CN109029697B - 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 - Google Patents
基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 Download PDFInfo
- Publication number
- CN109029697B CN109029697B CN201810553938.4A CN201810553938A CN109029697B CN 109029697 B CN109029697 B CN 109029697B CN 201810553938 A CN201810553938 A CN 201810553938A CN 109029697 B CN109029697 B CN 109029697B
- Authority
- CN
- China
- Prior art keywords
- sound
- sample
- normal
- fan
- air leakage
- 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
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,在环冷机台车处设置有声音信号采集器,在环冷风机处设置有声音信号采集器,包括如下步骤:步骤1:收集正常工况下收集台车声音数据和风机声音数据得到台车声音样本和风机声音样本;步骤2:利用台车声音样本和风机声音样本获得正常样本集,利用正常样本集建立正常声音模型;步骤3:实时采集当前台车声音样本和环冷机声音样本,获得在线声音样本,将在线声音样本与正常声音模型比较,依据比较结果判断在线声音样本是否异常,若在线声音样本异常,则将在线声音样本与漏风故障库中的漏风声音模型比较,判断在线声音样本是否属于已定义的漏风故障以判断环冷机是否有漏风故障。
Description
技术领域
本发明涉及一种基于频谱特征单边检测法的环冷机漏风故障在线诊断方法。
背景技术
环冷机是一种用于物料冷却的大型设备,其主要工作原理是通过台车装载高温物料,在环形轨道上行驶,台车下部有风箱,对台车内部鼓风,通过空气将高温物料冷却。围绕着环冷机的圆环外侧,会按照风量需求,设置数台鼓风机,为冷却过程提供风源。
待冷却的小颗粒状物料在环冷机上是以厚料层形式均匀分布的,为保证物料的充分冷却,环冷机会在台车下方设置风箱并连接鼓风机,通过鼓风机将外部空气带入到高温物料层中。由于环冷机的密封结构和长期使用的保养问题,冷却生产过程中会产生漏风现象,导致冷却不充分和鼓风机能源的浪费,严重漏风的情况下,甚至会产生环冷机卸料温度过高灼伤运输皮带的生产事故。环冷机及其附属的风箱、风管、阀门等,由于结构复杂,且工作在高温状态,使漏风率的检测一直缺少行之有效的手段。
为了解决这一问题,本发明提出了一种环冷机漏风故障在线诊断方法,通过对生产过程中采集到的音频信号进行分析,可以判断是否发生漏风现象以及对漏风率进行定量评估,从而实现对环冷机各种漏风状况的综合监控。
发明内容
针对上述问题,本发明提供一种基于频谱特征单边检测法的环冷机漏风故障在线诊断方法。
为达到上述目的,本发明一种基于频谱特征单边检测法的烧结漏风故障在线诊断方法,在环冷机台车处安装若干声音信号采集器,在环冷风机处安装若干声音信号采集器,所述方法包括如下步骤:
步骤1:收集正常工况下收集台车声音数据和风机声音数据得到台车声音样本和风机声音样本,所述台车声音样本和风机声音样本按照时间一一对应;
步骤2:利用收集到的台车声音样本和风机声音样本获得正常样本集,利用正常样本集建立正常声音模型;
步骤3:实时采集当前台车声音样本和环冷机声音样本,以获得在线声音样本,将在线声音数据与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障库中的漏风声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断环冷机是否发生漏风故障;
所述的步骤2中利用收集到的台车声音样本和风机声音样本获得正常样本集,利用正常样本集建立正常声音模型的方法包括:
步骤2.1:对获得的正常样本集进行时域-频域转换,得到正常工作频谱样本集;
步骤2.2:在正常工作频谱样本集中,利用计算公式sij=s1ij-α·s2ij对各对样本进行计算,以从台车声音频谱样本中滤除风机声音强度的影响,得到滤除风机干扰的正常工作频谱样本集;其中,i是频段代号,j是样本序号,sij是第j个样本消除风机干扰后的i频段声音强度,s1ij是第j个样本i频段的台车声音强度,s2ij是第j个样本i频段的风机声音强度,α是干扰系数;
步骤2.3:对滤除风机干扰的正常工作频谱样本集,在音频分布范围内均匀选取若干个频段,作为环冷机声音特征频率集;
步骤2.4:利用获得的环冷机声音特征频率集,计算各特征频率对应的声音强度,得到正常样本强度集;
步骤2.6:利用获得的正常样本强度集构建得到环冷机正常声音模型;
