CN109239265B - 监测设备故障检测方法及装置 - Google Patents

监测设备故障检测方法及装置 Download PDF

Info

Publication number
CN109239265B
CN109239265B CN201811058772.5A CN201811058772A CN109239265B CN 109239265 B CN109239265 B CN 109239265B CN 201811058772 A CN201811058772 A CN 201811058772A CN 109239265 B CN109239265 B CN 109239265B
Authority
CN
China
Prior art keywords
monitoring
value
preset
values
monitoring value
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
Application number
CN201811058772.5A
Other languages
English (en)
Other versions
CN109239265A (zh
Inventor
袁宏永
付明
谭琼
苏国锋
朱友平
王鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Urban Lifeline Industry Development Group Anhui Co ltd
Original Assignee
Hefei City Lifeline Engineering Safety Operation Monitoring Center
Hefei Institute for Public Safety Research Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei City Lifeline Engineering Safety Operation Monitoring Center, Hefei Institute for Public Safety Research Tsinghua University filed Critical Hefei City Lifeline Engineering Safety Operation Monitoring Center
Priority to CN201811058772.5A priority Critical patent/CN109239265B/zh
Priority to US16/627,986 priority patent/US11385122B2/en
Priority to SG11201914011RA priority patent/SG11201914011RA/en
Priority to PCT/CN2018/122289 priority patent/WO2020052147A1/zh
Publication of CN109239265A publication Critical patent/CN109239265A/zh
Application granted granted Critical
Publication of CN109239265B publication Critical patent/CN109239265B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/02—Preventing, monitoring, or locating loss
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display by measuring the rate of variation of the concentration
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/187—Machine fault alarms
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/12—Checking intermittently signalling or alarm systems
    • G08B29/14—Checking intermittently signalling or alarm systems checking the detection circuits

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Combustion & Propulsion (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提出一种监测设备故障检测方法及装置，其中，监测设备故障检测方法包括：获取监测设备以预设采样周期所采集的监测数据，并根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率，以得到每个监测值的监测值变化率，并对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，以及确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量，并在判断获知述第一监测值数量大于或者等于第一预设数量阈值时，确定监测设备发生故障。由此，通过分析监测设备的监测数据即可确定监测设备是否发生故障，方便了确定监测设备是否发生故障。

