理模块包括广义知识库、电路信息库、理论数据产生模块和模型生成模块;所述广义知识库包含与电源电路相关的基础知识,所述基础知识包括电源电路的典型结构、电源电路的常见故障、常用集成芯片的典型故障和常用电子元件自身特性随温度变化的规律,基于所述基础知识,通过大数据分析得到电源电路常见的故障模式,将其存储在广义知识库中,所述电路信息库包含被检测电源电路的具体组成信息,所述具体组成信息包括电源电路的具体结构、电源电路中可供检测的端点和电源电路中集成芯片/电子元件的具体型号及其对应的具体特性。
所述理论数据产生模块包括电源电路构建模块、故障模式识别模块、电源电路模拟运行模块和模拟数据存储模块,所述电路构建模块基于电路信息库构建与实际电源电路相对应的电源电路模型,所述故障模式识别模块依据广义数据库中存储的电源电路常见故障模式,针对构建好的电源电路模型,通过失效模型与影响分析,找出所有潜在的故障模式,具体分析过程包括选出与构建好的电源电路模型最接近的电源电路典型结构,在广义知识库中查找与所述最接近的电源电路典型结构相对应的故障模式,利用构建好的电源电路模型实现查询得到的每一种故障模式,在实现过程中对于查询得到的故障模式进行修改,以得到与构建好的电源电路模型相对应的典型故障模型,随后,针对构建好的电源电路模型与最接近的电源电路典型结构在组成上的区别部分,逐一分析所述区别部分包含的集成芯片/电子元件的所有故障情况,结合电源电路中其余部分包含的集成芯片/电子元件的所有故障情况,通过排列组合的方式得出构建好的电源电路模型所特有的故障模式。
所述健康状态评估模块包括故障预处理模块、基于模型的故障判断模块、基于频谱信息的故障判断模块、故障处理模块、信息反馈控制模块和运行分析模块,所述故障预处理模块接收传感器模块输入的电源电路运行环境的温/湿度信息,判断当前的温/湿度是否位于电源电路的正常工作范围内,若超出正常的工作范围,便向显示模块和故障处理模块输出环境参数异常的故障模式,所述基于模型的故障判断模块包含电源故障模型管理模块生成的电源故障模型,接收传感器模块输入的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据,依据电源故障模型判断电源工作状态是否正常,基于频谱信息的故障判断模块接收传感器模块输入的整个电源系统的红外信号频谱图和声谱图,分别与基准红外信号频谱图和基准声谱图进行比对,判断电源系统中是否存在温度异常的部分或电源系统中是否存在振动异常的部分,若存在温度异常的部分或振动异常的部分,向显示模块和故障处理模块发出特定的故障模式,所述故障处理模块接收基于接收的故障模式,判断出现故障的严重程度,结合电源智能诊断系统的当前工作模式,进行后续处理,所述信息反馈控制模块针对基于模型的故障判断模块输出的故障模式,记录经过工作人员确认的误报故障,利用误报故障校正电源故障模型,所述运行分析模块通过分析历史数据存储模块中存储的数据,得到电压数据、电流数据以及频谱数据的变化规律,预测未来可能出现的检测数据,基于预测检测数据,借助电源故障模型判断当前电源电路的故障风险。
所述基于频谱信息的故障判断模块输出的特定故障模式包括温度异常的故障模式和振动异常的故障模式,所述温度异常的故障模式包括电源系统中温度异常的部分所包含的芯片和电子元件,所述振动异常的故障模式包括电源系统中振动异常的部分所包含的芯片和电子元件。
所述基准红外信号频谱图和基准声谱图均包含多幅频谱图,其设立过程为:1)获取电源系统的正常工作温度范围;2)按照一定的温度间隔从正常工作温度范围中选取典型温度值;3)在实验室环境下,将电源系统的运行环境温度调整为各个典型温度值,在特定典型温度值下,待电源系统工作稳定以后,测定当前的红外信号频谱图和声谱图,作为当前典型温度值下的基准红外信号频谱图和基准声谱图。
将传感器模块输入的红外信号频谱图和声谱图分别与基准红外信号频谱图和基准声谱图进行比对的步骤具体包括:1)获取传感器模块输入的温度信息;2)通过比较,获取与输入的温度信息最接近的典型温度值;3)将输入的红外信号频谱图和声谱图分别与最接近的典型温度值所对应的基准红外信号频谱图和基准声谱图进行比对。
本发明还涉及一种电源智能诊断系统的对于电源进行保护的方法,所述方法包括:
1)通过工作模式设定模块设定电源智能诊断系统的工作模式;
2)通过电源故障模型管理模块构建初始电源电路故障模型,在构建过程中,针对实际电源电路构建相对应的电源电路模型,基于电源电路模型在尽可能全面的故障情形下进行模拟运行获得模拟数据,利用模拟数据构建电源故障模型,获得初始电源故障模型,并将该初始电源故障模型传输给健康状态评估模块;
3)健康状态评估模块接收传感器模块输入的电源电路运行环境的温/湿度信息,判断当前的温/湿度是否位于电源电路的正常工作范围内,若超出正常的工作范围,停止传感器模块的数据采集,向显示模块输出环境参数异常的故障模式,进入步骤7;
4)健康状态评估模块接收传感器模块输入的整个电源系统的红外信号频谱图和声谱图,分别与基准红外信号频谱图和基准声谱图进行比对,判断电源系统中是否存在温度异常的部分或电源系统中是否存在振动异常的部分,若存在温度异常的部分,停止传感器模块的数据采集,向显示模块发出温度异常的故障模式,故障模式中包含温度异常的部分所包含的芯片和电子元件,若存在振动异常的部分,停止传感器模块的数据采集,向显示模块发出振动异常的故障模式,故障模式中包含振动异常的部分所包含的芯片和电子元件,进入步骤7;
5)健康状态评估模块依据初始电源故障模型,基于传感器模块输入的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据判断当前运行状态是否处于故障状态,若处于正常工作状态,将接收的实时检测数据传输给历史数据存储模块和显示模块,进入步骤6,若处于故障状态,停止传感器模块的数据采集,将接收的实时检测数据和故障模式传输给显示模块,传输的故障模式包括当前故障类型和电源电路中可能出现故障的集成芯片或电子元件,进入步骤7;
6)判断当前时间与上一次故障状态的时间间隔,若时间间隔符合特定条件,健康状态评估模块中的运行分析模块通过分析历史数据存储模块中设定时间间隔内的数据,对电源的运行状态进行评估,判断当前电源电路的故障风险,推断处于故障边缘的集成芯片或电子元件,将相关信息传输给显示模块,提醒工作人员进行处理,做到电路故障的提前发现和处理,若时间间隔不符合特定条件,返回步骤3;
7)将故障模式传输给故障处理模块,故障处理模块判断出现故障的严重程度,结合电源智能诊断系统的当前工作模式,进行后续处理;