所述步骤3中判断环冷机是否发生漏风故障的步骤为:
步骤3.1:将获得的在线声音样本进行频谱分析,得到故障特征频率对应的台车声音强度集S1j={s1j1,…,s1jk}和风机声音强度集S1j={s1j1,…,s1jk};
步骤3.2:利用公式sij=s1ij-α·s2ij,将风机声音强度从台车声音频谱样本中滤除,获得滤除风机影响的正常声音样本,计算滤除风机影响的正常声音样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断滤除风机影响的正常声音样本是否异常;
若滤除风机影响的正常声音样本正常,则确定环冷机没有发生漏风故障;
若滤除风机影响的正常声音样本异常,则计算处于异常状态下的滤除风机影响的正常声音样本的声音强度集与环冷机漏风故障状态库中的各故障类型的相似性测度,判断滤除风机影响的正常声音样本的声音强度集是否属于已知的漏风故障类型,若属于,则将滤除风机影响的正常声音样本的声音强度集归类为已知故障类;若不属于,则将滤除风机影响的正常声音样本的声音强度集提交人工进行查验,判断是否发生漏风故障或是否属于漏风故障的子类型,同时更新漏风故障模型。
进一步地,所述方法还包括通过阈值判定法或者模糊决策法对模型结果进行分析并给出故障诊断意见。
进一步地,所述步骤2.6中利用获得的正常样本强度集构建得到环冷机正常声音模型的方法为:利用正常样本强度集计算正常样本的质心,作为正常数据的中心点,样本点构成的超球体半径作为正常状态的空间半径,最终获得正常声音模型。
进一步地,所述步骤3.2中计算滤除风机影响的正常声音样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断滤除风机影响的正常声音样本是否异常的方法具体为:计算滤除风机影响的正常声音样本到质心的距离;
将滤除风机影响的正常声音样本到质心的距离与超球体半径进行比较,如果滤除风机影响的正常声音样本到质心的距离小于或等于超球体半径,则将当前状态归类为正常状态,如果滤除风机影响的正常声音样本到质心的距离小大于超球体半径,则将当前状态归类为异常状态。
本发明提出的基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,通过对易获得的声音信号进行采集和分析,为环冷机这种的整体大型设备的漏风故障监测提供了方便易行的方法。本发明中利用声音的频谱和强度特性,构造的特征表示方法,为环冷机漏风故障提供了可监测的依据;通过计算当前样本和模型在特征频率空间的相似性测度,定义了可供数值计算的环冷机漏风故障判据,为环冷机漏风故障自动判断提供了可计算的指标;通过决策机制对环冷机漏风故障判据进行诊断的方式,为环冷机漏风故障的智能化诊断的提供了有效手段;与此同时,本发明提出的环冷机漏风故障在线诊断方法,其在线诊断过程只需要简单的解析式计算,其计算复杂度低,实时性能好,对硬件系统的计算资源和内存资源占用都很低,实施成本低。通过本发明提出的环冷机漏风故障在线诊断方法,可以在缺乏历史经验的情况下通过人工在线教学的方式,逐步建立漏风故障的诊断模型,实现在线诊断,有利于提高冷却过程的稳定性,降低故障率。通过本发明提出的环冷机漏风故障在线诊断方法,还可以及时发现环冷生产中的漏风现象,为降低环冷主抽风机节能降耗和设备检修维护提供关键的检测判别手段。
附图说明
图1为本发明的检测和硬件系统示意图;
图2为本发明的总工作流程图;
图3为本发明的基于频率特征的环冷机离线正常声音建模流程图;
图4为本发明的基于频率特征的环冷机漏风故障在线诊断流程图。
具体实施方式
下面结合说明书附图对本发明做进一步的描述。
实施例1
结合图1和图2,环冷移动台车里是正在冷却的块状物料,台车下部是提供冷却空气的鼓风系统,主要包括环冷风箱和环冷风机等。台车是若干移动式的独立小车拼接而成,所以台车与台车间、风箱和台车间存在间隙和活动连接,这就导致容易在各种不同部位产生漏风现象,且难以通过有效手段进行密封性检测。本实施例提供一种基于频谱特征单边检测法的环冷机漏风故障在线诊断方法。如图所示,在环冷机台车处安装若干声音信号采集器,作为现场传感器为在线故障诊断提供检测信号源;在环冷风机处安装若干声音信号采集器,作为主要干扰源对照信号;所述方法包括如下步骤:
步骤1:收集正常工况下收集台车声音数据和风机声音数据得到台车声音样本和风机声音样本,台车声音样本和风机声音样本按照时间一一对应;
步骤2:利用收集到的台车声音样本和风机声音样本,通过采样和去噪制备成离线正常样本集Xnormal,利用正常样本集建立正常声音模型;
步骤3:实时采集当前台车声音样本和环冷机声音样本,以获得在线声音样本,将在线声音样本的数据与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障库中的漏风声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断环冷机是否发生漏风故障。
结合图3,上述步骤2中利用收集到的台车声音样本和风机声音样本获得正常样本集,利用正常样本集建立正常声音模型的方法包括:
步骤2.1:对获得的正常样本集Xnormal进行时域-频域转换,得到正常工作频谱样本集;
步骤2.2:在正常工作频谱样本集中,利用第一计算公式sij=s1ij-α·s2ij对各对样本进行计算,以从台车声音频谱样本中滤除风机声音强度的影响,得到滤除风机干扰的正常工作频谱样本集;其中,其中i是频段代号,j是样本序号,sij是第j个样本消除风机干扰后的i频段声音强度,s1ij是第j个样本i频段的台车声音强度,s2ij是第j个样本i频段的风机声音强度,α是干扰系数;
步骤2.3:对滤除风机干扰的正常工作频谱样本集,在音频分布范围内均匀选取k个频段,作为环冷机声音特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
步骤2.4:利用获得的环冷机声音特征频率集,计算各特征频率对应的声音强度,设得到特征频率对应的声音强度为Sj={sj1,…,sjk},其中,j为样本的序号,i为特征频率序号,sji为第j个样本的第i个特征对应的声音强度;所有样本的声音强度Sj构成正常样本强度集Xsnormal={S1,…,Sk},其中Si为第i个样本特征频率对应的声音强度;
步骤2.5:利用获得的正常样本强度集构建得到环冷机正常声音模型;具体包括:利用正常样本强度集Xsnormal计算正常样本的质心,作为正常数据的中心点Snormal,样本点构成的超球体半径作为正常状态的空间半径rnormal,最终获得正常声音模型。
结合图4,上述步骤3中判断环冷机是否发生漏风故障的步骤为:
步骤3.1:将获得的在线声音样本进行频谱分析,得到故障特征频率对应的台车声音强度集S1j={s1j1,…,s1jk}和风机声音强度集S2j={s2j1,…,s2jk};其中,j为当前样本的序号,i为特征频率序号,s1ji为当前样本第i个特征对应的台车声音强度,s2ji为当前样本第i个特征对应的风机声音强度,。
步骤3.2:利用公式sij=s1ij-α·s2ij,将风机声音强度从台车声音频谱样本中滤除,获得滤除风机影响的正常声音样本,其中,j为当前样本的序号,i为特征频率序号,s1ji为当前样本第i个特征对应的台车声音强度,s2ji为当前样本第i个特征对应的风机声音强度,α是干扰系数。
再计算滤除风机影响的正常声音样本与正常声音模型间声音强度的相似性测度,具体的,以欧式距离为例,计算滤除风机影响的正常声音样本到质心的距离为Dj=||(Sj-Snormal)||;将滤除风机影响的正常声音样本到质心的距离Dj与超球体半径rnormal进行比较,如果Dj≤rnormal,则将当前滤除风机影响的正常声音样本归类为正常状态,
如果Dj>rnormal,则将当前滤除风机影响的正常声音样本状态归类为异常状态;若滤除风机影响的正常声音样本正常,则确定环冷机没有发生漏风故障;若滤除风机影响的正常声音样本异常,则计算处于异常状态下的滤除风机影响的正常声音样本的声音强度集Sj与环冷机漏风故障状态库中的各故障类型的相似性测度,判断滤除风机影响的正常声音样本的声音强度集是否属于已知的漏风故障类型,若属于,则将滤除风机影响的正常声音样本的声音强度集归类为已知故障类;若不属于,则将滤除风机影响的正常声音样本的声音强度集提交人工进行查验,判断是否发生漏风故障或是否属于漏风故障的子类型,同时更新漏风故障模型。最后通过阈值判定法或者模糊决策法对模型结果进行分析并给出故障诊断意见。
本发明基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,通过声音信号作为检测手段来对环冷机漏风故障进行判断;利用声音的频谱和强度特性,构造了一种环冷机漏风故障的特征表示方法,该特征表示方法,为环冷机漏风故障提供了可监测的依据;本发明通过计算特征频率空间的相似性测度,定义了一种可供数值计算的环冷机漏风故障判据,该判据是环冷机漏风故障自动检测的基础;同时通过决策机制对环冷机漏风故障判据进行诊断的方式,该方式为环冷机漏风故障诊断提供了智能化的判断依据。
以上,仅为本发明的较佳实施例,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所界定的保护范围为准。
Claims (4)
1.一种基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,在环冷机台车处安装若干声音信号采集器,在环冷风机处安装若干声音信号采集器,其特征在于,所述方法包括如下步骤:
步骤1:收集正常工况下收集台车声音数据和风机声音数据得到台车声音样本和风机声音样本,所述台车声音样本和风机声音样本按照时间一一对应;
步骤2:利用收集到的台车声音样本和风机声音样本获得正常样本集,利用正常样本集建立正常声音模型;
步骤3:实时采集当前台车声音样本和环冷机声音样本,以获得在线声音样本,将在线声音数据与正常声音模型进行比较,依据比较结果判断在线声音样本是否异常,如果在线声音样本的数据异常,则将在线声音样本的数据与漏风故障库中的漏风声音模型进行比较,判断在线声音样本是否属于已定义的漏风故障以判断环冷机是否发生漏风故障;