Description

监测设备故障检测方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种监测设备故障检测方法及装置。
背景技术
燃气泄漏监测是保证燃气管线正常运行的必要环节。随着城市燃气地下管网的密集度和运行时间的不断增加，燃气监测设备的布设数量也随之增加，及时发现故障设备并保证燃气管道泄漏报警有效性也因此变得极富挑战性。
相关技术中，通常通过在各个测量点设置燃气监测设备，通过燃气检测设备对燃气指标数据进行检测，并在检测结果超过预设阈值时，发出报警，以提示相关人员该监测设备所检测的燃气指标数据出现异常。然而，在实际应用过程中，有时监测设备本身出现故障时也会引起燃气指标数据发生拨波动，因此，如何确定监测设备是否发生故障对于监测燃气指标数据是十分重要的。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种监测设备故障检测方法，该方法通过分析监测设备的监测数据的变化规律，分析相对于正常数据的变化率较大且变化率较大出现频率高的数据辨别监测设备是否发生故障。由此，通过对监测数据进行分析即可对监测设备状态进行有效、准确的评估和诊断，可提高数据分析的准确性，更好地实现对城市内燃气管线泄漏情况的实时监测。
本发明的第二个目的在于提出一种监测设备故障检测装置。
本发明的第三个目的在于提出一种电子设备。
本发明的第四个目的在于提出一种非暂态计算机可读存储介质。
本发明的第五个目的在于提出一种计算程序。
为实现上述目的，本发明第一方面实施例提出了一种监测设备故障检测方法，包括：获取监测设备以预设采样周期所采集的监测数据，所述监测数据包括多个采样点各自对应的监测值；根据所述预设采样周期，计算每个所述监测值与其各自相邻的下一个监测值之间的监测值变化率；对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值；确定所述监测值变化率大于预设变化率阈值，且所述归一化监测值大于预设监测值阈值的第一监测值数量；判断所述第一监测值数量是否小于第一预设数量阈值；若判断获知所述第一监测值数量大于或者等于第一预设数量阈值，确定所述监测设备发生故障。
本发明实施例的监测设备故障检测方法，获取监测设备以预设采样周期所采集的监测数据，并根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率，以得到每个监测值的监测值变化率，并对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，以及确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量，并在判断获知述第一监测值数量大于或者等于第一预设数量阈值时，确定监测设备发生故障。由此，通过分析监测设备的监测数据即可确定监测设备是否发生故障，方便了确定监测设备是否发生故障。
为实现上述目的，本发明第二方面实施例提出了一种监测设备故障检测装置，包括：第一获取模块，用于获取监测设备以预设采样周期所采集的监测数据，所述监测数据包括多个采样点各自对应的监测值；计算模块，用于根据所述预设采样周期，计算每个所述监测值与其各自相邻的下一个监测值之间的监测值变化率；归一化处理模块，用于对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值；第一确定模块，用于确定所述监测值变化率大于预设变化率阈值，且所述归一化监测值大于预设监测值阈值的第一监测值数量；第一判断模块，用于判断所述第一监测值数量是否小于第一预设数量阈值；第二确定模块，用于若判断获知所述第一监测值数量大于或者等于第一预设数量阈值，确定所述监测设备发生故障。
本发明实施例的监测设备故障检测装置，获取监测设备以预设采样周期所采集的监测数据，并根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率，以得到每个监测值的监测值变化率，并对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，以及确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量，并在判断获知述第一监测值数量大于或者等于第一预设数量阈值时，确定监测设备发生故障。由此，通过分析监测设备的监测数据即可确定监测设备是否发生故障，方便了确定监测设备是否发生故障。
为实现上述目的，本发明第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述第一方面实施例的所述的监测设备故障检测方法。
为实现上述目的，本发明第四方面实施例提出了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行本发明第一方面实施例所述的监测设备故障检测方法。
为实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行监测设备故障检测方法。
本发明附加的方面和优点将在下面的描述中部分给出，部分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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所提供的一种监测设备故障检测方法的流程示意图；
图2为预先确定预设监测值阈值的细化流程示意图；
图3为归一化的正常监测数据的示意图；
图4为归一化的异常监测数据的示意图；
图5为预先确定预设变化率阈值的细化流程示意图；
图6为预先确定第一预设数量阈值的细化流程示意图；
图7为本发明一个具体实施例的监测设备故障检测方法的流程示意图；
图8为本发明实施例所提供的一种监测设备故障检测装置的结构示意图；
图9为本发明实施例所提供的一种监测设备故障检测装置的结构示意图；
图10为本发明实施例所提供的一种监测设备故障检测装置的结构示意图；
图11为本发明实施例所提供的再一种监测设备故障检测装置的结构示意图；
图12为本发明实施例所提供的又一种监测设备故障检测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，实施例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例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的监测设备故障检测方法及装置。
图1为本发明实施例所提供的一种监测设备故障检测方法的流程示意图。
如图1所示，该监测设备故障检测方法包括以下步骤：
步骤101，获取监测设备以预设采样周期所采集的监测数据，监测数据包括多个采样点各自对应的监测值。
其中，需要说明的是，应用场景不同，监测设备需要监测的指标项不同。例如，在环境监测系统中，监测设备对环境中的环境指标值进行检测。又例如，在燃气泄漏监测系统中，监测设备可以为窨井燃气监测设备，该燃气监测设备可以监测甲烷的浓度。
