CN109519406A - 一种基于虚拟仪器开发平台的煤矿通风机故障实时诊断及预警装置 - Google Patents
一种基于虚拟仪器开发平台的煤矿通风机故障实时诊断及预警装置 Download PDFInfo
- Publication number
- CN109519406A CN109519406A CN201710848766.9A CN201710848766A CN109519406A CN 109519406 A CN109519406 A CN 109519406A CN 201710848766 A CN201710848766 A CN 201710848766A CN 109519406 A CN109519406 A CN 109519406A
- Authority
- CN
- China
- Prior art keywords
- fault
- fault diagnosis
- module
- signal
- coal mine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 59
- 238000011161 development Methods 0.000 title claims abstract description 15
- 239000003245 coal Substances 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000013461 design Methods 0.000 claims abstract description 5
- 230000007257 malfunction Effects 0.000 claims abstract description 4
- 239000000203 mixture Substances 0.000 claims abstract description 3
- 238000009423 ventilation Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000002405 diagnostic procedure Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims 1
- 238000012552 review Methods 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 claims 1
- 238000012706 support-vector machine Methods 0.000 description 10
- 230000003750 conditioning effect Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F1/00—Ventilation of mines or tunnels; Distribution of ventilating currents
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明为基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置。本发明将故障诊断和故障预警两种功能有机融合，所述故障预警模块采用结合专家系统的方法，设计知识库和推理机，对经信号处理模块发送的而故障诊断模块未诊断出的早期故障的特征信息进行推理计算，对达到故障概率阈值的特征信息对应的故障类型则进行预警。故障预警模块可以弥补因故障诊断模块仅在已经产生了能够识别故障类型时才触发报警的滞后性不足。本发明装置由一体化工业控制和高速数据采集器构成，上、下位机之间采用USB全速通信方式。本发明所使用的开发的应用软件运行平台包括LabVIEW和MATLAB，LabVIEW通过USB驱动读取数据，通过MatlabScript节点调用MATLAB平台中的算法程序，更方便先进算法的转化。
Description
技术领域
本发明属于机械故障诊断及预警技术领域，是实现针对煤矿主通风机常见故障在线诊断及早期故障实时预警的一种装置。
背景技术
机械故障诊断作为一门新兴的综合性边缘学科，经过40 多年的发展，己初步形成了比较完整的科学体系，其中又以振动诊断涉及的领域最广、理论基础最为雄厚。
当前，在矿井主通风机故障诊断装置方面，大部分监控系统仍停留在振动参数超限报警的简单层面；少量系统虽然对通风机振动信号进行了频谱分析，但后续的故障诊断为离线诊断，存在诊断实时性差的问题；此外，故障诊断准确率偏低也是一个突出的问题。
作为全矿综合自动化重要的一环，故障诊断功能迫切需要由在线采集、离线诊断向在线采集、实时诊断方向转变；同时，现场对故障诊断的准确率要求不断提高，迫切期待新的综合故障诊断算法的出现。
目前，从振动信号高速采集实现来说，嵌入式技术的发展可以满足不同应用场合的需要；在振动信号的分析处理方面，除了经典的时频域分析外，近来又发展了基于非平稳信号假设的短时傅立叶变换和小波变换等，由于短时傅立叶变换和小波变换在非平稳信号分析中不具有自适应性，希尔伯特-黄变换（HHT）及其改进技术逐渐成为研究的热点。就故障诊断方法而言，人工智能的研究成果为机械故障诊断注入了新的活力，神经网络、支持向量机、人工免疫、及其改进的综合故障诊断方法己成为机械故障诊断领域的研究热点。此外，除了单一参数、单一故障的技术诊断外，目前多变量、多故障耦合的综合诊断也已经兴起。
