CN109284908A - 一种工业设备风险分析方法、系统及相关设备 - Google Patents
一种工业设备风险分析方法、系统及相关设备 Download PDFInfo
- Publication number
- CN109284908A CN109284908A CN201811023043.6A CN201811023043A CN109284908A CN 109284908 A CN109284908 A CN 109284908A CN 201811023043 A CN201811023043 A CN 201811023043A CN 109284908 A CN109284908 A CN 109284908A
- Authority
- CN
- China
- Prior art keywords
- value
- industrial equipment
- integrated risk
- risk
- integrated
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种工业设备风险分析方法、系统及相关设备,用于结合一个或多个参数指标综合预测工业设备的综合风险值及风险发生的概率。本发明实施例方法包括:获取工业设备各个参数对应的历史采样值;根据各个参数的历史采样值计算所述工业设备各个历史时刻对应的综合风险值;根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;根据所述综合风险值预测函数计算所述工业设备未来周期对应的综合风险预测值。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种工业设备风险分析方法、系统及相关设备。
背景技术
对于工业设备来说,安全生产是很重要的一部分,提前预知设备运行是否正常,是否会发生异常和故障,或者说发生异常和故障的概率有多大,进行“预测性维护”就尤为重要。其中,风险评估是所谓“预测性维护”的重头戏。
工业对象(设备)的故障,通常情况下是由设备的诊断机制来判别的,一般来说,这个判断是“硬判断”,设备的关键组件都有一组(一个或多个)正常运行的关键指标,一旦被诊断到有悖于这些关键指标的情况,既被判定为故障。但是,这些关键指标往往却并不代表这个组件运行本身的状态,关键指标未出现异常,并不能代表设备不存在故障,或不能说明设备不存在故障风险。
有鉴于此,有必要提出一种新的方法来诊断设备发生故障的风险及风险评估。
发明内容
本发明实施例提供了一种工业设备风险分析方法、系统及相关设备,用于结合多个参数指标综合预测工业设备的综合风险值及风险发生的概率。
本申请实施例第一方面提供了一种工业设备风险分析方法,其特征在于,包括:
获取工业设备各个参数对应的历史采样值;
根据各个参数的历史采样值计算所述工业设备各个历史时刻对应的综合风险值;
根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
根据所述综合风险值预测函数计算所述工业设备未来周期对应的综合风险预测值。
可选的,作为一种可能的实施方式,本申请实施例中,设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值,其特征在于,所述根据各个参数对应的历史采样值中的最大值及历史采样值按照预置的公式计算所述工业设备各个历史时刻对应的综合风险值,包括:
根据公式计算所述工业设备对应的综合上界值;
根据公式计算所述工业设备各个历史时刻对应的综合风险值。
可选的,作为一种可能的实施方式,本申请实施例中,所述根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数,包括:
根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值;
根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数。
可选的,作为一种可能的实施方式,本申请实施例中的工业设备风险分析方法还包括:
根据公式计算所述工业设备对应的综合下界值;
根据公式L=Bu-Bd计算所述工业设备对应的综合风险值垂直波动范围;
根据公式计算各个未来周期对应的风险影响角;
根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过所述综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过所述综合风险值垂直波动范围;
统计所述工业设备在各个历史时刻中综合风险值超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率P(B|A);
统计所述工业设备在各个历史时刻中综合风险值没有超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率
根据公式计算所述工业设备对应的综合波动值;
根据公式计算所述工业设备各个未来周期对应的风险发生的概率,其中P(A)=2D/(πL),
可选的,作为一种可能的实施方式,本申请实施例中的工业设备风险分析方法还包括:
根据所述工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;
和/或,根据所述工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。
本申请第二方面提供了一种工业设备风险分析系统,其特征在于,包括:
获取模块,用于获取工业设备各个参数对应的历史采样值;