其中，需要说明的是，该实施例对监测设备为窨井燃气监测设备为例进行描述。
其中，监测值的数量影响对监测设备是否发生故障的判断，作为一种示例性的实施方式，为了获得较好的故障检测效果，可获取预设时间长度的监测值。
其中，预设时间长度可以为24小时，这样，通过确定预设时间长度，避免了监测值数量对伪差识别效果的影响，进而，能够获得较好的故障检测效果。
步骤102，根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率。
其中，计算第j个监测值x'j的监测值变化率x'j的公式如下：
Figure BDA0001796516030000041
其中T为预设采样周期；xj+1表示第j+1个监测值；
步骤103，对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值。
由于每天监测数据的振幅的大小不同，不能通过是否超过确定的振幅大小这种方法判定波动幅度。因此，可通过对监测值进行单位化(即对监测值进行归一化处理)，在其当天最大的振幅内确定其相对振幅的大小。
作为一种示例性的实施方式，对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值具体包括：获取所有监测值中的最大监测值和最小监测值；根据最大监测值和最小监测值，分别对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值。
具体而言，在获取多个监测值后，可遍历所有检测值，以统计出最小监测值和最大小监测值。
具体而言，计算第j个监测值x'j的归一化监测值Vj的公式如下：
Figure BDA0001796516030000042
其中，xmin表示最小监测值，xmax表示最大检测值。
步骤104，确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量。
在获取每个监测值的监测值变化率，以及归一化监测值后，针对监测数据中的每个监测值，判断当前监测值的监测值变化率是否大于预设变化率阈值，并判断当前监测值的归一化监测值是否大于预设监测值阈值，并根据所有监测值的判断结果，获取监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量。也就是说，统计出监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的监测值的异常次数。
其中，需要说明的是，针对当前监测值，如果判断出当前监测值的监测值变化率大于预设变化率阈值，且当前监测值的归一化监测值大于预设监测值阈值，则说明当前监测值是异常监测值。其中，预设监测值阈值以及预设变化率阈值均是预先设置的值。
其中，预设监测值阈值以及预设变化率阈值是根据历史正常监测数据和异常监测数据预先确定的。其中，预先确定预设监测值阈值和预设变化率阈值的具体过程将在后续实施例中介绍。
步骤105，判断第一监测值数量是否小于第一预设数量阈值。
其中，第一预设数量阈值是预先设置的检测值异常的数量阈值。
步骤106，若判断获知第一监测值数量大于或者等于第一预设数量阈值，确定监测设备发生故障。
例如，第一预设数量阈值为8，在获取到检测设备某天的监测数据后，如果确定监测数据中监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量为2，即，监测数据的异常此时为两次，此时，可确定监测设备正常。如果确定监测数据中监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量为12，即，监测数据的异常此时为12次，此时，可确定监测设备发生故障。
综上可以看出，该实施例通过分析监测设备的监测数据的变化规律，分析相对于正常数据的变化率较大且变化率较大出现频率高的数据辨别监测设备是否发生故障。由此，通过对监测数据进行分析即可对监测设备状态进行有效、准确的评估和诊断，可提高数据分析的准确性，更好地实现对城市内燃气管线泄漏情况的实时监测。
本发明实施例的监测设备故障检测方法，获取监测设备以预设采样周期所采集的监测数据，并根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率，以得到每个监测值的监测值变化率，并对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，以及确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量，并在判断获知述第一监测值数量大于或者等于第一预设数量阈值时，确定监测设备发生故障。由此，通过分析监测设备的监测数据即可确定监测设备是否发生故障，方便了确定监测设备是否发生故障。
其中，需要理解的是，在根据监测设备确定对应监测设备发生故障时，还可以发送报警提示信息，以使用户根据报警提示信息维修发生故障的监测设备。
其中，需要理解的是，在监测设备为窨井燃气监测设备时，通过对设备故障发出预警，可方便运维人员及时有效的对故障设备进行处理，维持城市内燃气管线泄漏监测系统的正常运行，能够给城市燃气管线运营提供安全运行保障。
基于上述实施例的基础上，通过确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量大于第一预设数量阈值时，可以确定出监测设备出现一种类型的故障，在实际应用中，监测设备可能会出现其他类型的故障。
其中，需要理解的是，在判断监测设备出现其他类型的故障时，监测设备中的监测值的变化规律会有所不同。因此，作为一种示例性的实施方式，在确定监测设备是否发生故障时，该实施例的监测设备故障检测方法还可以包括：
确定监测值变化率等于零的第二监测值数量。
其中，若判断获知第一监测值数量小于第一预设数量阈值，则判断第二监测值数量是否大于或者等于第二预设数量阈值，并判断所有监测值是否均等于零。
若判断获知第二监测值数量大于或者等于第二预设数量阈值，且存在不等于零的监测值，则确定监测设备发生故障。
其中，需要说明的是，如果判断获知第二监测值数量大于或者等于第二预设数量阈值，且存在不等于零的监测值，则说明监测设备对应的监测数据几乎无波动，且存在等于零的监测值，此时，说明监测设备的监测发生故障。
其中，第二预设数量阈值是根据监测值的数量确定的，第二预设数量阈值略小于监测值的数量。
例如，第二预设数量阈值可以为监测值的数量减去3所获得的值。
在本发明的一个实施例中，可通过以下方式预先确定预设监测值阈值，如图2所示，具体过程为：
步骤201，获取历史正常监测数据和历史异常监测数据，其中，历史正常监测数据包括多个正常监测值，历史异常监测数据包括多个异常监测值。
步骤202，对每个正常监测值进行归一化处理，以得到每个正常监测值对应的归一化正常监测值。
步骤203，对每个异常监测值进行归一化处理，以得到每个异常监测值对应的归一化异常监测值。