发明内容
本发明的目的是为了克服现有技术的不足，提供一种基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置。该装置无需专家参与即可实时诊断矿井通风机常见故障类型并提供预警功能。
本发明是一种基于LabVIEW开发平台的煤矿通风机在线实时故障诊断及预警装置，由一体化工业控制上位机和高速数据采集器下位机构成，上、下位机之间采用USB全速通信方式。上位机应用软件采用模块化编程，包括信号处理模块、故障诊断模块、故障预警模块和人机接口模块。下位机数据采集器包括基于ARM处理器的嵌入式系统、信号检测模块、稳压电源模块和USB接口通信模块。
进一步，所述嵌入式系统的ARM处理器为下位机的控制核心，选用高性能的Cotex-M3内核处理器STM32F103ZET6，硬件层还包括Flash ROM、SDRAM、A/D转换模块、各种总线以及外围的SD存储模块，嵌入式系统在实时方式下工作，控制各功能模块之间的运行和通信。
进一步，所述信号检测模块包括电涡流传感器、加速度传感器、积分电路和信号调理模块。所述电涡流传感器用于风机转速的测量；所述加速度传感器用于轴承座的绝对振动测量；所述积分电路是为了挖掘振动原始信号中更多的故障信息。所述电涡流传感器、加速度传感器、积分电路的输出与信号调理模块输入端相连，将采集到的信号传送至信号调理模块。所述信号调理模块的作用是将传送来的模拟信号进行滤波、放大和偏置处理。所述信号调理模块输出端与ARM处理器的A/D模数转换器对应的GPIO口相连，ARM处理器的A/D模数转换器能够将采集到的模拟信号转换为数字信号。所述ARM处理器采用ADC（模/数转换）校正算法对采样过程进行校正，以提高ADC（模/数转换）的采样精度。所述ARM处理器将转换完成的数字信号通过USB接口模块传输给上位机或转存到SD存储模块以做进一步分析处理。
进一步，所述USB接口模块用于上位机LabVIEW平台和下位机高速数据采集器之间的数据通信。所述ARM处理器可以将数据采集模块完成的数字信号通过SPI数据总线发送到USB接口模块，所述USB接口模块将接收的数据存储到对应的端点缓冲区，上位机LabVIEW平台通过USB驱动读取该端点缓冲区数据做进一步分析处理。
进一步，所述SD存储模块用于通风机振动历史数据的保存管理，使用SD卡作为存储介质主要是为了方便用户通过更换存储卡来收集和保存历史数据。
进一步，所述稳压电源模块包括锂电池组和电源变换器，为下位机各模块的正常工作提供电源。
进一步，本发明上位机和下位机高速数据采集器之间的数据通信采用USB接口方式。USB通信方式可以克服在使用数据采集板卡的情况下，诊断系统必须配以带有PCI或ISA插槽的工控机机箱的限制。所述一体化工控机具有连续运行稳定、体积小、重量轻、USB接口丰富、操作系统通用且及支持多种工控应用软件的优点。
进一步，所述上位机上运行的应用软件平台为LabVIEW和MATLAB，包括信号处理模块、故障诊断模块、预警模块和人机接口模块。信号处理模块包括小波去噪滤波、CEEMDAN特征提取和希尔伯特变换（HHT）。首先，在LabVIEW中使用MatlabScript连接MATLAB对下位机传输来的振动信号进行消噪滤波处理。然后，LabVIEW再使用MatlabScript调用MATLAB中CEEMDAN特征提取算法对小波消噪滤波后的振动信号进行处理；CEEMDAN是在经验模态分解（EMD）基础之上在每一层的分解过程中成对地添加正负自适应噪声对的数据分析方法，能够将非线性、非平稳振动信号分解为若干个含有不同特征信息的本征模态函数（IMF）分量，再将振动信号的IMF分量经过希尔伯特变换，得到包含各种故障信息的特征量数据，为后续故障诊断模块的识别和分类做准备。
进一步，所述上位机故障诊断模块使用改进的SVM综合故障诊断方法。其中，利用自适应遗传算法对SVM的核函数类型及其参数进行优化，提高了SVM的稳定性及有效性。首先，在MATLAB里，通过典型故障样本的学习，训练得到可用于对通风机进行故障自动识别的改进的支持向量机的故障分类器分类器。然后，在LabVIEW中，使用MatlabScript调用该故障分类器，并将来自信号处理模块的故障信息的特征量数据作为该分类器的输入样本以实现在线诊断和识别通风机故障。最后，故障诊断结果在故障诊断面板上直接文字显示，同时对应指示灯红灯常亮报警。
进一步，所述上位机预警模块对故障诊断模块未诊断出的故障的早期特征信息进行推理计算，得到故障发生的概率值，对达到故障发生概率阈值的特征信息所对应的故障类型进行黄灯闪烁预警，使工作人员在故障发生之前采取相应措施，从而实现了预警功能。
附图说明：
图1为本发明结构连接框图。用于表明系统各模块的连接关系。
图2为本发明上位机工作流程图。用于表明上位机对振动信号的处理流程。
图3为本发明LabVIEW面板显示界面分布图。用于显示故障诊断和预警最终结果。
具体实施方案：