8)显示模块通过显示控制模块以合理的方式显示实时检测数据,若接收到故障相关信息,判断工作人员是否正在阅读故障模式,若经过判断得知工作人员并未阅读故障模式,读取当前时间,若当前时间处于工作人员的正常上班时间,提醒工作人员注意故障模式,若当前时间处于工作人员的休息时间,显示模块直接向电源电路控制模块发出控制指令,使得电源电路停止工作;
9)接收到故障模式后的工作人员对于电路进行检修,确认故障是否属实,若故障属实准确,进行相关的维修处理,若出现误报,并且误报的故障模式是基于初始电源故障模型判断得到的,记录误报的故障模式,完成上述操作后,工作人员重启电源电路和传感器模块,返回步骤3;
所述步骤7中所述严重程度可以分为注意、严重和紧急,所述工作模式可以分为手动操作模式、半自动操作模式和全自动操作模式,所述后续处理具体包括:1)若工作模式为手动操作模式,只对严重程度为紧急的故障进行自动处理;2)若工作模式为半自动操作模式,对严重程度为严重及其以上的故障进行自动处理;3)若工作模式为全自动操作模式,对严重程度为注意及其以上的故障进行自动处理,所述自动处理为向电源电路控制模块发出控制指令,使得电源电路停止工作。
附图说明
图1是电源智能诊断系统结构示意图;
图2是电源故障模型管理模块结构示意图;
图3是显示模块结构示意图;
图4是健康状态评估模块结构示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式。
如图1所示,电源智能诊断系统包括传感器模块、健康状态评估模块、历史数据存储模块、显示模块、电源故障模型管理模块、电源电路控制模块和工作模式设定模块。
如图2所示,电源故障模型管理模块包括广义知识库、电路信息库、理论数据产生模块和模型生成模块,广义知识库包含与电源电路相关的基础知识,例如电源电路的典型结构、电源电路的常见故障、常用集成芯片的典型故障,电阻、电感、晶体管等电子元件自身特性随温度变化的规律等,基于包含的大量信息,通过大数据分析得到电源电路常见的故障模式,将其存储在广义知识库中,电路信息库包含被检测电源电路的具体信息,例如电源电路的具体结构、电源电路中可供检测的端点、电源电路中集成芯片和电子元件的具体型号及其对应的具体特性等,理论数据产生模块包括电源电路构建模块、故障模式识别模块、电源电路模拟运行模块和模拟数据存储模块,电路构建模块基于电路信息库中的相关信息,构建与实际电路相对应的电源电路模型,所述构建过程与在Multisim软件中构建电路类似,具体包括选取与实际电路中集成芯片和元器件相对应的虚拟模型,按照实际电路图的要求将各个虚拟模型连接起来,设置输入信号源和输出信号端,并在电源电路模型中与实际电路可供检测的端点相对应的位置设置虚拟电流表或电压表,在电源电路模型的输出端设置虚拟频谱仪,以便在模拟运行过程中获得相关数据,故障模式识别模块依据广义数据库中存储的电源电路常见故障模式,针对构建好的电源电路模型,通过失效模型与影响分析,对电源电路中的集成芯片、电子元件逐一进行分析,找出所有潜在的故障模式,具体分析过程包括:选出与构建好的电源电路模型最接近的电源电路典型结构,在广义知识库中查找与所述最接近的电源电路典型结构相对应的故障模式,利用构建好的电源电路模型实现查询得到的每一种故障模式,在实现的过程中,考虑到电路结构上的差异性,可能需要对于查询得到的故障模式进行修改,以得到与构建好的电源电路模型相对应的故障模型,例如,电源电路典型结构对应的某一故障模式为某一电阻出现断路,在构建好的电源电路模型中是通过多个电阻并联来实现典型结构中一个电阻的功能,即多个电阻必须全部出现断路才能视为故障模式中的特定电阻出现断路,完成所有实现操作以后,为了保证故障模式的覆盖性,针对构建好的电源电路模型与最接近的电源电路典型结构在组成上的区别部分,逐一分析区别部分包含的集成芯片/电子元件的所有故障情况,结合电源电路中其余部分包含的集成芯片/电子元件的所有故障情况,通过排列组合的方式得出构建好的电源电路模型所特有的故障模式,所述故障模式包括电源输出故障类型和电源电路中出现故障的集成芯片或电子元件,在特定的故障模式中,由于温度对于集成芯片和电子元件的特性会产生不小的影响,例如当电阻为金属材料时,温度越高电阻越大,将电源电路的正常工作温度范围按照一定的间隔设置典型温度值,在每一个典型温度值下确定电源电路中各个集成芯片和电子元件的具体特性,使得电源电路模型可以模拟运行,因此,在特定的故障模式下会存在多个可运行的电源电路模型,故障模式识别模块会将所有故障模式下的可运行电源电路进行汇总,传输给电源电路模拟运行模块,电源电路模拟运行模块运行每一个可运行电源电路,记录虚拟电流表或电压表的读数和虚拟频谱仪分析得到的信息,并将所有信息存入模拟数据存储模块。模型生成模块用于生成电源故障模型,考虑到电源电路故障的复杂性,运用混沌神经网络构建电源故障模型,混沌神经网络可以通过混沌运动在一定范围内按照自身规律不重复地遍历所有状态,更加接近实际的人脑神经网络,适于处理复杂信息,电源故障模型的输入为电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据,输出为特定的故障模式或电源工作正常的提示,在训练电源故障模型的过程中,首先采用模拟数据训练混沌神经网络,获得初始电源故障模型,用于电源智能诊断系统的初期运行,在电源智能诊断系统运行一段时间后,在必要情况下,可以对电源故障模型进行校正。
传感器模块包括温度传感器、湿度传感器、电流传感器、电压传感器、红外线探测器、音频传感器和频谱分析装置,温度传感器和湿度传感器用于感测电源电路运行环境的温度和湿度,电流传感器和电压传感器用于检测电源电路中可供检测的端点处的电压/电流值,将电源系统均匀划分为多个区域,在每个区域内设置红外线探测器和音频传感器,分别用于检测对应区域的红外信号和音频信号,频谱分析装置的主要作用包括:1)对于各个红外线探测器检测得到的红外信号进行频域分析,得到对应的频谱信息,将所有的频谱信息组合起来,构成整个电源系统的红外信号频谱图,所述红外信号频谱图能够反映整个电源系统的温度分布信息,通过与基准红外信号频谱图进行比对可以电源系统中温度异常的部分;2)对于各个音频传感器检测得到的音频信号进行频域分析,得到对应的声谱信息,将所有的声谱信息组合起来,构成整个电源系统的声谱图,所述声谱图能够反映整个电源系统的振动信息,通过与基准声谱图进行比对可以判断出整个电源系统的振动是否在正常范围内;3)针对特定时间段(例如5分钟)内电源输出电压的波形,实时记录5分钟内的频谱信号、设备工况与参数信息等。进行频谱分析,得到对应的频谱数据,电压频谱数据反映了电压信号中的各个频率成分和频率分布范围,通过与正常电压信号的频谱信息相比较,可以观察是否存在异常频率成分,反映出电源系统工作是否正常,传感器模块设置在电源系统内。