步骤204，根据所有归一化正常监测值的分布情况和所有归一化异常监测值的分布情况，确定预设监测值阈值。
例如，以某天采集的正常监测数据和异常监测数据为例，假设归一化的正常监测数据的示意图，如图3所示，归一化的异常监测数据的示意图，如图4所示。通过分析归一化的正常监测数据的分布情况和归一化的异常监测数据的分布情况，可确定发现异常数据中变化率大的相邻数据的相对振幅集中在0.4以上；而正常数据的相对振幅多分布在0.4以下，此时，可确定预设检测值阈值为0.4。
基于图2所示的实施例的基础上，历史正常监测数据和历史异常监测数据中监测值之间的采样周期均为预设采样周期，为了预先确定预设变化率阈值，如图5所示，方法还包括：
步骤501，根据预设采样周期，计算每个异常监测值与其各自相邻的下一个异常监测值之间的监测值变化率，以得到每个异常监测值的监测值变化率。
步骤502，获取归一化异常监测值大于预设监测值阈值的多个目标异常监测值，并获取每个目标异常监测值的监测值变化率。
步骤503，根据每个目标异常监测值的监测值变化率，计算目标异常监测值的监测值变化率的均值和标准差。
也就是说，获取异常监测值中相对振幅较大的目标异常监测值，并根据目标异常监测值的监测值变化率，确定出目标异常监测值的监测值变化率的均值和标准差。
其中，计算目标异常监测值的监测值变化率的均值μ公式如下：
Figure BDA0001796516030000071
其中，n表示目标异常监测值的数量，x'1j表示第j个目标异常监测值的监测值变化率。
再求出这些数据的标准差σ，
Figure BDA0001796516030000072
其中，需要说明的是，为了准确确定出预设变化率阈值，可以获取海量的目标异常监测值，以通过海量的目标异常监测值所对应的监测值变化率，确定出预设变化率阈值。
其中，需要理解的是，目标异常监测值的数量最够多时，目标异常监测值所对应的监测值变化率的分布可以看作是正态分布。
步骤504，根据3σ准则、目标异常监测值的监测值变化率的均值和标准差，确定预设变化率阈值。
其中，需要理解的是，目标异常监测值所对应的监测值变化率的分布符合正态分布时，根据3σ准则、目标异常监测值的监测值变化率的均值和标准差，可以确定出目标异常监测值的监测值变化率的全部集中在(μ-3σ,μ+3σ)区间内。因此，根据3σ准则、目标异常监测值的监测值变化率的均值和标准差，可确定预设变化率阈值Δ＝μ-3σ。
例如，由历史数据求得较大波动变化率均值μ＝7.02标准差为σ＝1.77，则根据3σ准则、目标异常监测值的监测值变化率的均值和标准差，可确定出预设变化率阈值可取μ-3σ＝1.71。
Figure BDA0001796516030000081
在本本发明的一个实施例中，通过以下方式预先确定第一预设数量阈值，如图6所示，具体过程为：
步骤601，获取历史统计出现异常监测数据的多个时间周期。
步骤602，根据异常监测数据的多个时间周期，确定异常监测数据时间周期的均值和标准差。
步骤603，根据3σ准则、异常监测数据时间周期的均值和标准差，确定异常监测数据时间周期的临界周期。
步骤604，根据预设的临界周期与第一预设数量阈值之间的计算关系，以及临界周期，确定第一预设数量阈值。
其中，根据临界周期T0计算出第一预设数量阈值N0计算公式如下：
Figure BDA0001796516030000082
其中，floor()为向下取整函数。例如，假设阶段得到临界周期T0＝5.3h，则异常次数阈值确定为N0＝floor(4.5)×2＝8次。
下面结合图7对该实施例的监测设备故障检测方法进行描述，该实施例以甲烷浓度监测数据为例，具体过程如下：
1、读取监测设备指定日期的甲烷浓度监测数据。
其中，监测数据包括多个监测值。
2、对监测数据中的检测值进行遍历，统计出甲烷浓度最大值Xmax和最小值Xmin，并记录当天数据的数量Count。
3、利用原始数据，求出第j个监测值与第j+1个监测值间的变化率x'j，结果保留两位小数，存入浮点型数组。
Figure BDA0001796516030000083
其中，T为采样周期，xj表示第j个监测值，xj+1表示第j+1个监测值。
4、判断第j个监测值与第j+1个监测值间的变化率x'j是否大于预设变化率阈值b，若大于b，则继续判断第j个监测值所对应的归一化检测值
Figure BDA0001796516030000084
是否大于预设监测阈值a。
若第j个监测值所对应的归一化检测值
Figure BDA0001796516030000085
是否大于预设监测阈值a，则第一监测值数量N的数量增加1，然后，继续判断j是否大于或者等于Count-1，若否，继续读取下一个监测值。
若判断出第j个监测值与第j+1个监测值间的变化率x'j小于预设变化率阈值b，则继续判断第j个监测值与第j+1个监测值间的变化率x'j是否等于零，若是，则将第二监测值数量E增加1。
5、在判断出j大于或者等于Count-1时，判断当前第一监测值数量E是否小于第一预设数量阈值N0。若判断获知第一监测值数量E大于或者等于第一预设数量阈值N0，则确定监测设备发生故障。
若当前第一监测值数量E小于第一预设数量阈值N0，则判断E是否大于等于Count-3，若E大于等于Count-3且甲烷浓度数据不恒为0，若是，则确定监测设备发生故障。
若否，继续返回读取指定日期的监测数据。
本发明实施例的监测设备故障检测方法，获取监测设备以预设采样周期所采集的监测数据，并根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率，以得到每个监测值的监测值变化率，并对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，以及确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量，并在判断获知述第一监测值数量大于或者等于第一预设数量阈值时，确定监测设备发生故障。由此，通过分析监测设备的监测数据即可确定监测设备是否发生故障，方便了确定监测设备是否发生故障。
本发明实施例还提出一种监测设备故障检测装置。
图8为本发明实施例所提供的一种监测设备故障检测装置的结构示意图。
如图8所示，该监测设备故障检测装置包括第一获取模块110、计算模块120、归一化处理模块130、第一确定模块140、第一判断模块150和第二确定模块160，其中：
第一获取模块110，用于获取监测设备以预设采样周期所采集的监测数据，监测数据包括多个采样点各自对应的监测值。
计算模块120，用于根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率。
归一化处理模块130，用于对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值。
第一确定模块140，用于确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量。
第一判断模块150，用于判断第一监测值数量是否小于第一预设数量阈值。