第一计算模块,用于根据各个参数的历史采样值计算所述工业设备各个历史时刻对应的综合风险值;
第二计算模块,用于根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
第三计算模块,用于根据所述综合风险值预测函数计算所述工业设备未来周期对应的综合风险预测值。
设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值。可选的,作为一种可能的实施方式,本申请实施例中的第一计算模块包括:
第一计算单元,用于根据公式计算所述工业设备对应的综合上界值;
第二计算单元,用于根据公式计算所述工业设备各个历史时刻对应的综合风险值。
可选的,作为一种可能的实施方式,本申请实施例中的第二计算模块,包括:
第三计算单元,用于根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值;
第四计算单元,用于根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数。
可选的,作为一种可能的实施方式,本申请实施例中的工业设备风险分析还包括:
第四计算模块,用于根据公式计算所述工业设备对应的综合下界值;
第五计算模块,用于根据公式L=Bu-Bd计算所述工业设备对应的综合风险值垂直波动范围;
第六计算模块,根据公式计算各个未来周期对应的风险影响角;
判断模块,用于根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过所述综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过所述综合风险值垂直波动范围;
第一统计模块,用于统计所述工业设备在各个历史时刻中综合风险值超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率P(B|A);
第二统计模块,用于统计所述工业设备在各个历史时刻中综合风险值没有超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率
第七计算模块,用于根据公式计算所述工业设备对应的综合波动值;
第八计算模块,用于根据公式计算所述工业设备各个未来周期对应的风险发生的概率,其中P(A)=2D/(πL),
可选的,作为一种可能的实施方式,本申请实施例中的工业设备风险分析还包括:
第一绘制模块,用于根据所述工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;
第二绘制模块,用于根据所述工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。
本申请实施例第三方面提供了一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如第一方面及第一方面中任意一种可能的实施方式中的步骤。
本申请实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如第一方面及第一方面中任意一种可能的实施方式中的步骤。
从以上技术方案可以看出,本发明实施例具有以下优点:
本申请实施例中,系统可以根据一个或多个参数的历史采样值中的最大值及历史采样值计算工业设备各个历史时刻对应的综合风险值。然后,根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数。最后根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。本申请实施例中,结合多个参数指标综合预测工业设备的综合风险值,但对于现有方案中采用硬判断风险的方式,本申请实施例的可以风险评估更加全面,可靠性高。
附图说明
图1为本发明实施例中一种工业设备风险分析方法的一个实施例示意图;
图2为布丰投针实验的一个实施例示意图;
图3为本发明实施例中一种工业设备风险分析方法的另一个实施例示意图;
图4为本发明实施例中一种工业设备风险分析系统的一个实施例示意图;
图5为本发明实施例中一种工业设备风险分析系统的另一个实施例示意图;
图6为本发明实施例中一种工业设备风险分析系统的另一个实施例示意图;
图7为本发明实施例中一种工业设备风险分析系统的另一个实施例示意图;
图8为本发明实施例中一种计算机装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种工业设备风险分析方法、系统及相关设备,用于结合多个参数指标综合预测工业设备的综合风险值及风险发生的概率。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解,下面对本发明实施例中的具体流程进行描述,请参阅图1,本发明实施例中一种工业设备风险分析方法的一个实施例可包括:
101、获取工业设备各个参数对应的历史采样值。
本申请实施例中,工业设备风险分析系统可以周期性的采集工业设备的各个参数值。当需要对工业设备的风险进行综合评估时,可以根据工业设备各个参数对应的历史采样值,确定各个参数对应的取值范围。例如,设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值。
102、根据各个参数的历史采样值计算工业设备各个历史时刻对应的综合风险值。
本申请实施例中,可以根据用户的设置选择各个参数指标计算设备的综合风险值。具体的,可以根据各个参数当前值的均方和的平均值与一个能反映参数波动的均衡因子式求和得到一个数值,以该数值作为工业设备各个历史时刻对应的综合风险值,具体的均衡因子式可以根据用户的需求及实际工业设备的运行环境进行合理的设置,具体此处不做限定。