电源电路控制模块用于依据健康状态评估模块和显示模块的指令控制电源电路的工作状态。
历史数据存储模块用于存储传感器模块采集的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据,为后续的故障分析提供依据。
工作模式设定模块用于设定电源智能诊断系统的工作模式,依据人工操作干预的程度,所述工作模式可以分为手动操作模式、半自动操作模式和全自动操作模式。
如图3所示,显示模块包括显示控制模块、信息读取确认模块和提醒模块,用于显示实时检测数据和故障模式,并以适当的方式提醒工作人员注意故障模式。显示控制模块用于控制具体的显示内容和显示布局。信息读取确认模块用于判断工作人员是否正在阅读故障模式,通过摄像头判断显示模块前是否存在工作人员,若不存在,说明工作人员并未阅读故障模式,若存在,采用眼球跟踪技术进行眼球定位,判断人眼在显示界面上的观察坐标是否位于故障模式的显示区域内,眼球定位的具体过程为:1)利用人脸检测算法进行人脸提取,获取人脸区域,并确定人脸偏角;2)从人脸区域中获取人眼区域,确定两者眼睛的瞳孔中心点,并确定人眼与显示界面的距离;3)分别计算出两只眼睛的瞳孔中心点的移动量,依据所述移动量和之前得到的人脸偏角计算得出两只眼睛视线方向矢量;4)计算两只眼睛相对显示界面的空间坐标值,依据所述空间坐标值和之前得到的视线方向矢量计算得出人眼在显示界面上的观察坐标。提醒模块用于提醒工作人员注意故障模式,及时检修处理,提醒方式包括现场提醒和远程提醒,现场提醒为通过蜂鸣器提醒现场工作人员,远程提醒为通过短信、电话等形式将故障模式发送给工作人员及其相关的直接领导。
如图4所示,健康状态评估模块包括故障预处理模块、基于模型的故障判断模块、基于频谱信息的故障判断模块、故障处理模块、信息反馈控制模块和运行分析模块。故障预处理模块接收传感器模块输入的电源电路运行环境的温/湿度信息,判断当前的温/湿度是否位于电源电路的正常工作范围内,若超出正常的工作范围,便向显示模块和故障处理模块输出环境参数异常的故障模式。基于模型的故障判断模块包含电源故障模型管理模块生成的电源故障模型,通过将传感器模块输入的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据带入电源故障模块,判断当前运行状态是否处于故障状态,若处于正常工作状态,便将接收的检测数据传输给历史数据存储模块和显示模块,若处于故障状态,将接收的实时检测数据和判断得到的故障模式传输给显示模块,由于所述故障模式包括电源输出故障类型和电源电路中出现故障的集成芯片或电子元件,工作人员可以更有针对性地进行后续的检查维修,并将故障模式传输给。基于频谱信息的故障判断模块接收传感器模块输入的整个电源系统的红外信号频谱图和声谱图,分别与基准红外信号频谱图和基准声谱图进行比对,判断电源系统中是否存在温度异常的部分或电源系统中是否存在振动异常的部分,若存在温度异常的部分,向显示模块和故障处理模块发出温度异常的故障模式,故障模式中包含温度异常的部分所包含的芯片和电子元件,若存在振动异常的部分,向显示模块和故障处理模块发出振动异常的故障模式,故障模式中包含振动异常的部分所包含的芯片和电子元件,所述基准红外信号频谱图和基准声谱图均包含多幅频谱图,其设立过程为:1)获取电源系统的正常工作温度范围;2)按照一定的温度间隔从正常工作温度范围中选取典型温度值;3)在实验室环境下,将电源系统的运行环境温度调整为各个典型温度值,在特定典型温度值下,待电源系统工作稳定以后,测定当前的红外信号频谱图和声谱图,作为当前典型温度值下的基准红外信号频谱图和基准声谱图,将传感器模块输入的红外信号频谱图和声谱图分别与基准红外信号频谱图和基准声谱图进行比对的步骤具体包括:1)获取传感器模块输入的温度信息;2)通过比较,获取与输入的温度信息最接近的典型温度值;3)将输入的红外信号频谱图和声谱图分别与最接近的典型温度值所对应的基准红外信号频谱图和基准声谱图进行比对。故障处理模块接收故障模式,判断出现故障的严重程度,严重程度可以分为注意、严重和紧急,结合电源智能诊断系统的当前工作模式,进行后续处理,所述处理具体包括:1)若工作模式为手动操作模式,只对严重程度为紧急的故障进行自动处理;2)若工作模式为半自动操作模式,对严重程度为严重及其以上的故障进行自动处理;3)若工作模式为全自动操作模式,对严重程度为注意及其以上的故障进行自动处理,所述自动处理为向电源电路控制模块发出控制指令,使得电源电路停止工作。信息反馈控制模块用于检验当前电源故障模型的有效性,针对基于模型的故障判断模块输出的故障模式,记录经过工作人员确认的误报故障,将不准确的故障模式所对应的实时检测数据和修正后的故障模式作为模型校正信息保存下来,在特定条件下,例如模型校正信息达到一定数量、工作人员手动控制等,将保存的模型校正信息提供给电源故障模型管理模块中的模型生成模块,用于校正电源故障模型。运行分析模块通过分析历史数据存储模块中存储的数据,对电源的运行状态进行评估,判断当前电源电路的故障风险,推断处于故障边缘的集成芯片或电子元件,做到电路故障的提前发现和处理,所述评估过程具体包括:1)针对电压数据和电流数据,采用多项式曲线拟合的方法确定分别对应于电压变化规律和电流变化规律的函数;2)针对频谱数据,通过与正常电压信号的频谱信息相比较,找出异常频率成分,分析异常频率成分的变化趋势;3)利用分别对应于电压变化规律和电流变化规律的函数和异常频率成分的变化趋势预测未来一段时间内的检测数据,将预测得到的检测数据带入电源故障模型,判断电源运行状态是否处于故障状态,若处于故障状态,将判断得到的故障模式传输给显示模块,以提醒工作人员。
基于上述电源智能诊断系统,对于电源进行保护的方法包括:
1)根据实际需求,通过工作模式设定模块设定电源智能诊断系统的工作模式,所述工作模式可以分为手动操作模式、半自动操作模式和全自动操作模式,可以根据对于电源工作安全性的要求进行选择,安全要求越高,系统工作的自动化程度越高;