第二确定模块160，用于若判断获知第一监测值数量大于或者等于第一预设数量阈值，确定监测设备发生故障。
在本发明的一个实施例中，在图8所示的基础上，如图9所示，该装置还可以包括：
第三确定模块170，用于确定监测值变化率等于零的第二监测值数量。
第二判断模块180，用于若判断获知第一监测值数量小于第一预设数量阈值，则判断第二监测值数量是否大于或者等于第二预设数量阈值，并判断所有监测值是否均等于零。
第三确定模块190，用于若判断获知第二监测值数量大于或者等于第二预设数量阈值，且存在不等于零的监测值，则确定监测设备发生故障。
在本发明的一个实施例中，归一化处理模块130，具体用于：获取所有监测值中的最大监测值和最小监测值；根据最大监测值和最小监测值，分别对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值。
在本发明的一个实施例中，在图8所示的基础上，如图10所示，该装置还可以包括：
第一预设处理模块210，用于获取历史正常监测数据和历史异常监测数据，其中，历史正常监测数据包括多个正常监测值，历史异常监测数据包括多个异常监测值；对每个正常监测值进行归一化处理，以得到每个正常监测值对应的归一化正常监测值；对每个异常监测值进行归一化处理，以得到每个异常监测值对应的归一化异常监测值；根据所有归一化正常监测值的分布情况和所有归一化异常监测值的分布情况，确定预设监测值阈值。
其中，历史正常监测数据和历史异常监测数据中监测值之间的采样周期均为预设采样周期。
在本发明的一个实施例中，在图8所示的基础上，如图11所示，装置还包括：
第二预设处理模块220，用于根据预设采样周期，计算每个异常监测值与其各自相邻的下一个异常监测值之间的监测值变化率，以得到每个异常监测值的监测值变化率；获取归一化异常监测值大于预设监测值阈值的多个目标异常监测值，并获取每个目标异常监测值的监测值变化率；根据每个目标异常监测值的监测值变化率，计算目标异常监测值的监测值变化率的均值和标准差；根据3σ准则、目标异常监测值的监测值变化率的均值和标准差，确定预设变化率阈值。
在本发明的一个实施例中，在图8所示的基础上，如图12所示，该装置还可以包括：
第三预处理模块230，用于获取历史统计出现异常监测数据的多个时间周期；根据异常监测数据的多个时间周期，确定异常监测数据时间周期的均值和标准差；根据3σ准则、异常监测数据时间周期的均值和标准差，确定异常监测数据时间周期的临界周期；根据预设的临界周期与第一预设数量阈值之间的计算关系，以及临界周期，确定第一预设数量阈值。
其中，需要说明的是，前述对监测设备故障检测方法实施例的解释说明也适用于该实施例的监测设备故障检测装置，此处不再赘述。
本发明实施例的监测设备故障检测装置，获取监测设备以预设采样周期所采集的监测数据，并根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率，以得到每个监测值的监测值变化率，并对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，以及确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量，并在判断获知述第一监测值数量大于或者等于第一预设数量阈值时，确定监测设备发生故障。由此，通过分析监测设备的监测数据即可确定监测设备是否发生故障，方便了确定监测设备是否发生故障。
为了实现上述实施例，本发明实施例还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以用于：
获取监测设备以预设采样周期所采集的监测数据，监测数据包括多个采样点各自对应的监测值；
根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率；
对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值；
确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量；
判断第一监测值数量是否小于第一预设数量阈值；
若判断获知第一监测值数量大于或者等于第一预设数量阈值，确定监测设备发生故障。
为了实现上述实施例，本发明实施例还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于：
获取监测设备以预设采样周期所采集的监测数据，监测数据包括多个采样点各自对应的监测值；
根据预设采样周期，计算每个监测值与其各自相邻的下一个监测值之间的监测值变化率；
对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值；
确定监测值变化率大于预设变化率阈值，且归一化监测值大于预设监测值阈值的第一监测值数量；
判断第一监测值数量是否小于第一预设数量阈值；
若判断获知第一监测值数量大于或者等于第一预设数量阈值，确定监测设备发生故障。
本发明公开了一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行监测设备故障检测方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种监测设备故障检测方法，其特征在于，包括：
获取监测设备以预设采样周期所采集的监测数据，所述监测数据包括多个采样点各自对应的监测值；
根据所述预设采样周期，计算每个所述监测值与其各自相邻的下一个监测值之间的监测值变化率；
对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值；
确定所述监测值变化率大于预设变化率阈值，且所述归一化监测值大于预设监测值阈值的第一监测值数量；
判断所述第一监测值数量是否小于第一预设数量阈值；
若判断获知所述第一监测值数量大于或者等于第一预设数量阈值，确定所述监测设备发生故障；
其中，所述根据所述预设采样周期，计算每个所述监测值与其各自相邻的下一个监测值之间的监测值变化率，包括：
针对每个所述监测值，计算所述监测值与其相邻的下一个监测值之差的绝对值；
将所述绝对值除以所述预设采样周期，以得到所述监测值与其相邻的下一个监测值之间的监测值变化率；
还包括：
确定所述监测值变化率等于零的第二监测值数量；
其中，若判断获知所述第一监测值数量小于第一预设数量阈值，则判断所述第二监测值数量是否大于或者等于第二预设数量阈值，并判断所有所述监测值是否均等于零；
若判断获知所述第二监测值数量大于或者等于第二预设数量阈值，且存在不等于零的监测值，则确定所述监测设备发生故障。
2.根据权利要求1所述的方法，其特征在于，所述对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值，包括：
获取所有所述监测值中的最大监测值和最小监测值；
根据所述最大监测值和所述最小监测值，分别对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值。