参照附图1所示，本发明是一种基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置，由下位机数据采集器、上位机及其上运行的信号处理模块、故障诊断模块及预警模块构成。所述下位机数据采集器的核心为ARM处理器20，所述ARM处理器20分别和信号检测模块10、稳压电源模块50、SD存储模块60、USB接口模块70相连接。
所述的信号检测模块10包括电涡流传感器11、振动加速度传感器12、振动速度积分电路13、振动位移积分电路14和信号调理模块15。所述电涡流传感器11用于风机转速的测量；所述加速度传感器12用于轴承座的绝对振动加速度的测量，通过积分电路可以分别得到振动速度和振动位移，振动故障信息丰富；所述电涡流传感器11、加速度传感器12及其积分输出和信号调理模块15输入端相连，分别将从监测对象煤矿主通风机40采集到的转速和各种振动信号传送至信号调理模块15。由于从电涡流传感器11、加速度传感器12和积分电路13和14获取的电压或电流信号太弱，且存在较多干扰，故采用信号调理模块15将传送来的模拟信号进行滤波、放大和偏置处理。所述信号调理模块15输出端与ARM处理器20的模/数（A/D）转换器21对应的GPIO口相连，所述ARM处理器20的A/D转换器21能够将采集到的模拟信号转换为数字信号，属于12位逐次逼近型的模拟数字转换器，共有3个ADC控制器，最多支持16个外部通道，通风机振动模拟信号量采取差分输入方式传输至ARM处理器20的A/D转换器21。当采样多个通道时，使用DMA（Direct Memory Access）传输方式可以避免数据丢失。所述ARM处理器20采用ADC（模/数转换）校正算法对采样过程进行校正，以提高模/数转换（ADC）的采样精度，使上位机LabVIEW平台31能够根据离散数据拟合的振动信号波形更接近于实际转换曲线，且采样频率要满足采样定理。所述ARM处理器20将转换完成的离散数字信号转存到SD存储模块60或通过USB接口模块70传输给上位机做进一步分析处理，完成通风机振动信号的检测工作。本发明装置充分利用ARM处理器ADC资源丰富、处理速度快的特点，相对于采用PCI数据采集卡模式及分布式采集方式，既节省了空间，又降低了成本。
所述一体化工控机30在Windows7操作系统中安装了LabVIEW平台31和MATLAB平台32软件。MATLAB平台32用于小波去噪滤波、CEEMDAN特征提取、希尔伯特变换、改进的支持向量机算法的编写。LabVIEW平台31通过MatlabScript节点在后台调用上述算法程序，并在前面板显示故障诊断和预警最终结果，人机界面友好。
所述稳压电源模块50包括锂电池组和电源变换器。电源变换器通过DC-DC变换，将电能转换成系统各模块所需的不同电压值，为下位机的信号检测模块10和ARM处理器20供电。
所述SD存储模块60用于通风机振动数据的保存管理，方便用户对风机运行历史数据的收集。为风机厂商对风机设计优化提供参考，或提供给矿井通风科，方便日后的技术维修。
所述USB接口模块70用于上位机LabVIEW平台31和下位机ARM处理器20之间的数据通信。所述ARM处理器20可以将数据采集模块完成的数字信号通过USB数据总线发送到USB接口模块70，所述USB接口模块70将接收的数据存储到对应的端点缓冲区，上位机LabVIEW平台31通过USB驱动33读取该端点缓冲区数据做进一步分析处理。本发明采用的USB3.0接口芯片提供了更快的传输速度和更高的效率，较传统的RS232/485串口有了极大的提升。所述USB接口模块70集成了四种目前较流行的USB硬件接口，包括标准A口、标准B口、mini-usb口及micro-usb口，用户只需一根一端为标准A口用于连接一体化工控机30，另一端任意USB接口的电源线即可进行数据通信。
参照附图2所示，所述上位机运行的应用程序包括信号处理模块34、故障诊断模块35及预警模块36。ARM处理器20处理完成的振动离散数字信号通过USB接口模块70传至一体化工控机30，USB通信方式速度快，效率高，满足故障诊断实时性的要求。信号处理模块34包括小波去噪滤波、在每一层的分解过程中成对地添加正负自适应噪声对的CEEMDAN特征提取和希尔伯特变换。首先，在一体化工控机30中安装的MATLAB平台32设定好小波的处理参数，在LabVIEW平台31中使用相应功能函数连接MATLAB平台32，对下位机传输来的振动信号进行小波去噪滤波处理。然后，LabVIEW平台31调用MATLAB平台32中CEEMDAN特征提取算法对小波消噪滤波后的振动信号进行处理。CEEMDAN方法可有效解决EMD存在的模态混叠问题，还可避免集成经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）和互补总体平均经验模态分解(Complementary EEMD，CEEMD)中每次EMD过程可能产生IMF个数不相等的问题。与传统的快速傅立叶变换（FFT）、小波变换相比较，CEEMDAN具有较强的自适应性、鲁棒性，且不受信号源影响，是最高效的数据处理方法之一。它能够将非线性、非平稳振动信号分解为若干个含有不同振动特征信息的IMF分量，再将包含振动信号特征信息的IMF分量经过希尔伯特变换，得到包含各种故障信息的特征量数据，再将特征量数据传输至故障诊断模块35和预警模块36，最后将诊断和预警结果发给人机接口模块80，人机接口模块80是通过LabVIEW平台31将故障诊断和预警的结果在面板上显示出来，故障类别对应其相应的报警灯，同时可以触发语音报警。