可选的,作为一种可能的实施方式,本申请实施例中根据各个参数对应的历史采样值中的最大值及历史采样值按照预置的公式计算工业设备各个历史时刻对应的综合风险值,包括:
根据公式计算工业设备对应的综合上界值;
根据公式计算工业设备各个历史时刻对应的综合风险值。
可以理解的是,上述实施例仅仅是示例性的,实际运用中还可以根据各个参数当前值的平均值与一个能反映参数波动的均衡因子式求和得到各个历史时刻对应的综合风险值,具体的均衡因子式还可以是各个时刻历史采样值的方差,具体此处不做限定。
103、根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数。
在计算出工业设备各个历史时刻对应的综合风险值之后,本申请实施例中,还可以根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数。具体的可以根据实际情况拟合计算得到线性函数或二次函数作为综合风险值预测函数,具体此处不做限定。
可选的,作为一种可能的实施方式,本申请实施例中,优选的,首先根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值。然后,根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数,该函数以时间为因变量,以综合风险值为结果,假设以V(t)表示。
具体的区间[Omin,Omax]映射到区间[Nmin,Nmax],即[Omin,Omax]→[Nmin,Nmax]过程中,映射公式可以参照N(x,y)=((Nmax-Nmin)/(Omax-Omin))×[O(x,y)-Omin]+Nmin,具体的区间映射原理为现有技术,此处不做赘述。
104、根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。
在得到综合风险值预测函数V(t)之后,可以根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。基于工业设备未来周期对应的综合风险预测值可以为用户控制工业设备及规避风险提供参照,对提高生产效率具有积极的影响。
本申请实施例中,系统可以根据多个参数的历史采样值中的最大值及历史采样值计算工业设备各个历史时刻对应的综合风险值。然后,根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数。最后根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。本申请实施例中,结合多个参数指标综合预测工业设备的综合风险值,但对于现有方案中采用单一参数判断风险的方式,本申请实施例的风险评估更加全面,可靠性高。
通常设备的参数(电流、电压,温度、压力,….)一般都有一个明确的阈值(或者额定值)作为限制。通常来说,即便设备某个数据非常接近阈值,甚至超过阈值,但是设备并没有发生故障还在正常运行;有时候感觉设备参数离阈值还差一大截,可是就出现问题。那这究竟是为什么呢?我们用布丰实验就能看明白了。如图2所示,布丰投针试验:假如有一根火柴(针)长度是1,在一张大的纸上画上很多平行线,间距是2,我们随机把火柴散落到这张纸上,火柴落到这些平行线上(与平行线有交叉)的概率是多少?
我们选择火柴(AB)的中间点(O),假设它与其中一条平行线的距离是d。经过O点我们画一条虚线与水平线平行,火柴与这条虚线的夹角是θ。那么,B点到虚线的距离X=1/2sinθ。那么,很显然,如果火柴落到平行线上(与平行线有交叉)的条件一定是d≤X,也就是d≤1/2sinθ。我们把它写成一个函数的话,就是X=1/2sinθ,θ的角度范围是从0~π/2(90°),而d的范围是0~1。我们把它画出一条曲线的话,就是下面这样的。d≤X的部分,就是下面曲线下面阴影的部分。那么,之前我们说过的计算概率的方法,d≤X的概率Ω/(d≤X)。在0~π/2区间内d的范围是0~1,总面积为Ω=π/2×1=π/2,而d≤X)的面积,就是函数X=1/2sinθ在0~π/2上的积分。所以,这个概率为也就是说,假设我们用N=314根火柴进行试验的话,落在平行线上的火柴数量M应该大约是100根左右,这个我们之前说过的,M/N=P(X≥d)=1/π。
通常设备的参数(电流、电压,温度、压力,….)一般都有一个明确的阈值(或者额定值)作为限制,这些界限就是平行线。我们把限制界限抽象出来,它就是限定值。针的中心点,就是设备参数实际的数值;针的角度就是这个数据的波动范围;针与平行线的夹角叫“影响系数角”,或者叫“关联系数角”。上下限这个就是安全范围,一个参数实际的数值会在一个范围里面波动,这根针的中一点,就是参数的实际值。即便这根针的中心点很接近平行线,或者已经超过平行线,但如果这根针的“影响系角”很小,照样与平行线不交叉;有时候,这根针的中心点离平行线还远着呢,但是由于影响系数角大,就出现于平行线交叉。
基于上述分析,先建立几个重要的基本假设:
①我们把平行线当做是触发某个(异常)现象的“界限”;
②平行线之间的距离,就是设备可能的运行范围;
③针的中心,就是当前的实际运行状态(数据);
④针的长度,就是运行状态(数据)实际的波动幅度和范围;
⑤针与平行线的夹角,就是当前实际运行状态中,实际受到的关联作用和影响;
⑥如果针与平行线不相交,我们认为没有出现这个(异常)现象的可能性很低;
⑦如果针与平行线相交,我们认为出现这个(异常)现象的可能性很高。
基于上述假设,在上述图1所示的实施例的基础上,本申请实施例在得到工业设备未来多个周期的综合风险值之后,可以对工业设备未来各个周期内发生风险的概率进行计算,请参阅图3,本申请实施例中一种工业设备风险分析方法的另一个实施例可包括:
301、获取工业设备各个参数对应的历史采样值。
302、根据各个参数的历史采样值计算工业设备各个历史时刻对应的综合风险值。
303、根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数。
304、根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。
本申请实施例中的步骤301至304中描述的内容与上述图1所示的实施例中的步骤101至104中描述的内容类似,具体请参阅步骤101至104,此处不做赘述。
305、根据公式计算工业设备对应的综合下界值。
本申请实施例中以公式计算工业设备对应的综合下界值,其中N为选取的参数的个数,结合综合下界值Bu即可划分风险边界。
306、根据公式L=Bu-Bd计算工业设备对应的综合风险值垂直波动范围。
本申请实施例中可以结合综合下界值Bd及综合上界值Bu,以公式L=Bu-Bd计算工业设备对应的综合风险值垂直波动范围,并以此判断各个综合风险预测值是否与风险边界有交叉。
307、根据公式计算各个未来周期对应的风险影响角。
基于上述布丰投针实验的启示,本申请实施例中以sinθ作为其他因素对综合风险预测值的影响程度,其中θ为风险影响角,其计算公式可以参照
308、根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过综合风险值垂直波动范围。
我们把事件A作为针与平行线交叉,把事件B发生某个(异常)现象。那么,根据贝叶斯定理:我们即可计算出风险发生的概率值。
在计算风险发生的概率值之前,需要根据历史数据统计求得P(B|A)及在此之前,需要根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过综合风险值垂直波动范围,若公式成立,则当前时刻对应的综合风险值与风险边界存在交叉,则对应未来周期的综合风险预测值超过综合风险值垂直波动范围。
309、统计工业设备在各个历史时刻中综合风险值超过综合风险值垂直波动范围,且工业设备发生风险的概率P(B|A)。
本申请实施例中可以统计各个历史时刻的综合风险值中,综合风险值超过综合风险值垂直波动范围,且工业设备发生风险的历史时刻的个数m,以m除以总的历史时刻的个数即可计算出P(B|A),即工业设备在各个历史时刻中综合风险值超过综合风险值垂直波动范围,且工业设备发生风险的概率。
示例性的,获取预置数量的历史时刻的历史数据,例如300个历史时刻,可按如下表1所示的方式将对应的数据分为六类,分别为x_1、x_2、x_3、y_1、y_2、y_3,分别统计六类数据对应的个数。
表1
其中的各个类型的数据的个数分别为5、25、260、10。对于历史时刻的风险发生的概率值是可以计算得到的,是否发生过风险,也是有记录的。可以基于公式分别计算P(B|A)、及
可以理解的是,每次计算都是取该时刻之前预置数量(例如300个)历史数据对上述两个量进行统计,由于每次取的历史数据不是完全相同,所以对于两个相邻的计算时刻,这两个P(B|A)、及值不是固定的常数,是有可能会变化的,只是变化幅度比较小。
310、统计工业设备在各个历史时刻中综合风险值没有超过综合风险值垂直波动范围,且工业设备发生风险的概率
311、根据公式计算工业设备对应的综合波动值。
本申请实施例中,优选的,可以依据公式计算工业设备对应的综合波动值,其中Ti,max为各参数相邻时刻的波动值(取绝对值)的最大值其计算公式为
可以理解的是上述步骤中工业设备对应的综合波动值的公式仅是优选方案,具体的工业设备对应的综合波动值还可以以各参数相邻时刻的波动值的平均值进行计算,具体此处不做限定。
312、根据公式计算工业设备各个未来周期对应的风险发生的概率。
本申请实施例中,在获取到P(B|A)及之后,可以根据公式P(A)=2D/(πL)、分别计算各个综合风险预测值与风险边界交叉的概率P(A)及不交叉的概率最后根据公式计算工业设备各个未来周期对应的风险发生的概率。
本申请实施例中,系统可以根据多个参数的历史采样值中的最大值及历史采样值计算工业设备各个历史时刻对应的综合风险值。然后,根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数。最后根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。本申请实施例中,结合多个参数指标综合预测工业设备的综合风险值,但对于现有方案中采用单一参数判断风险的方式,本申请实施例的风险评估更加全面,可靠性高。
其次,本实施例中结合历史时刻对应的综合风险值及历史时刻风险发生的次数,基于贝叶斯定理计算出各个未来周期的综合风险预测值对应的风险发生的概率,可以从概率学角度为用户合理控制工业设备提供参照,及时避免可能的风险。
在上述图1及图3所示的实施例的基础上,本申请实施例中还可以根据工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;和/或,根据工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。具体的曲线图的绘制过程为现有技术,此处不做赘述。
可以理解的是,在本发明的各种实施例中,上述各步骤的序号的大小并不意味着执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上述实施例对本申请实施例中的工业设备风险分析方法进行了描述,下面将对本申请实施例中的工业设备风险分析系统进行描述,请参阅图4,本申请实施例中的一种工业设备风险分析系统的一个实施例包括:
获取模块401,用于获取工业设备各个参数对应的历史采样值;
第一计算模块402,用于根据各个参数的历史采样值计算工业设备各个历史时刻对应的综合风险值;
第二计算模块403,用于根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
第三计算模块404,用于根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。
可选的,作为一种可能的实施方式,设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值,请参阅图5,本申请实施例中第一计算模块402还可以包括:
第一计算单元4021,用于根据公式计算工业设备对应的综合上界值;
第二计算单元4022,根据公式计算工业设备各个历史时刻对应的综合风险值。
可选的,作为一种可能的实施方式,请参阅图6,本申请实施例中第二计算模块403,包括:
第三计算单元4031,用于根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值;
第四计算单元4032,用于根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数。
可选的,作为一种可能的实施方式,请参阅图7,本申请实施例中工业设备风险分析系统还包括:
第四计算模块405,用于根据公式计算工业设备对应的综合下界值;
第五计算模块406,用于根据公式L=Bu-Bd计算工业设备对应的综合风险值垂直波动范围;
第六计算模块407,用于根据预置公式计算各个未来周期对应的风险影响角;
判断模块408,用于根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过综合风险值垂直波动范围;
第一统计模块409,用于统计工业设备在各个历史时刻中综合风险值超过综合风险值垂直波动范围,且工业设备发生风险的概率P(B|A);
第二统计模块410,用于统计工业设备在各个历史时刻中综合风险值没有超过综合风险值垂直波动范围,且工业设备发生风险的概率
第七计算模块411,用于根据公式计算工业设备对应的综合波动值;
第八计算模块412,用于根据公式计算工业设备各个未来周期对应的风险发生的概率,其中P(A)=2D/(πL),
可选的,作为一种可能的实施方式,请参阅图7,本申请实施例中工业设备风险分析系统还包括:
第一绘制模块413,用于根据工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;
第二绘制模块414,用于根据工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。
上面从模块化功能实体的角度对本申请实施例中的工业设备风险分析系统进行了描述,下面从硬件处理的角度对本申请实施例中的计算机装置进行描述:
本申请实施例还提供了一种计算机装置8,如图8所示,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该计算机装置8一般指服务器等处理能力较强的计算机设备。
参考图8,计算机装置8包括:电源801、存储器802、处理器803、有线或无线网络接口804以及存储在存储器中并可在处理器上运行的计算机程序。处理器执行计算机程序时实现上述各个工业物联网数据分析方法的实施例中的步骤,例如图1所示的步骤101至106。或者,处理器执行计算机程序时实现上述各装置实施例中各模块或单元的功能。
本申请的一些实施例中,处理器具体用于实现如下步骤:
获取工业设备各个参数对应的历史采样值;
根据各个参数的历史采样值计算工业设备各个历史时刻对应的综合风险值;
根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。
设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值。可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据公式计算工业设备对应的综合上界值;
根据公式计算工业设备各个历史时刻对应的综合风险值。
可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值;
根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数。
可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据公式计算工业设备对应的综合下界值;
根据公式L=Bu-Bd计算工业设备对应的综合风险值垂直波动范围;
根据公式计算各个未来周期对应的风险影响角;
根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过综合风险值垂直波动范围;
统计工业设备在各个历史时刻中综合风险值超过综合风险值垂直波动范围,且工业设备发生风险的概率P(B|A);
统计工业设备在各个历史时刻中综合风险值没有超过综合风险值垂直波动范围,且工业设备发生风险的概率
根据公式计算工业设备对应的综合波动值;
根据公式计算工业设备各个未来周期对应的风险发生的概率,其中P(A)=2D/(πL),
可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;
和/或,根据工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。