3.根据权利要求1所述的方法，其特征在于，通过以下方式预先确定所述预设监测值阈值：
获取历史正常监测数据和历史异常监测数据，其中，所述历史正常监测数据包括多个正常监测值，所述历史异常监测数据包括多个异常监测值；
对每个所述正常监测值进行归一化处理，以得到每个所述正常监测值对应的归一化正常监测值；
对每个所述异常监测值进行归一化处理，以得到每个所述异常监测值对应的归一化异常监测值；
根据所有所述归一化正常监测值的分布情况和所有所述归一化异常监测值的分布情况，确定所述预设监测值阈值。
4.根据权利要求3所述的方法，其特征在于，所述历史正常监测数据和历史异常监测数据中监测值之间的采样周期均为所述预设采样周期，所述方法还包括：
根据所述预设采样周期，计算每个所述异常监测值与其各自相邻的下一个异常监测值之间的监测值变化率，以得到每个所述异常监测值的监测值变化率；
获取所述归一化异常监测值大于所述预设监测值阈值的多个目标异常监测值，并获取每个目标异常监测值的监测值变化率；
根据每个目标异常监测值的监测值变化率，计算所述目标异常监测值的监测值变化率的均值和标准差；
根据3σ准则、所述目标异常监测值的监测值变化率的均值和标准差，确定所述预设变化率阈值。
5.根据权利要求1-4任一项所述的方法，其特征在于，通过以下方式确定所述第一预设数量阈值：
获取历史统计出现异常监测数据的多个时间周期；
根据所述异常监测数据的多个时间周期，确定所述异常监测数据时间周期的均值和标准差；
根据3σ准则、所述异常监测数据时间周期的均值和标准差，确定所述异常监测数据时间周期的临界周期；
根据预设的临界周期与第一预设数量阈值之间的计算关系，以及所述临界周期，确定所述第一预设数量阈值。
6.一种监测设备故障检测装置，其特征在于，包括：
第一获取模块，用于获取监测设备以预设采样周期所采集的监测数据，所述监测数据包括多个采样点各自对应的监测值；
计算模块，用于根据所述预设采样周期，计算每个所述监测值与其各自相邻的下一个监测值之间的监测值变化率；
归一化处理模块，用于对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值；
第一确定模块，用于确定所述监测值变化率大于预设变化率阈值，且所述归一化监测值大于预设监测值阈值的第一监测值数量；
第一判断模块，用于判断所述第一监测值数量是否小于第一预设数量阈值；
第二确定模块，用于若判断获知所述第一监测值数量大于或者等于第一预设数量阈值，确定所述监测设备发生故障；
其中，所述计算模块，具体用于：
针对每个所述监测值，计算所述监测值与其相邻的下一个监测值之差的绝对值；
将所述绝对值除以所述预设采样周期，以得到所述监测值与其相邻的下一个监测值之间的监测值变化率；
还包括：
第三确定模块，用于确定所述监测值变化率等于零的第二监测值数量；
第二判断模块，用于若判断获知所述第一监测值数量小于第一预设数量阈值，则判断所述第二监测值数量是否大于或者等于第二预设数量阈值，并判断所有所述监测值是否均等于零；
第三确定模块，用于若判断获知所述第二监测值数量大于或者等于第二预设数量阈值，且存在不等于零的监测值，则确定所述监测设备发生故障。
7.根据权利要求6所述的装置，其特征在于，所述归一化处理模块，具体用于：
获取所有所述监测值中的最大监测值和最小监测值；
根据所述最大监测值和所述最小监测值，分别对每个监测值进行归一化处理，以得到每个监测值对应的归一化监测值。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第一预设处理模块，用于获取历史正常监测数据和历史异常监测数据，其中，所述历史正常监测数据包括多个正常监测值，所述历史异常监测数据包括多个异常监测值；对每个所述正常监测值进行归一化处理，以得到每个所述正常监测值对应的归一化正常监测值；对每个所述异常监测值进行归一化处理，以得到每个所述异常监测值对应的归一化异常监测值；根据所有所述归一化正常监测值的分布情况和所有所述归一化异常监测值的分布情况，确定所述预设监测值阈值。
9.根据权利要求8所述的装置，其特征在于，所述历史正常监测数据和历史异常监测数据中监测值之间的采样周期均为所述预设采样周期，所述装置还包括：
第二预设处理模块，用于根据所述预设采样周期，计算每个所述异常监测值与其各自相邻的下一个异常监测值之间的监测值变化率，以得到每个所述异常监测值的监测值变化率；获取所述归一化异常监测值大于所述预设监测值阈值的多个目标异常监测值，并获取每个目标异常监测值的监测值变化率；根据每个目标异常监测值的监测值变化率，计算所述目标异常监测值的监测值变化率的均值和标准差；根据3σ准则、所述目标异常监测值的监测值变化率的均值和标准差，确定所述预设变化率阈值。
10.根据权利要求7-9任一项所述的装置，其特征在于，所述装置还包括：
第三预处理模块，用于获取历史统计出现异常监测数据的多个时间周期；根据所述异常监测数据的多个时间周期，确定所述异常监测数据时间周期的均值和标准差；根据3σ准则、所述异常监测数据时间周期的均值和标准差，确定所述异常监测数据时间周期的临界周期；根据预设的临界周期与第一预设数量阈值之间的计算关系，以及所述临界周期，确定所述第一预设数量阈值。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1-5任一项所述的监测设备故障检测方法。
12.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5任一项所述的监测设备故障检测方法。
CN201811058772.5A 2018-09-11 2018-09-11 监测设备故障检测方法及装置 Active CN109239265B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811058772.5A CN109239265B (zh) 2018-09-11 2018-09-11 监测设备故障检测方法及装置
US16/627,986 US11385122B2 (en) 2018-09-11 2018-12-20 Method and device for detecting fault of monitoring device
SG11201914011RA SG11201914011RA (en) 2018-09-11 2018-12-20 Method and device for detecting fault of monitoring device
PCT/CN2018/122289 WO2020052147A1 (zh) 2018-09-11 2018-12-20 监测设备故障检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811058772.5A CN109239265B (zh) 2018-09-11 2018-09-11 监测设备故障检测方法及装置