所述的步骤2中利用收集到的台车声音样本和风机声音样本获得正常样本集,利用正常样本集建立正常声音模型的方法包括:
步骤2.1:对获得的正常样本集进行时域-频域转换,得到正常工作频谱样本集;
步骤2.2:在正常工作频谱样本集中,利用计算公式sij=s1ij-α·s2ij对各对样本进行计算,以从台车声音频谱样本中滤除风机声音强度的影响,得到滤除风机干扰的正常工作频谱样本集;其中,i是频段代号,j是样本序号,sij是第j个样本消除风机干扰后的i频段声音强度,s1ij是第j个样本i频段的台车声音强度,s2ij是第j个样本i频段的风机声音强度,α是干扰系数;
步骤2.3:对滤除风机干扰的正常工作频谱样本集,在音频分布范围内均匀选取若干个频段,作为环冷机声音特征频率集;
步骤2.4:利用获得的环冷机声音特征频率集,计算各特征频率对应的声音强度,得到正常样本强度集;
步骤2.5 :利用获得的正常样本强度集构建得到环冷机正常声音模型;
所述步骤3中判断环冷机是否发生漏风故障的步骤为:
步骤3.1:将获得的在线声音样本进行频谱分析,得到故障特征频率对应的台车声音强度集S1j={s1j1,…,s1jk}和风机声音强度集S1j={s1j1,…,s1jk};
步骤3.2:利用公式sij=s1ij-α·s2ij,将风机声音强度从台车声音频谱样本中滤除,获得滤除风机影响的正常声音样本,计算滤除风机影响的正常声音样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断滤除风机影响的正常声音样本是否异常;
若滤除风机影响的正常声音样本正常,则确定环冷机没有发生漏风故障;
若滤除风机影响的正常声音样本异常,则计算处于异常状态下的滤除风机影响的正常声音样本的声音强度集与环冷机漏风故障状态库中的各故障类型的相似性测度,判断滤除风机影响的正常声音样本的声音强度集是否属于已知的漏风故障类型,若属于,则将滤除风机影响的正常声音样本的声音强度集归类为已知故障类;若不属于,则将滤除风机影响的正常声音样本的声音强度集提交人工进行查验,判断是否发生漏风故障或是否属于漏风故障的子类型,同时更新漏风故障模型。
2.根据权利要求1所述的基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,其特征在于,所述方法还包括通过阈值判定法或者模糊决策法对模型结果进行分析并给出故障诊断意见。
3.根据权利要求1所述的基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,其特征在于,所述步骤2.5中利用获得的正常样本强度集构建得到环冷机正常声音模型的方法为:利用正常样本强度集计算正常样本的质心,作为正常数据的中心点,样本点构成的超球体半径作为正常状态的空间半径,最终获得正常声音模型。
4.根据权利要求1所述的基于频谱特征单边检测法的环冷机漏风故障在线诊断方法,其特征在于,所述步骤3.2中计算滤除风机影响的正常声音样本与正常声音模型间声音强度的相似性测度;依据相似性测度判断滤除风机影响的正常声音样本是否异常的方法具体为:计算滤除风机影响的正常声音样本到质心的距离;
将滤除风机影响的正常声音样本到质心的距离与超球体半径进行比较,如果滤除风机影响的正常声音样本到质心的距离小于或等于超球体半径,则将当前状态归类为正常状态,如果滤除风机影响的正常声音样本到质心的距离小大于超球体半径,则将当前状态归类为异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553938.4A CN109029697B (zh) | 2018-05-31 | 2018-05-31 | 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553938.4A CN109029697B (zh) | 2018-05-31 | 2018-05-31 | 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109029697A CN109029697A (zh) | 2018-12-18 |
CN109029697B true CN109029697B (zh) | 2019-12-27 |
Family
ID=64611886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810553938.4A Active CN109029697B (zh) | 2018-05-31 | 2018-05-31 | 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109029697B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