计算机装置8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器中,并由处理器执行。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
本领域技术人员可以理解,图8中示出的结构并不构成对计算机装置8的限定,计算机装置8可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,例如计算机装置还可以包括输入输出设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,可以实现如下步骤:
获取工业设备各个参数对应的历史采样值;
根据各个参数的历史采样值计算工业设备各个历史时刻对应的综合风险值;
根据工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
根据综合风险值预测函数计算工业设备未来周期对应的综合风险预测值。
设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值。可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据公式计算工业设备对应的综合上界值;
根据公式计算工业设备各个历史时刻对应的综合风险值。
可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值;
根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数。
可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据公式计算工业设备对应的综合下界值;
根据公式L=Bu-Bd计算工业设备对应的综合风险值垂直波动范围;
根据公式计算各个未来周期对应的风险影响角;
根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过综合风险值垂直波动范围;
统计工业设备在各个历史时刻中综合风险值超过综合风险值垂直波动范围,且工业设备发生风险的概率P(B|A);
统计工业设备在各个历史时刻中综合风险值没有超过综合风险值垂直波动范围,且工业设备发生风险的概率
根据公式计算工业设备对应的综合波动值;
根据公式计算工业设备各个未来周期对应的风险发生的概率,其中P(A)=2D/(πL),
可选的,本申请的一些实施例中,处理器还可以用于实现如下步骤:
根据工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;
和/或,根据工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种工业设备风险分析方法,其特征在于,包括:
获取工业设备各个参数对应的历史采样值;
根据各个参数的历史采样值计算所述工业设备各个历史时刻对应的综合风险值;
根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
根据所述综合风险值预测函数计算所述工业设备未来周期对应的综合风险预测值。
2.根据权利要求1所述的方法,设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值,其特征在于,所述根据各个参数对应的历史采样值中的最大值及历史采样值按照预置的公式计算所述工业设备各个历史时刻对应的综合风险值,包括:
根据公式计算所述工业设备对应的综合上界值;
根据公式计算所述工业设备各个历史时刻对应的综合风险值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数,包括:
根据区间映射原理将各个历史时刻对应的综合风险值组成的取值区间映射到区间[0,100],并分别计算各个历史时刻对应的综合风险值对应的风险映射值;
根据各个历史时刻对应的风险映射值进行数据拟合计算,得到线性函数或二次函数作为综合风险值预测函数。
4.根据权利要求1至3中任一项所述的方法,其特征在于,还包括:
根据公式计算所述工业设备对应的综合下界值;
根据公式L=Bu-Bd计算所述工业设备对应的综合风险值垂直波动范围;
根据公式计算各个未来周期对应的风险影响角;
根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过所述综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过所述综合风险值垂直波动范围;
统计所述工业设备在各个历史时刻中综合风险值超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率P(B|A);
统计所述工业设备在各个历史时刻中综合风险值没有超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率
根据公式计算所述工业设备对应的综合波动值;
根据公式计算所述工业设备各个未来周期对应的风险发生的概率,其中P(A)=2D/(πL),
5.根据权利要求4所述的方法,其特征在于,还包括:
根据所述工业设备各个未来周期对应的风险发生的概率绘制风险概率曲线图;
和/或,根据所述工业设备各个未来周期对应的综合风险预测值绘制综合风险曲线图。
6.一种工业设备风险分析系统,其特征在于,包括:
获取模块,用于获取工业设备各个参数对应的历史采样值;
第一计算模块,用于根据各个参数的历史采样值计算所述工业设备各个历史时刻对应的综合风险值;
第二计算模块,用于根据所述工业设备各个历史时刻对应的综合风险值进行数据拟合计算,得到综合风险值预测函数;