Publications (2)

Publication Number Publication Date
CN109239265A CN109239265A (zh) 2019-01-18
CN109239265B true CN109239265B (zh) 2021-01-22

Family

ID=65060882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811058772.5A Active CN109239265B (zh) 2018-09-11 2018-09-11 监测设备故障检测方法及装置

Country Status (4)

Country Link
US (1) US11385122B2 (zh)
CN (1) CN109239265B (zh)
SG (1) SG11201914011RA (zh)
WO (1) WO2020052147A1 (zh)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112557069A (zh) * 2019-09-25 2021-03-26 北京国双科技有限公司 一种设备振动故障检测方法、装置、系统及存储介质
CN111314801B (zh) * 2020-02-13 2022-01-28 中国铁道科学研究院集团有限公司铁道建筑研究所 一种支持动态调度的数据采集系统及方法
CN111693648B (zh) * 2020-05-27 2022-12-13 寰宇国际地球资讯有限公司 物联网空气品质微型感测资料品质检核方法及其设备
CN112097825A (zh) * 2020-08-05 2020-12-18 包头市国安科技有限公司 环境监测方法和环境监测系统
CN112379211A (zh) * 2020-09-24 2021-02-19 国网吉林省电力有限公司电力科学研究院 输电线路故障区域定位装置的检测方法
CN112131081B (zh) * 2020-09-28 2024-01-02 北京达佳互联信息技术有限公司 一种故障报警参数调整方法、装置、电子设备及存储介质
CN112528227A (zh) * 2020-11-18 2021-03-19 浙江蓝卓工业互联网信息技术有限公司 一种基于数理统计的传感器异常数据识别方法
CN112527544B (zh) * 2020-11-23 2022-04-29 聚好看科技股份有限公司 一种服务器、触发熔断的方法及装置
CN113407371B (zh) * 2020-12-03 2024-05-10 腾讯科技（深圳）有限公司 数据异常监测方法、装置、计算机设备和存储介质
CN112561094A (zh) * 2020-12-21 2021-03-26 交控科技股份有限公司 列车停靠故障分析方法、装置及电子设备
CN112800068B (zh) * 2021-02-22 2023-05-12 首钢京唐钢铁联合有限责任公司 一种能源计量数据自动处理的方法及装置
CN112924193B (zh) * 2021-03-22 2023-08-18 黑龙江惠达科技股份有限公司 测试自动驾驶系统的方法和测试系统
CN113625058A (zh) * 2021-08-13 2021-11-09 云南电网有限责任公司电力科学研究院 一种基于异常点群监测变压器套管的预警方法及系统
CN113993002A (zh) * 2021-09-13 2022-01-28 广州番禺电缆集团有限公司 一种电缆监控数据上报方法及装置
CN114035466B (zh) * 2021-11-05 2022-05-31 肇庆高峰机械科技有限公司 一种双工位磁片排列机的控制系统
CN114200877B (zh) * 2021-11-12 2024-02-27 珠海大横琴科技发展有限公司 一种用电设备的监控方法和装置
CN114254879B (zh) * 2021-11-30 2023-10-20 南方电网数字电网研究院有限公司 多传感器信息融合的电力设备安全诊断方法和装置
CN114221981B (zh) * 2021-12-15 2023-04-07 江苏阜民新材料有限公司 一种基于大数据的储能电站用消防安全应急系统
CN114566878B (zh) * 2022-03-08 2022-11-04 东营金丰正阳科技发展有限公司 一种智能化油田用消防电气控制设备的控制方法
CN114973619B (zh) * 2022-05-27 2023-06-13 北京嘉联优控科技有限公司 工业仪表设备报警管理方法、装置、电子设备和存储介质
CN115242621B (zh) * 2022-07-21 2024-01-02 北京天一恩华科技股份有限公司 网络专线监控方法、装置、设备及计算机可读存储介质
CN115358432B (zh) 2022-10-14 2023-02-07 成都秦川物联网科技股份有限公司 用于智慧燃气的燃气表计量故障确定方法和物联网系统
CN115792386B (zh) * 2023-02-08 2023-05-23 广东采日能源科技有限公司 绝缘检测方法及系统
CN116095305B (zh) * 2023-04-12 2023-08-25 长鑫存储技术有限公司 用于对图像采集系统进行监测的方法、设备及介质
CN116128260B (zh) * 2023-04-18 2023-07-11 山东奥斯瑞特检验检测有限公司 基于数据样本的重点企业环境分析方法
CN116308303B (zh) * 2023-05-22 2023-08-29 天宇正清科技有限公司 基于设备数据的检修计划生成方法、装置、设备和介质
CN116739424A (zh) * 2023-06-16 2023-09-12 安徽皓峰生态农业科技有限公司 一种适用于天麻加工产线的设备运维管理系统
CN116840600B (zh) * 2023-07-05 2024-01-16 河北久维电子科技有限公司 设备异常告警方法及变电站辅助系统综合监控联动平台
CN116909226B (zh) * 2023-07-14 2024-03-12 湖南新世纪陶瓷有限公司 用于控制陶瓷表面处理设备的方法和系统
CN116955455B (zh) * 2023-07-21 2024-01-16 上海策溯科技有限公司 适用于辐射监测系统的处理方法及平台
CN116701983B (zh) * 2023-08-03 2023-10-20 青岛冠成软件有限公司 一种冷链物流实时监测数据处理方法及系统
CN116860563B (zh) * 2023-09-05 2023-12-15 山东捷瑞数字科技股份有限公司 一种基于云平台的数据库服务器监测方法和系统
CN116882595B (zh) * 2023-09-06 2024-01-30 睿至科技集团有限公司 一种变电站综合性能预测方法及系统
CN116884517B (zh) * 2023-09-06 2023-12-22 合肥金星智控科技股份有限公司 在线检测设备及其显示方法、装置、介质
CN117273221B (zh) * 2023-09-21 2024-06-07 中节能数字科技有限公司 基于邻间断面特征分析的河段异常排放预警方法及装置
CN117522619A (zh) * 2023-10-30 2024-02-06 江苏金卫机械设备有限公司 一种基于大数据的工业设备数据管理系统及方法
CN117146384B (zh) * 2023-10-30 2024-01-30 深圳市宇隆伟业科技有限公司 基于数据驱动的空调运行状态监测方法
CN117213894B (zh) * 2023-11-08 2024-01-26 青岛船研深海技术有限公司 一种海洋工程装备运行异常监测系统
CN117648232B (zh) * 2023-12-11 2024-05-24 武汉天宝莱信息技术有限公司 一种应用程序数据监控方法、装置及存储介质
CN117454096B (zh) * 2023-12-25 2024-03-01 西安高商智能科技有限责任公司 一种电机生产质量检测方法及系统
CN117493787B (zh) * 2024-01-02 2024-03-15 山东力威液压技术有限公司 基于压力流量关联分析的液压阀运行数据异常预警方法
CN117874687B (zh) * 2024-03-12 2024-05-31 深圳市格瑞邦科技有限公司 一种工业平板电脑的数据交互方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103569817A (zh) * 2013-11-08 2014-02-12 广州日滨科技发展有限公司 一种电梯称重系统故障检测方法
CN104075751A (zh) * 2013-03-26 2014-10-01 北京百度网讯科技有限公司 互联网数据中心的温湿度预警方法及装置
CN104778111A (zh) * 2014-01-14 2015-07-15 深圳市腾讯计算机系统有限公司 一种进行报警的方法和装置
CN105301453A (zh) * 2015-08-14 2016-02-03 许继集团有限公司 一种局部放电在线监测预警方法
CN106649755A (zh) * 2016-12-26 2017-05-10 山东鲁能软件技术有限公司 一种多维度实时变电设备数据的阈值自适应设置异常检测方法
CN107426019A (zh) * 2017-07-06 2017-12-01 国家电网公司 网络故障确定方法、计算机设备及计算机可读存储介质
CN107995049A (zh) * 2017-12-25 2018-05-04 广州供电局有限公司 电力安全区跨区同步故障监测方法、装置和系统
CN108228862A (zh) * 2018-01-12 2018-06-29 上海市建筑科学研究院 一种能耗监测平台的异常数据处理方法及系统
CN108491861A (zh) * 2018-02-24 2018-09-04 全球能源互联网研究院有限公司 基于多源多参量融合的输变电设备状态异常模式识别方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006153601A (ja) 2004-11-29 2006-06-15 Honda Motor Co Ltd ガスセンサの故障検出装置およびガスセンサの故障検出方法
CN104142680B (zh) 2014-05-09 2017-05-24 东南大学 一种基于鲁棒输入训练神经网络的多传感器故障诊断系统及方法
US11455590B2 (en) * 2014-10-09 2022-09-27 Splunk Inc. Service monitoring adaptation for maintenance downtime
CN105403705B (zh) 2015-12-05 2017-04-12 浙江大学 一种包含血糖分类功能故障检测模块的连续血糖监测设备
CN105467975B (zh) 2015-12-29 2018-08-03 山东鲁能软件技术有限公司 一种设备故障诊断方法
CN105894027B (zh) 2016-03-31 2019-06-14 华北电力科学研究院有限责任公司 基于密度聚类的主元关联度传感器故障检测方法及装置
CN107368058B (zh) 2017-07-19 2020-06-16 北京上格云技术有限公司 一种用于设备的故障监测方法、设备和计算机可读介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104075751A (zh) * 2013-03-26 2014-10-01 北京百度网讯科技有限公司 互联网数据中心的温湿度预警方法及装置
CN103569817A (zh) * 2013-11-08 2014-02-12 广州日滨科技发展有限公司 一种电梯称重系统故障检测方法
CN104778111A (zh) * 2014-01-14 2015-07-15 深圳市腾讯计算机系统有限公司 一种进行报警的方法和装置
CN105301453A (zh) * 2015-08-14 2016-02-03 许继集团有限公司 一种局部放电在线监测预警方法
CN106649755A (zh) * 2016-12-26 2017-05-10 山东鲁能软件技术有限公司 一种多维度实时变电设备数据的阈值自适应设置异常检测方法
CN107426019A (zh) * 2017-07-06 2017-12-01 国家电网公司 网络故障确定方法、计算机设备及计算机可读存储介质
CN107995049A (zh) * 2017-12-25 2018-05-04 广州供电局有限公司 电力安全区跨区同步故障监测方法、装置和系统
CN108228862A (zh) * 2018-01-12 2018-06-29 上海市建筑科学研究院 一种能耗监测平台的异常数据处理方法及系统
CN108491861A (zh) * 2018-02-24 2018-09-04 全球能源互联网研究院有限公司 基于多源多参量融合的输变电设备状态异常模式识别方法及装置