所述故障诊断模块35利用改进的SVM作为分类识别器，其优化改进体现在使用了自适应遗传算法对SVM的核函数类型及其参数进行优化，提高了SVM的稳定性及有效性。首先，将信号处理模块34处理得到的特征量数据作为障诊断模块35中支持向量机分类器的输入样本，在LabVIEW平台31中调用MATLAB平台32程序的脚本节点，通过对典型故障样本的学习与训练，得到可用于对通风机进行故障自动识别的分类器，即故障诊断模块35。在训练完成后，故障诊断模块35可以在线准确诊断出典型的通风机故障，其类型包括6种，分别为转子不平衡、转子不对中、碰摩、松动、油膜涡动及喘振。人机接口模块80对故障诊断模块35诊断出的已经发生的故障进行红灯常亮报警和语音报警，相应于预警模块36享有优先级。
所述预警模块36起到对故障早期预测的作用，可以弥补因故障诊断模块35只有在通风机已经产生了较为显见且能够识别故障类型时才触发报警可能给安全生产所带来的威胁。所述预警模块36结合专家系统的方法，设计知识库和推理机，对经信号处理模块34发送的特征数据信号进行推理计算，得到故障可能发生的概率值，对达到故障发生概率阈值的特征信息所对应的故障类型由人机接口模块80进行黄灯闪烁预警，使工作人员可以在故障发生之前采取相应措施，从而实现了预警功能。
参照附图3所示，本发明LabVIEW前面板显示的人机接口界面分布图，故障诊断模块35利用改进的支持向量机（SVM）机器学习方法分析后，即可诊断出通风机发生故障类型，并显示在面板上的故障类型框中，对应故障类型红灯常亮并发出故障语音报警。此外，预警模块36还对故障诊断模块35未诊断出类型但可能存在故障的特征信息进行推理计算，得到故障概率值，对达到故障概率阈值的特征信息对应的故障类型进行黄灯闪烁预警，并发出故障语音预警。人机接口界面显示本发明诊断的通风机故障类型包括转子不平衡、转子不对中、碰摩、松动、油膜涡动及喘振。
本发明中涉及的未说明部份与现有技术相同或采用现有技术加以实现。
Claims (5)
1.基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置，其特征在于：装置由一体化工业控制上位机和高速数据采集器作为下位机构成，上、下位机之间采用USB全速通信方式，相对于RS232/485通信，USB通信方式传输速率快，效率高。装置前端高速数据采集器以ARM处理器为控制核心，利用其自带的A/D转换器对信号进行高速采集和转换，可以满足在线故障诊断装置对信号采样速率高的要求；上位机采用USB通信方式，USB资源丰富，可以选用一体化工控机，使装置满足便携性。下位机基于SD卡同步存储，可以通过设计采集和存储策略实现通风机事故追忆现场保存功能。
2.基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置，其特征在于：在风机轴承座上只需安装精密加速度振动传感器，通过积分电路依次得到振动速度和位移，就可以在信号的检测环节同时突出故障信息中高频、低频成分，比传统的使用单一的振动参数检测更全面，有利于使用多传感器信息融合技术，对矿井主通风机振动信号进行全方位地分析，使可用于故障诊断和预警的信息更丰富。
3.基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置，其特征在于：装置所使用的信号处理模块使用了CEEMDAN特征提取算法，该算法可有效解决EMD存在的模态混叠问题，还可避免集成经验模态分解（EEMD）和互补总体平均经验模态分解(CEEMD)中每次EMD过程可能产生IMF个数不相等的问题。算法的调用是在LabVIEW通过MatlabScript节点实现的，符合在线诊断故障的发展要求。
4.基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置，其特征在于：装置所使用的故障诊断模块的算法为改进后的SVM综合故障诊断方法，该方法利用自适应遗传算法对SVM的核函数类型及其参数进行优化，提高了SVM故障诊断的稳定性及有效性。算法的调用是在LabVIEW通过MatlabScript节点实现的，符合在线诊断故障的发展要求。
5.基于虚拟仪器开发平台的煤矿通风机实时故障诊断及预警装置，其特征在于：装置中将故障诊断和故障预警两种功能有机融合。所述故障预警模块采用结合专家系统的方法，设计知识库和推理机，对经信号处理模块发送的而故障诊断模块未诊断出的早期故障的特征信息进行推理计算，对达到故障概率阈值的特征信息对应的故障类型则进行预警。故障预警功能可以弥补因故障诊断模块仅在已经产生了能够识别故障类型时才触发报警的滞后性不足，使工作人员在故障发生之前采取相应措施，从而消除潜在的安全威胁。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710848766.9A CN109519406A (zh) | 2017-09-20 | 2017-09-20 | 一种基于虚拟仪器开发平台的煤矿通风机故障实时诊断及预警装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710848766.9A CN109519406A (zh) | 2017-09-20 | 2017-09-20 | 一种基于虚拟仪器开发平台的煤矿通风机故障实时诊断及预警装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109519406A true CN109519406A (zh) | 2019-03-26 |