2)通过电源故障模型管理模块构建初始电源电路故障模型,在构建过程中,电源电路构建模块基于电路信息库构建与实际电路相对应的电源电路模型,故障模式识别模块依据广义数据库中存储的电源电路常见故障模式,针对构建好的电源电路模型,通过失效模型与影响分析找出所有潜在的故障模式,将所有故障模式下的可运行电源电路进行汇总,传输给电源电路模拟运行模块,电源电路模拟运行模块运行每一个可运行电源电路,将运行得到的数据存入模拟数据存储模块,模型生成模块运用混沌神经网络构建电源电路故障模型,运用模拟数据存储模块中存储的数据训练混沌神经网络,得到初始电源故障模型,并将该初始电源故障模型传输给健康状态评估模块;
3)健康状态评估模块中故障预处理模块接收传感器模块输入的电源电路运行环境的温/湿度信息,判断当前的温/湿度是否位于电源电路的正常工作范围内,若超出正常的工作范围,停止传感器模块的数据采集,向显示模块输出环境参数异常的故障模式,进入步骤7;
4)健康状态评估模块中基于频谱信息的故障判断模块接收传感器模块输入的整个电源系统的红外信号频谱图和声谱图,分别与基准红外信号频谱图和基准声谱图进行比对,判断电源系统中是否存在温度异常的部分或电源系统中是否存在振动异常的部分,若存在温度异常的部分,停止传感器模块的数据采集,向显示模块发出温度异常的故障模式,故障模式中包含温度异常的部分所包含的芯片和电子元件,若存在振动异常的部分,停止传感器模块的数据采集,向显示模块发出振动异常的故障模式,故障模式中包含振动异常的部分所包含的芯片和电子元件,进入步骤7;
5)健康状态评估模块中基于模型的故障判断模块依据初始电源故障模型,基于传感器模块输入的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据判断当前运行状态是否处于故障状态,若处于正常工作状态,将接收的实时检测数据传输给历史数据存储模块和显示模块,进入步骤6,若处于故障状态,停止传感器模块的数据采集,将接收的实时检测数据和故障模式传输给显示模块,传输的故障模式包括当前故障类型和电源电路中可能出现故障的集成芯片或电子元件,进入步骤7;
6)判断当前时间与上一次故障状态的时间间隔,若时间间隔符合特定条件,例如5分钟、10分钟、20分钟等,健康状态评估模块中的运行分析模块通过分析历史数据存储模块中设定时间间隔内的数据,对电源的运行状态进行评估,判断当前电源电路的故障风险,推断处于故障边缘的集成芯片或电子元件,将相关信息传输给显示模块,提醒工作人员进行处理,做到电路故障的提前发现和处理,若时间间隔不符合特定条件,返回步骤3;
7)将故障模式传输给故障处理模块,故障处理模块判断出现故障的严重程度,严重程度可以分为注意、严重和紧急,结合电源智能诊断系统的当前工作模式,进行后续处理,所述处理具体包括:1)若工作模式为手动操作模式,只对严重程度为紧急的故障进行自动处理;2)若工作模式为半自动操作模式,对严重程度为严重及其以上的故障进行自动处理;3)若工作模式为全自动操作模式,对严重程度为注意及其以上的故障进行自动处理,所述自动处理为向电源电路控制模块发出控制指令,使得电源电路停止工作;
8)显示模块通过显示控制模块以合理的方式显示实时检测数据。
作为本发明的一种优选方式,可以直接进行显示,此方案的优势在于减少计算负荷。
同样的,作为本发明的另一种优选方式,为了提高客户的体验度,也可以以负荷作为代价,进行实时眼球定位跟踪显示。
具体方案的选择可以由工程技术人员根据实际需求自行设计。
所述提高客户的体验度的具体方式为:若接收到故障相关信息,通过信息读取确认模块判断工作人员是否正在阅读故障模式,具体判断过程为:通过摄像头判断显示模块前是否存在工作人员,若不存在,说明工作人员并未阅读故障模式,若存在,采用眼球跟踪技术进行眼球定位,判断人眼在显示界面上的观察坐标是否位于故障模式的显示区域内,眼球定位的具体过程为:1)利用人脸检测算法进行人脸提取,获取人脸区域,并确定人脸偏角;2)从人脸区域中获取人眼区域,确定两者眼睛的瞳孔中心点,并确定人眼与显示界面的距离;3)分别计算出两只眼睛的瞳孔中心点的移动量,依据所述移动量和之前得到的人脸偏角计算得出两只眼睛视线方向矢量;4)计算两只眼睛相对显示界面的空间坐标值,依据所述空间坐标值和之前得到的视线方向矢量计算得出人眼在显示界面上的观察坐标,若经过判断得知工作人员并未阅读故障模式,读取当前时间,若当前时间处于工作人员的正常上班时间,通过提醒模块提醒工作人员注意故障模式,首先进行现场提醒,通过蜂鸣器提醒现场工作人员,在现场提醒过程中,摄像头持续监控显示模块前是否出现工作人员,若经过一段时间(例如10分钟),摄像头仍未检测到工作人员,改为远程提醒,通过短信、电话等形式将故障模式发送给工作人员及其相关的直接领导,在远程提醒过程中,摄像头持续监控显示模块前是否出现工作人员,若经过一段时间(例如30分钟),摄像头仍未检测到工作人员,为了保证电源电路的工作安全,显示模块向电源电路控制模块发出控制指令,使得电源电路停止工作,若当前时间处于工作人员的休息时间,显示模块直接向电源电路控制模块发出控制指令,使得电源电路停止工作;
9)接收到故障模式后的工作人员对于电路进行检修,确认故障是否属实,若故障属实准确,进行相关的维修处理,若出现误报,并且误报的故障模式是基于初始电源故障模型判断得到的,通过信息反馈控制模块记录误报的故障模式,信息反馈控制模块会将不准确的故障模式所对应的实时检测数据和修正后的故障模式作为模型校正信息保存下来,在特定条件下,例如模型校正信息达到一定数量、工作人员手动控制等,将保存的模型校正信息提供给电源故障模型管理模块中的模型生成模块,用于校正电源故障模型,完成上述操作后,工作人员重启电源电路和传感器模块,返回步骤3。
本申请公开的技术方案主要通过以下两种方式实现电源系统故障的判断:
1)针对实际电路构建相对应的电源电路模型,基于电源电路模型,通过失效模型与影响分析找出所有潜在的故障模式,在所有故障模式下进行模拟运行获得模拟数据,使得模拟数据更具有针对性和代表性,同时运用混沌神经网络构建电源故障模型,通过模拟数据训练混沌神经网络的方式构建电源故障模型;
2)利用红外信号频谱和声谱判断电源系统工作是否正常。
通过上述两种方式获得的电源故障信息不仅包含电源故障类型,而且包含电源电路中出现故障的集成芯片或电子元件,极大地方便了工作人员后续的检查维修,减轻了工作量,提高了工作效率。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (6)
1.一种电源智能诊断系统,其特征在于,所述电源智能诊断系统包括传感器模块、健康状态评估模块、历史数据存储模块、显示模块、通信模块、服务器;