Also Published As

Publication number Publication date
US11385122B2 (en) 2022-07-12
CN109239265A (zh) 2019-01-18
US20210293651A1 (en) 2021-09-23
SG11201914011RA (en) 2020-04-29
WO2020052147A1 (zh) 2020-03-19

Similar Documents

Publication Publication Date Title
CN109239265B (zh) 监测设备故障检测方法及装置
CN109186813B (zh) 一种温度传感器自检装置及方法
CN105247379B (zh) 用于不间断电源电池监测和数据分析的系统和方法
US20120310597A1 (en) Failure cause diagnosis system and method
US20170161963A1 (en) Method of identifying anomalies
US11480948B2 (en) Monitoring target selecting device, monitoring target selecting method, and program
EP2581753A1 (en) Systems and methods for monitoring electrical contacts
CN107391335B (zh) 一种用于检查集群健康状态的方法和设备
US7949497B2 (en) Machine condition monitoring using discontinuity detection
JP6164311B1 (ja) 情報処理装置、情報処理方法、及び、プログラム
CN103797347A (zh) 用于监视涡轮喷气发动机引擎的测量链的系统
KR20220132824A (ko) 배전설비 상태 이상 개소 감시 시스템 및 방법
CN117330948A (zh) 一种断路器机械特性在线监测方法及系统
JP2022084435A5 (zh)
EP4068027A1 (en) Health assessment of a mechanical system
KR102351538B1 (ko) 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법
CN116878728B (zh) 一种压力传感器故障检测分析处理系统
CN112485000B (zh) 基于振动趋势信息的机器故障预测
KR102303406B1 (ko) 산업설비의 이상유무 진단장치 및 방법
KR20240058667A (ko) 선박의 엔진 이상 감지 및 예측 시스템과 방법
CN114924171A (zh) 一种电缆绝缘性能故障预警装置及方法
JP2008020430A (ja) 周期運動体の状態監視方法、状態監視システム、状態監視プログラム
CN116815189A (zh) 油气管道阴极保护系统的故障诊断方法、装置及电子设备
KR20200080798A (ko) 가중 거리 자기 연상 양방향 커널 회귀를 이용한 온라인 신호 데이터 검증 장치 및 방법

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
TR01 Transfer of patent right

Effective date of registration: 20220822

Address after: 100000 Tsinghua Garden, Haidian District, Beijing

Patentee after: TSINGHUA University

Patentee after: HEFEI INSTITUTE FOR PUBLIC SAFETY RESEARCH, TSINGHUA University

Patentee after: HEFEI CITY LIFELINE ENGINEERING SAFETY OPERATION MONITORING CENTER

Address before: Room 2108, 398 feicui Road, Hefei Economic and Technological Development Zone, Anhui 230000

Patentee before: HEFEI INSTITUTE FOR PUBLIC SAFETY RESEARCH, TSINGHUA University

Patentee before: HEFEI CITY LIFELINE ENGINEERING SAFETY OPERATION MONITORING CENTER

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230607

Address after: 230000 Hefei Institute of public security, Tsinghua University, No. 5999, Xiyou Road, economic and Technological Development Zone, Hefei, Anhui Province

Patentee after: Urban Lifeline Industry Development Group (Anhui) Co.,Ltd.

Address before: 100000 Tsinghua Garden, Haidian District, Beijing

Patentee before: TSINGHUA University

Patentee before: HEFEI INSTITUTE FOR PUBLIC SAFETY RESEARCH, TSINGHUA University

Patentee before: HEFEI CITY LIFELINE ENGINEERING SAFETY OPERATION MONITORING CENTER

TR01 Transfer of patent right