第三计算模块,用于根据所述综合风险值预测函数计算所述工业设备未来周期对应的综合风险预测值。
7.根据权利要求6所述的系统,其特征在于,设各个参数Xi的允许范围值分别为[Bi,min,Bi,max],其中i为正整数,Bi,min、Bi,max分别对应参数的历史采样值中的最小值与最大值,所述第一计算模块包括:
第一计算单元,用于根据公式计算所述工业设备对应的综合上界值;
第二计算单元,用于根据公式计算所述工业设备各个历史时刻对应的综合风险值。
8.根据权利要求6或7所述的系统,其特征在于,还包括:
第四计算模块,用于根据公式计算所述工业设备对应的综合下界值;
第五计算模块,用于根据公式L=Bu-Bd计算所述工业设备对应的综合风险值垂直波动范围;
第六计算模块,根据公式计算各个未来周期对应的风险影响角;
判断模块,用于根据公式是否成立判断各个未来周期对应的综合风险预测值是否超过所述综合风险值垂直波动范围,若公式成立,则对应未来周期的综合风险预测值超过所述综合风险值垂直波动范围;
第一统计模块,用于统计所述工业设备在各个历史时刻中综合风险值超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率P(B|A);
第二统计模块,用于统计所述工业设备在各个历史时刻中综合风险值没有超过所述综合风险值垂直波动范围,且所述工业设备发生风险的概率
第七计算模块,用于根据公式计算所述工业设备对应的综合波动值;
第八计算模块,用于根据公式计算所述工业设备各个未来周期对应的风险发生的概率,其中
9.一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5中任意一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023043.6A CN109284908B (zh) | 2018-09-03 | 2018-09-03 | 一种工业设备风险分析方法、系统及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023043.6A CN109284908B (zh) | 2018-09-03 | 2018-09-03 | 一种工业设备风险分析方法、系统及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109284908A true CN109284908A (zh) | 2019-01-29 |
CN109284908B CN109284908B (zh) | 2021-08-20 |
Family
ID=65183893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023043.6A Active CN109284908B (zh) | 2018-09-03 | 2018-09-03 | 一种工业设备风险分析方法、系统及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109284908B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523826A (zh) * | 2020-05-11 | 2020-08-11 | 支付宝(杭州)信息技术有限公司 | 一种数据采集方法、装置及设备 |
CN112990522A (zh) * | 2019-12-12 | 2021-06-18 | 顺丰科技有限公司 | 物品件量预测方法、装置、设备及存储介质 |
CN114418383A (zh) * | 2022-01-18 | 2022-04-29 | 青岛方维智能科技有限公司 | 一种工业机器人的健康风险评估方法、装置、介质和设备 |
CN117688342A (zh) * | 2024-02-01 | 2024-03-12 | 山东云天安全技术有限公司 | 一种基于模型的设备状态预测方法、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198235A (zh) * | 2013-04-27 | 2013-07-10 | 国家电网公司 | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 |
CN103971182A (zh) * | 2014-05-26 | 2014-08-06 | 湖南大学 | 一种配电网馈线在线风险监测系统及其监测方法 |
CN104281884A (zh) * | 2014-09-16 | 2015-01-14 | 国家电网公司 | 一种配电网避雷器故障风险指数预测方法 |
CN106909487A (zh) * | 2017-01-18 | 2017-06-30 | 北京盛世全景科技股份有限公司 | 应用于信息系统的预警方法及装置 |
CN107767088A (zh) * | 2017-12-07 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种基于设备缺陷的变压器风险评估方法及装置 |
CN108460157A (zh) * | 2018-03-28 | 2018-08-28 | 深圳市智物联网络有限公司 | 一种数据处理方法以及处理设备 |
-
2018
- 2018-09-03 CN CN201811023043.6A patent/CN109284908B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198235A (zh) * | 2013-04-27 | 2013-07-10 | 国家电网公司 | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 |