所述传感器模块分别与健康状态评估模块、历史数据存储模块相连,健康状态评估模块与显示模块相连;所述通信模块与服务器相连,所述通信模块与所述健康状态评估模块相连;
所述服务器通过通信模块获取多个设备的频谱数据和传感器数据;
传感器模块包括湿度传感器、电流传感器、电压传感器、红外线探测器、音频传感器和频谱分析装置,所述红外线探测器、所述湿度传感器分别用于感测电源电路运行环境的温度和湿度,所述电流传感器和所述电压传感器用于检测电源电路中可供检测的端点处的电压/电流值,所述频谱分析装置用于对红外信号、音频信号和电源电路的输出电压进行频谱分析,传感器模块设置在电源系统内;
历史数据存储模块用于存储传感器模块采集的电源电路中可供检测的端点处的电压/电流值和输出电压,以及频谱数据;
显示模块用于显示实时检测数据和故障模式;
健康状态评估模块被配置用于执行如下方案中的一种或多种:1)利用传感器模块得到的实时监测数据,通过判断实时监测数据的数值范围,判断电源系统工作是否正常;2)利用红外信号频谱和音频频谱,通过判断实时数据的数值范围,针对实时频谱数据,判断电源系统工作是否正常;3)利用历史数据存储模块存储的频谱数据、传感器数据,建立各类基本故障所对应的频谱图像数据库和传感器数据库,通过比对实时数据和数据库数据的相似度,判断电源系统工作是否正常;4)调用服务器存储的频谱数据、传感器数据,建立各类基本故障所对应的频谱图像数据库和传感器数据库,通过比对实时数据和服务器数据库数据的相似度,判断电源系统工作是否正常;
所述电源智能诊断系统还包括电源故障模型管理模块;
电源故障模型管理模块针对实际电源电路构建相对应的电源电路模型,构建过程具体包括选取与实际电源电路中集成芯片和元器件及电路拓扑相对应的虚拟模型,按照实际电源电路的要求将各个虚拟模型连接起来,设置输入信号源和输出信号端,基于电源电路模型,通过失效模型与影响分析找出所有潜在的故障模式,在所有故障模式下进行模拟运行获得模拟数据,通过模拟数据训练混沌神经网络的方式构建电源故障模型,所述电源故障模型的输入为电源电路中可供检测的端点处的电压/电流值和输出电压的频谱数据,输出为特定的故障模式或电源工作正常的提示,所述故障模式包括电源输出故障类型和电源电路中出现故障的集成芯片或电子元件;
所述健康状态评估模块被配置用于执行如下方案还包括:
利用历史数据存储模块存储的实时数据,针对电压数据和电流数据,采用多项式曲线拟合的方法确定分别对应于电压变化规律和电流变化规律的函数,针对频谱数据,通过与正常电压信号的频谱信息相比较,找出异常频率成分,分析异常频率成分的变化趋势,利用上述函数和变化趋势预测未来一段时间内的检测数据,基于预测得到的检测数据,借助电源故障模型判断未来一段时间内电源运行状态是否正常;
所述的电源智能诊断系统还包含频谱分析装置,所述频谱分析装置可以设置于健康状态评估模块或服务器,所述频谱分析装置对红外信号、音频信号和电源电路的输出电压进行频谱分析,具体包括:1)对于各个红外线探测器检测得到的红外信号进行频域分析,得到对应的频谱信息,将所有的频谱信息组合起来,构成整个电源系统的红外信号频谱图,所述红外信号频谱图能够反映整个电源系统的温度分布信息,通过与基准红外信号频谱图进行比对得到电源系统中温度异常的部分;2)对于各个音频传感器检测得到的音频信号进行频域分析,得到对应的声谱信息,将所有的声谱信息组合起来,构成整个电源系统的声谱图,所述声谱图能够反映整个电源系统的振动信息,通过与基准声谱图进行比对,可以判断出整个电源系统的振动是否在正常范围内;3)针对特定时间段内电源输出电压的波形,进行频谱分析,得到对应的频谱数据,电压频谱数据反映了电压信号中的各个频率成分和频率分布范围,通过与正常电压信号的频谱信息相比较,可以观察是否存在异常频率成分,反映出电源系统工作是否正常;
所述电源故障模型管理模块包括广义知识库、电路信息库、理论数据产生模块和模型生成模块;所述广义知识库包含与电源电路相关的基础知识,所述基础知识包括电源电路的典型结构、电源电路的常见故障、常用集成芯片的典型故障和常用电子元件自身特性随温度变化的规律,基于所述基础知识,通过大数据分析得到电源电路常见的故障模式,将其存储在广义知识库中,所述电路信息库包含被检测电源电路的具体组成信息,所述具体组成信息包括电源电路的具体结构、电源电路中可供检测的端点和电源电路中集成芯片/电子元件的具体型号及其对应的具体特性;
所述理论数据产生模块包括电源电路构建模块、故障模式识别模块、电源电路模拟运行模块和模拟数据存储模块,所述电源电路构建模块基于电路信息库构建与实际电源电路相对应的电源电路模型,所述故障模式识别模块依据广义知识库中存储的电源电路常见故障模式,针对构建好的电源电路模型,通过失效模型与影响分析,找出所有潜在的故障模式,具体分析过程包括选出与构建好的电源电路模型最接近的电源电路典型结构,在广义知识库中查找与所述最接近的电源电路典型结构相对应的故障模式,利用构建好的电源电路模型实现查询得到的每一种故障模式,在实现过程中对于查询得到的故障模式进行修改,以得到与构建好的电源电路模型相对应的典型故障模型,随后,针对构建好的电源电路模型与最接近的电源电路典型结构在组成上的区别部分,逐一分析所述区别部分包含的集成芯片/电子元件的所有故障情况,结合电源电路中其余部分包含的集成芯片/电子元件的所有故障情况,通过排列组合的方式得出构建好的电源电路模型所特有的故障模式。
2.根据权利要求1所述的电源智能诊断系统,其特征在于,所述健康状态评估模块包括故障预处理模块、基于模型的故障判断模块、基于频谱信息的故障判断模块、故障处理模块、信息反馈控制模块和运行分析模块,所述故障预处理模块接收传感器模块输入的电源电路运行环境的温/湿度信息,判断当前的温/湿度是否位于电源电路的正常工作范围内,若超出正常的工作范围,便向显示模块和故障处理模块输出环境参数异常的故障模式,所述基于模型的故障判断模块包含电源故障模型管理模块生成的电源故障模型,接收传感器模块输入的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据,依据电源故障模型判断电源工作状态是否正常,基于频谱信息的故障判断模块接收传感器模块输入的整个电源系统的红外信号频谱图和声谱图,分别与基准红外信号频谱图和基准声谱图进行比对,判断电源系统中是否存在温度异常的部分或电源系统中是否存在振动异常的部分,若存在温度异常的部分或振动异常的部分,向显示模块和故障处理模块发出特定的故障模式,基于故障判断模块输出的故障模式,判断出现故障的严重程度,结合电源智能诊断系统的当前工作模式,进行后续处理,所述信息反馈控制模块针对基于模型的故障判断模块输出的故障模式,记录经过工作人员确认的误报故障,利用误报故障校正电源故障模型,所述运行分析模块通过分析历史数据存储模块中存储的数据,得到电压数据、电流数据以及频谱数据的变化规律,预测未来可能出现的检测数据,基于预测检测数据,借助电源故障模型判断当前电源电路的故障风险。