CN117232644B (zh) * | 2023-11-13 | 2024-01-09 | 国网吉林省电力有限公司辽源供电公司 | 一种基于声学原理的变压器声音监测故障诊断方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3201897A1 (de) * | 1982-01-22 | 1983-08-18 | Daimler-Benz Ag, 7000 Stuttgart | Verfahren zur fehlerdiagnose an kraftfahrzeugen und einrichtung zur durchfuehrung des verfahrens |
CN103558029B (zh) * | 2013-10-22 | 2016-06-22 | 重庆建设机电有限责任公司 | 一种发动机异响故障在线诊断系统和诊断方法 |
CN105424395B (zh) * | 2015-12-15 | 2018-05-18 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN106442720B (zh) * | 2016-08-29 | 2019-11-08 | 重庆交通大学 | 一种声振式轨道桥梁健康监测装置、系统及方法 |
CN106650576A (zh) * | 2016-09-22 | 2017-05-10 | 中国矿业大学 | 一种基于噪声特征统计量的矿山设备健康状态判决方法 |
CN107796611B (zh) * | 2017-10-20 | 2020-05-15 | 烟台清能风力发电有限公司 | 一种用于检测风力发电机异常工作的报警系统 |
-
2018
- 2018-05-31 CN CN201810553938.4A patent/CN109029697B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109029697A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A leak detection method for oil pipeline based on Markov feature and two-stage decision scheme | |
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN108956041B (zh) | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 | |
CN111444169A (zh) | 一种变电站电气设备状态监测与诊断系统及方法 | |
CN110716512A (zh) | 一种基于燃煤电站运行数据的环保装备性能预测方法 | |
CN109615121A (zh) | 基于数据驱动支持向量机的高速列车车轴温度预测方法 | |
CN107480698A (zh) | 基于多个监测指标的质量控制方法 | |
CN109029697B (zh) | 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 | |
CN108804796B (zh) | 基于频谱特征的环冷机漏风率检测方法 | |
WO2021258636A1 (zh) | 基于深度分层模糊算法的环保设备识别方法与系统 | |
Sun et al. | Fault diagnosis of mechanical equipment in high energy consumption industries in China: A review | |
CN113987908A (zh) | 基于机器学习方法的天然气管网泄漏预警方法 | |
CN114429152A (zh) | 基于动态指数对抗性自适应的滚动轴承故障诊断方法 | |
CN104536396A (zh) | 一种水泥生料在分解炉内分解过程的软测量建模方法 | |
CN108759479B (zh) | 基于盲源分离单边检测法的烧结机漏风故障在线诊断方法 | |
CN113554298A (zh) | 一种深部地下地铁车站综合评价及智能运维方法 | |
CN207992717U (zh) | 一种水电站闸门在线状态监测系统 | |
CN113112115A (zh) | 一种深部地下地铁车站综合现时评价方法 | |
CN108709426B (zh) | 基于频谱特征双边检测法烧结机漏风故障在线诊断方法 | |
CN108895839B (zh) | 烧结机漏风故障在线诊断方法 | |
CN108627242B (zh) | 基于盲源分离单边检测法的环冷机漏风率检测方法 | |
CN116993166A (zh) | 一种园区安全风险监测方法 | |
CN106372450A (zh) | 基于逐步回归分析的高速列车车轴温度预测方法 | |
CN108984824B (zh) | 环冷机漏风率检测方法 | |
CN109946096B (zh) | 基于模型空间的高速列车风管故障诊断方法 |
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 |