CN103971182A (zh) * | 2014-05-26 | 2014-08-06 | 湖南大学 | 一种配电网馈线在线风险监测系统及其监测方法 |
CN104281884A (zh) * | 2014-09-16 | 2015-01-14 | 国家电网公司 | 一种配电网避雷器故障风险指数预测方法 |
CN106909487A (zh) * | 2017-01-18 | 2017-06-30 | 北京盛世全景科技股份有限公司 | 应用于信息系统的预警方法及装置 |
CN107767088A (zh) * | 2017-12-07 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种基于设备缺陷的变压器风险评估方法及装置 |
CN108460157A (zh) * | 2018-03-28 | 2018-08-28 | 深圳市智物联网络有限公司 | 一种数据处理方法以及处理设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990522A (zh) * | 2019-12-12 | 2021-06-18 | 顺丰科技有限公司 | 物品件量预测方法、装置、设备及存储介质 |
CN111523826A (zh) * | 2020-05-11 | 2020-08-11 | 支付宝(杭州)信息技术有限公司 | 一种数据采集方法、装置及设备 |
CN111523826B (zh) * | 2020-05-11 | 2022-06-24 | 支付宝(杭州)信息技术有限公司 | 一种数据采集方法、装置及设备 |
CN114418383A (zh) * | 2022-01-18 | 2022-04-29 | 青岛方维智能科技有限公司 | 一种工业机器人的健康风险评估方法、装置、介质和设备 |
CN114418383B (zh) * | 2022-01-18 | 2023-07-18 | 青岛方维智能科技有限公司 | 一种工业机器人的健康风险评估方法、装置、介质和设备 |
CN117688342A (zh) * | 2024-02-01 | 2024-03-12 | 山东云天安全技术有限公司 | 一种基于模型的设备状态预测方法、电子设备及存储介质 |
CN117688342B (zh) * | 2024-02-01 | 2024-04-19 | 山东云天安全技术有限公司 | 一种基于模型的设备状态预测方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109284908B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284908A (zh) | 一种工业设备风险分析方法、系统及相关设备 | |
CN104809051B (zh) | 用于预测计算机应用中的异常和故障的方法和装置 | |
Zhao et al. | A unified framework for defining and measuring flexibility in power system | |
CN202583837U (zh) | 一种桥梁健康监测数据采集分析装置 | |
CN109947812A (zh) | 连续缺失值填充方法、数据分析装置、终端及存储介质 | |
CN108038040A (zh) | 计算机集群性能指标检测方法、电子设备及存储介质 | |
CN109242361A (zh) | 一种消防风险评估方法、装置及终端设备 | |
CN107016235A (zh) | 基于多特征自适应融合的设备运行状态健康度评估方法 | |
CN107145959A (zh) | 一种基于大数据平台的电力数据处理方法 | |
CN103195727A (zh) | 一种风机在线状态监测评估装置 | |
CN104331543A (zh) | 一种船舶电力推进系统故障诊断专家系统和建立方法 | |
CN102128725A (zh) | 用于大跨度空间结构健康监测与安全预警的方法 | |
CN106951990A (zh) | 电力负荷智能预测方法及装置 | |
CN105912436A (zh) | 基于指数平滑预测的系统计算资源预测方法及装置 | |
CN109088747A (zh) | 云计算系统中资源的管理方法和装置 | |
CN104462855A (zh) | 一种地下构筑物监控数据处理和分析的方法及设备 | |
CN107958020A (zh) | 一种基于聚簇的电网数据处理和数据可视化方法 | |
CN109861306A (zh) | 输电网发电调度方法与装置 | |
CN103336841A (zh) | 核电厂老化管理对象的筛选分级方法 | |
CN107657133A (zh) | 一种基于发动机动态特性的转速预测方法与装置 | |
CN106441858A (zh) | 阀门的预判监测系统和方法 | |
CN106649034B (zh) | 一种可视化智能运维方法及平台 | |
CN105223514A (zh) | 大容量储能设备的可靠性判断方法 | |
CN102419584B (zh) | 利用物联网络对污染源排放规律进行计量评价的方法及物联网络控制器 | |
CN107009359A (zh) | 基于焊接机器人系统层次划分的可靠性模糊预计方法 |
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 |