3.根据权利要求2所述的电源智能诊断系统,其特征在于,所述基于频谱信息的故障判断模块输出的特定故障模式包括温度异常的故障模式和振动异常的故障模式,所述温度异常的故障模式包括电源系统中温度异常的部分所包含的芯片和电子元件,所述振动异常的故障模式包括电源系统中振动异常的部分所包含的芯片和电子元件。
4.根据权利要求2所述的电源智能诊断系统,其特征在于,所述基准红外信号频谱图和基准声谱图均包含多幅频谱图,其设立过程为:1)获取电源系统的正常工作温度范围;2)按照一定的温度间隔从正常工作温度范围中选取典型温度值;3)在实验室环境下,将电源系统的运行环境温度调整为各个典型温度值,在特定典型温度值下,待电源系统工作稳定以后,测定当前的红外信号频谱图和声谱图,作为当前典型温度值下的基准红外信号频谱图和基准声谱图。
5.根据权利要求4所述的电源智能诊断系统,其特征在于,将传感器模块输入的红外信号频谱图和声谱图分别与基准红外信号频谱图和基准声谱图进行比对的步骤具体包括:1)获取传感器模块输入的温度信息;2)通过比较,获取与输入的温度信息最接近的典型温度值;3)将输入的红外信号频谱图和声谱图分别与最接近的典型温度值所对应的基准红外信号频谱图和基准声谱图进行比对。
6.一种基于如权利要求1-5之一所述的电源智能诊断系统的对于电源进行保护的方法,其特征在于,所述方法包括:
1)通过工作模式设定模块设定电源智能诊断系统的工作模式;
2)通过电源故障模型管理模块构建初始电源电路故障模型,在构建过程中,针对实际电源电路构建相对应的电源电路模型,基于电源电路模型在故障情形下进行模拟运行获得的模拟数据,利用模拟数据构建电源故障模型,获得初始电源故障模型,并将该初始电源故障模型传输给健康状态评估模块;
3)健康状态评估模块接收传感器模块输入的电源电路运行环境的温/湿度信息,判断当前的温/湿度是否位于电源电路的正常工作范围内,若超出正常的工作范围,停止传感器模块的数据采集,向显示模块输出环境参数异常的故障模式,进入步骤7;
4)健康状态评估模块接收传感器模块输入的整个电源系统的红外信号频谱图和声谱图,分别与基准红外信号频谱图和基准声谱图进行比对,判断电源系统中是否存在温度异常的部分或电源系统中是否存在振动异常的部分,若存在温度异常的部分,停止传感器模块的数据采集,向显示模块发出温度异常的故障模式,故障模式中包含温度异常的部分所包含的芯片和电子元件,若存在振动异常的部分,停止传感器模块的数据采集,向显示模块发出振动异常的故障模式,故障模式中包含振动异常的部分所包含的芯片和电子元件,进入步骤7;
5)健康状态评估模块依据初始电源故障模型,基于传感器模块输入的电源电路中可供检测的端点处的电压/电流值和输出电压的电压频谱数据判断当前运行状态是否处于故障状态,若处于正常工作状态,将接收的实时检测数据传输给历史数据存储模块和显示模块,进入步骤6,若处于故障状态,停止传感器模块的数据采集,将接收的实时检测数据和故障模式传输给显示模块,传输的故障模式包括当前故障类型和电源电路中可能出现故障的集成芯片或电子元件,进入步骤7;
6)判断当前时间与上一次故障状态的时间间隔,若时间间隔符合特定条件,健康状态评估模块中的运行分析模块通过分析历史数据存储模块中设定时间间隔内的数据,对电源的运行状态进行评估,判断当前电源电路的故障风险,推断处于故障边缘的集成芯片或电子元件,将相关信息传输给显示模块,提醒工作人员进行处理,做到电路故障的提前发现和处理,若时间间隔不符合特定条件,返回步骤3;
7)将故障模式传输给故障处理模块,故障处理模块判断出现故障的严重程度,结合电源智能诊断系统的当前工作模式,进行后续处理;
8)显示模块通过显示控制模块以合理的方式显示实时检测数据,若接收到故障相关信息,判断工作人员是否正在阅读故障模式,若经过判断得知工作人员并未阅读故障模式,读取当前时间,若当前时间处于工作人员的正常上班时间,提醒工作人员注意故障模式,若当前时间处于工作人员的休息时间,显示模块直接向电源电路控制模块发出控制指令,使得电源电路停止工作;
9)接收到故障模式后的工作人员对于电路进行检修,确认故障是否属实,若故障属实准确,进行相关的维修处理,若出现误报,并且误报的故障模式是基于初始电源故障模型判断得到的,记录误报的故障模式,工作人员重启电源电路和传感器模块,返回步骤3;
所述步骤7中所述严重程度可以分为注意、严重和紧急,所述工作模式可以分为手动操作模式、半自动操作模式和全自动操作模式,所述后续处理具体包括:1)若工作模式为手动操作模式,只对严重程度为紧急的故障进行自动处理;2)若工作模式为半自动操作模式,对严重程度为严重及其以上的故障进行自动处理;3)若工作模式为全自动操作模式,对严重程度为注意及其以上的故障进行自动处理,所述自动处理为向电源电路控制模块发出控制指令,使得电源电路停止工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810807396.9A CN109001649B (zh) | 2018-07-21 | 2018-07-21 | 一种电源智能诊断系统及保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810807396.9A CN109001649B (zh) | 2018-07-21 | 2018-07-21 | 一种电源智能诊断系统及保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109001649A CN109001649A (zh) | 2018-12-14 |
CN109001649B true CN109001649B (zh) | 2020-12-25 |
Family
ID=64597643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810807396.9A Active CN109001649B (zh) | 2018-07-21 | 2018-07-21 | 一种电源智能诊断系统及保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109001649B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109470915A (zh) * | 2018-12-17 | 2019-03-15 | 国网内蒙古东部电力有限公司检修分公司 | 微气象下的高压直流输电接地极入地电流监测及评估系统 |