Family
ID=65769463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710848766.9A Pending CN109519406A (zh) | 2017-09-20 | 2017-09-20 | 一种基于虚拟仪器开发平台的煤矿通风机故障实时诊断及预警装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109519406A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111578446A (zh) * | 2020-05-06 | 2020-08-25 | 济南浪潮高新科技投资发展有限公司 | 一种煤矿通风设备检测方法、设备及介质 |
| CN112966432A (zh) * | 2021-02-09 | 2021-06-15 | 东北电力大学 | 一种锂离子电池剩余有效寿命预测方法及装置 |
-
2017
- 2017-09-20 CN CN201710848766.9A patent/CN109519406A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111578446A (zh) * | 2020-05-06 | 2020-08-25 | 济南浪潮高新科技投资发展有限公司 | 一种煤矿通风设备检测方法、设备及介质 |
| CN111578446B (zh) * | 2020-05-06 | 2021-10-22 | 山东浪潮科学研究院有限公司 | 一种煤矿通风设备检测方法、设备及介质 |
| CN112966432A (zh) * | 2021-02-09 | 2021-06-15 | 东北电力大学 | 一种锂离子电池剩余有效寿命预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108681747B (zh) | 基于深度学习的旋转机械故障诊断与状态监测系统及方法 | |
| CN104670249B (zh) | 一种动车组转向架失稳检测装置及实现方法 | |
| CN107345857A (zh) | 一种电主轴状态监测与故障诊断系统及其监测诊断方法 | |
| CN203414278U (zh) | 一种水电机组振动异常状态实时检测系统 | |
| CN111504385B (zh) | 一种适用于机械设备异常状态多参数监测装置及方法 | |
| CN103671190B (zh) | 一种智能早期矿用通风机在线故障诊断系统 | |
| CN109238735B (zh) | 港口货运电动agv的故障监测诊断系统 | |
| CN104929864A (zh) | 基于fpga的嵌入式风力发电机组运行状态监测及故障诊断系统 | |
| CN104483011A (zh) | 一种旋转机械多通道振动信号的在线检测与分析系统及方法 | |
| CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
| CN110775107A (zh) | 一种高速机车走行部齿轮箱大数据健康管理装置 | |
| CN102521604B (zh) | 一种基于巡检系统的设备性能退化评估装置及方法 | |
| CN103543399A (zh) | 一种基于pci板卡的汽车can总线模块全自动检测系统和方法 | |
| CN103777609A (zh) | 粉末成型机嵌入式智能监控与远程维护系统 | |
| CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
| CN103195727A (zh) | 一种风机在线状态监测评估装置 | |
| CN101697072A (zh) | 数控机床故障诊断系统及其方法 | |
| CN102103036A (zh) | 基于振动和音频信息的汽车发动机故障诊断系统 | |
| CN202880694U (zh) | 一种起重机故障诊断装置 | |
| CN104895747A (zh) | 一种基于stm的多通道风电机组振动数据采集系统 | |
| CN109519406A (zh) | 一种基于虚拟仪器开发平台的煤矿通风机故障实时诊断及预警装置 | |
| CN100465832C (zh) | 一种智能传感器 | |
| CN103471849A (zh) | 基于双重组合模式的多层相关向量机的轴承故障诊断系统 | |
| CN103234746A (zh) | 一种风电机组齿轮箱在线故障诊断装置及方法 | |
| CN203177894U (zh) | 大型旋转机械嵌入式监测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190326 |