CN109683040B (zh) * | 2018-12-25 | 2021-10-15 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 柔性直流输电换流阀的可靠性检测方法、装置及设备 |
CN109934759B (zh) * | 2019-03-20 | 2021-11-09 | 中国铁道科学研究院集团有限公司 | 一种机车监测数据分析方法及系统 |
CN110177017B (zh) * | 2019-06-04 | 2023-09-19 | 沃德(天津)智能技术有限公司 | 一种减速机智能故障诊断系统及其诊断方法 |
CN110766926A (zh) * | 2019-09-26 | 2020-02-07 | 重庆溢希恩真节能电力设备有限公司 | 一种冲压设备无线数据采集与监控系统 |
CN111126632B (zh) * | 2019-11-25 | 2024-02-02 | 合肥美的电冰箱有限公司 | 一种家电故障预测方法、预测装置、冰箱及存储介质 |
CN111341477B (zh) * | 2020-03-31 | 2022-04-29 | 岭东核电有限公司 | 核电厂安全级电源翻新维修方法及装置 |
CN111459204B (zh) * | 2020-03-31 | 2021-08-20 | 潍柴动力股份有限公司 | 车辆的温度控制方法、装置、设备、存储介质和车辆 |
CN111796199B (zh) * | 2020-07-30 | 2022-12-27 | 上海兆芯集成电路有限公司 | 电源网络均匀性及功耗测试方法 |
CN112051811B (zh) * | 2020-08-11 | 2021-07-27 | 宜宾市东易纸品有限公司 | 自动化包装纸筒生产线控制系统 |
CN112731087B (zh) * | 2021-01-20 | 2022-07-22 | 丰郅(上海)新能源科技有限公司 | 用于光伏领域的故障电弧检测系统及检测方法 |
CN112783312A (zh) * | 2021-01-29 | 2021-05-11 | 新华三信息安全技术有限公司 | 一种电源故障检测方法、装置、设备及机器可读存储介质 |
CN112989089A (zh) * | 2021-02-22 | 2021-06-18 | 北京三一智造科技有限公司 | 元件状态查询方法、装置、电子设备和存储介质 |
CN112964953A (zh) * | 2021-02-25 | 2021-06-15 | 台州市菱士达电器有限公司 | 变频器故障预诊断方法及系统 |
CN113133773A (zh) * | 2021-03-09 | 2021-07-20 | 聚融医疗科技(杭州)有限公司 | 一种掉电保护医用超声设备辅助诊断系统及方法 |
CN112909917B (zh) * | 2021-03-31 | 2022-06-07 | 九牧厨卫股份有限公司 | 自动识别电磁阀供电电源的方法、冲洗阀电路和小便斗 |
CN113777914A (zh) * | 2021-09-10 | 2021-12-10 | 北京理工大学 | 具有智能故障检测和修正功能的控制分配方法 |
CN114545064A (zh) * | 2022-02-23 | 2022-05-27 | 浙江诺诺网络科技有限公司 | 一种设备的故障监控方法、装置及系统 |
CN114296009B (zh) * | 2022-03-10 | 2022-05-24 | 山东汇能电气有限公司 | 一种变压器运行智能分析系统 |
CN116150666B (zh) * | 2022-10-08 | 2023-10-31 | 深圳先进技术研究院 | 储能系统故障检测方法、装置及智能终端 |
CN115808640B (zh) * | 2023-02-09 | 2023-05-16 | 苏州浪潮智能科技有限公司 | 电源故障检测电路、方法、系统、电子设备及存储介质 |
CN116579762B (zh) * | 2023-04-14 | 2023-10-20 | 广州林旺空调工程有限公司 | 一种冷却塔智慧运维平台 |
CN116380445B (zh) * | 2023-06-05 | 2023-08-08 | 吉林市特种设备检验中心(吉林市特种设备事故调查服务中心) | 基于振动波形的设备状态诊断方法及相关装置 |
CN116626530B (zh) * | 2023-07-24 | 2023-10-03 | 中国人民解放军空军预警学院 | 一种基于双通道的大功率稳压源故障检测方法及系统 |
CN117554737B (zh) * | 2024-01-11 | 2024-03-26 | 深圳市美顺和电子有限公司 | 一种车载充电器的健康状况检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997001881A1 (en) * | 1992-09-08 | 1997-01-16 | Challenge Technologies, Inc. | Diagnostic circuit protection device |
CN101819251A (zh) * | 2010-05-18 | 2010-09-01 | 华中科技大学 | 一种电力电子电路的状态监测与故障诊断装置 |
CN102253301A (zh) * | 2011-04-20 | 2011-11-23 | 哈尔滨工业大学 | 基于微分进化算法和回声状态网络静态分类的模拟电路故障诊断方法 |
CN103983295A (zh) * | 2014-05-30 | 2014-08-13 | 江苏出入境检验检疫局机电产品及车辆检测中心 | 基于信号和环境激励的传感器故障诊断系统和诊断方法 |
CN104898013A (zh) * | 2015-06-09 | 2015-09-09 | 北京联合大学 | 一种利用声学测量诊断电路故障的方法及系统 |
CN106483449A (zh) * | 2016-09-09 | 2017-03-08 | 电子科技大学 | 基于深度学习与复数特征的模拟电路故障诊断方法 |
CN106597160A (zh) * | 2016-12-13 | 2017-04-26 | 广东金赋科技股份有限公司 | 一种电子设备故障检测方法和装置 |
-
2018
- 2018-07-21 CN CN201810807396.9A patent/CN109001649B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997001881A1 (en) * | 1992-09-08 | 1997-01-16 | Challenge Technologies, Inc. | Diagnostic circuit protection device |
CN101819251A (zh) * | 2010-05-18 | 2010-09-01 | 华中科技大学 | 一种电力电子电路的状态监测与故障诊断装置 |
CN102253301A (zh) * | 2011-04-20 | 2011-11-23 | 哈尔滨工业大学 | 基于微分进化算法和回声状态网络静态分类的模拟电路故障诊断方法 |
CN103983295A (zh) * | 2014-05-30 | 2014-08-13 | 江苏出入境检验检疫局机电产品及车辆检测中心 | 基于信号和环境激励的传感器故障诊断系统和诊断方法 |
CN104898013A (zh) * | 2015-06-09 | 2015-09-09 | 北京联合大学 | 一种利用声学测量诊断电路故障的方法及系统 |
CN106483449A (zh) * | 2016-09-09 | 2017-03-08 | 电子科技大学 | 基于深度学习与复数特征的模拟电路故障诊断方法 |
CN106597160A (zh) * | 2016-12-13 | 2017-04-26 | 广东金赋科技股份有限公司 | 一种电子设备故障检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109001649A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
CN107369303B (zh) | 工厂智能诊断方法、装置及系统 | |
US6694286B2 (en) | Method and system for monitoring the condition of an individual machine | |
US10533920B2 (en) | Automatic rotating-machine fault diagnosis with confidence level indication | |
EP3413154B1 (en) | Equipment diagnostic device, equipment diagnostic method, and equipment diagnostic program | |
US20150346066A1 (en) | Asset Condition Monitoring | |
US20140365179A1 (en) | Method and Apparatus for Detecting and Identifying Faults in a Process | |
CN108027611B (zh) | 利用受专家意见监督的决策模式学习的用于机器维护的决策辅助系统和方法 | |
EP3866177A1 (en) | Abnormal driving state determination device and method using neural network model | |
JP2007102388A (ja) | 保守支援装置,保守支援方法,保守支援システム,制御装置および制御方法 | |
US11423494B2 (en) | Plant assistance assessment system and plant assistance assessment method | |
US20230162484A1 (en) | Apparatus and method for generating learning data for artificial intelligence model | |
KR20080070543A (ko) | 자동화 생산라인의 불량예측 조기 경보 방법 | |
WO2021064144A1 (en) | Method and system for continuous estimation and representation of risk | |
CN115343568A (zh) | 电缆巡检的异常识别装置、方法、设备及存储介质 | |
WO2020234894A1 (en) | System and method for determining a health condition and an anomaly of an equipment | |
US11339763B2 (en) | Method for windmill farm monitoring | |
KR101622186B1 (ko) | 기기 상태 진단 장치 | |
US10955829B2 (en) | System and a method to enable zero defect production | |
WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool | |
US11467214B2 (en) | Anomaly detection system and method for electric drives | |
JPH0217511A (ja) | プラント監視装置 | |
CN112363432A (zh) | 一种水电站辅助设备的监测系统及监测方法 | |
KR20200044507A (ko) | Ict 기반의 통합 모니터링 시스템을 활용한 특수 차량 고장 진단 및 운영법 | |
CN113625676B (zh) | 工程机械故障诊断方法和系统、现场诊断装置和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |