CN110146120B - 一种传感器故障诊断方法及系统 - Google Patents
一种传感器故障诊断方法及系统 Download PDFInfo
- Publication number
- CN110146120B CN110146120B CN201910416049.8A CN201910416049A CN110146120B CN 110146120 B CN110146120 B CN 110146120B CN 201910416049 A CN201910416049 A CN 201910416049A CN 110146120 B CN110146120 B CN 110146120B
- Authority
- CN
- China
- Prior art keywords
- sensor
- electrical
- determining
- signal
- characteristic vector
- 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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种传感器故障诊断方法及系统,所述方法包括:确定样本传感器的第一、第二和第三电气信号,样本传感器包括正常工作的传感器和故障传感器;确定样本传感器的第一、第二和第三电气特征向量,以及故障源标签向量;确定各特征向量的聚类中心;确定待检测传感器的第一、第二和第三电气信号以及第一、第二和第三电气特征向量;根据待检测传感器的第一、第二和第三电气特征向量以及各特征向量的聚类中心,确定待检测传感器的故障类型;对故障的传感器进行检测,利用检测结果进行增量学习。本发明基于故障传感器寄生电容的变化导致上电瞬间和断电瞬间电气特征的差异以及工作状态下信号时域特征的差异完成传感器故障的检测以及故障源的确认。
Description
技术领域
本发明涉及传感器故障诊断领域,具体涉及一种传感器故障诊断方法及系统。
背景技术
在工业生产和测试现场,经常需要使用输出模拟信号的各种类型的传感器用于监测生产环节的各项参数和指标。例如,在汽车制动器实验中,大量使用温度传感器,压力传感器,踏板力传感器,位移传感器和其它传感器。由于工业生产现场环境恶略,传感器容易发生故障,及时检测到传感器的故障以及确定传感器的故障源可以有效减少检修时间,提高生产效率,保证生产质量。传统的传感器故障诊断方法,如专利文献CN201810461085.1采用数据去噪,数据趋势分析,滑动窗口诊断三个阶段完成传感器故障诊断。
但这种基于数据和规则的方法在实际使用过程中有较多缺陷。第一,失效的传感器可能与正常工作的传感器输出相似;第二,一个传感器失效可能由多种因素引起,如电量低,微处理器错误,传感器损坏及其它因素。确定传感器的故障源需要深厚的专业背景知识,而具有专业背景知识的技术人员成本较高。
发明内容
为克服相关技术中存在的问题,本发明提供了一种传感器故障诊断方法及系统。根据本发明实施例的第一个方面,提供了一种传感器故障诊断方法,包括:
确定样本传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号,所述各样本传感器包括正常工作的传感器和故障传感器,所述的第一电气信号表示从传感器上电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量,所述的第二电气信号表示传感器工作状态下的输出信号经过模数转换对应的数字量,所述的第三电气信号表示从传感器断电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量;
根据所述样本传感器第一电气信号,第二电气信号和第三电气信号,确定样本传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量,以及故障源标签向量。所述的故障源标签向量表示传感器故障类型;
根据所述的各传感器的第一电气特征向量,第二电气特征向量,第三电气特征向量以及故障源标签向量,确定各特征向量的聚类中心;
确定待检测传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号;确定待检测传感器的第一电气特征,第二电气特征和第三电气特征;
根据所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量以及各特征向量的聚类中心,确定待检测传感器的故障类型。
在一种可能的实现方式中,确定各样本传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号,包括:
获取传感器输出的模拟信号并转换为数字信号,传感器输出的模拟信号包括电压信号或者电流信号;
根据所述的数字信号,确定所述各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
在一种可能的实现方式中,根据所述各传感器第一电气信号,第二电气信号和第三电气信号,确定各传感器的第一电气特征,第二电气特征和第三电气特征,包括:
所述第一电气特征向量包括第一电气信号的信号上升时间,以及第一电气信号采用小波变换提取的各尺度小波能量;
所述第二电气特征向量包括第二电气信号的时域特征,包括峰值因子,峭度指标和裕度指标;
所述第三电气特征向量包括第三电气信号的信号下降时间,以及第三电气信号采用小波变换提取的各尺度小波能量。
在一种可能的实现方式中,根据所述的各传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量,确定各特征向量的聚类中心,包括
采用模糊C均值聚类的方法,按照各传感器的故障标签,确定各特征向量的聚类中心;
在一种可能的实现方式中,确定所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量,根据所述各特征向量的聚类中心,确定待检测传感器的故障类型,并根据检测的传感器故障标签,进行增量学习,包括:
计算所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量与所述各特征向量的聚类中心的马氏距离;
根据所述的马氏距离,采用最近邻算法确定待检测传感器的故障标签;
根据所述的待检测传感器的故障标签和现场检测得到的传感器故障类型,采用增量学习,更新各特征向量的聚类中心。
在一种可能的实现方式中,所述的样本传感器和待检测传感器为输出模拟信号的传感器,所述的模拟信号包括电压信号和电流信号。
根据本发明实施例的第二方面,提供一种基于寄生电容的传感器型号识别系统,包括:
第一确定模块,用于确定各样本传感器和待检测传感器的第一电气信号,第二电气信号和第三电气信号;
第二确定模块,用于确定各样本传感器和待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量;
第三确定模块,用于根据所述的各传感器的第一电气特征,第二电气特征,第三电气特征以及故障源标签向量,确定各特征向量的聚类中心;
第四确定模块,用于根据所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量以及各特征向量的聚类中心,确定待检测传感器的故障类型。
在一种可能的实现方式中,所述的第一确定模块包括:
第一使能子模块,用于控制采集所述各样本传感器和待检测传感器的上电和断电;
第一采集子模块,用于采集所述各样本传感器和待检测传感器的模拟输出信号;
第一确定子模块,用于根据所述的信号,确定所述各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
第一通信模块,用于发送所述的各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
在一种可能的实现方式中,所述的第二确定模块包括:
第二通信模块,用于接收所述的各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号;
第二确定子模块,用于确定所述各样本传感器和待检测传感器的第一电气特征向量,第一电气特征向量包括第一电气信号的信号上升时间,以及第一电气信号采用小波变换提取的各尺度小波能量;
第三确定子模块,用于确定所述各样本传感器和待检测传感器的第二电气特征向量,第二电气特征向量包括第二电气信号的时域特征,包括峰值因子,峭度指标和裕度指标;
第四确定子模块,用于确定所述各样本传感器和待检测传感器的第三电气特征向量,第三电气特征向量包括第三电气信号的信号下降时间,以及第三电气信号采用小波变换提取的各尺度小波能量。
在一种可能的实现方式中,所述的第四确定模块包括:
第五确定子模块,用于确定所述待检测传感器的第一电气特征,第二电气特征和第三电气特征与所述各特征向量的聚类中心的马氏距离;
第六确定子模块,用于根据所述的马氏距离,采用最近邻算法确定待检测传感器的故障标签。
本发明的有益效果是:
本发明根据故障传感器寄生电容的变化导致上电瞬间和断电瞬间电气特征的差异以及故障传感器与正常传感器工作状态下信号时域特征的差异完成传感器故障的检测以及故障源的确认;
本发明不需要多个传感器的冗余验证,采用单个传感器的输出信号完成传感器故障的检测以及故障源的确认。
应当理解的是,以上的一般性描述和后文的细节描述仅是示范性和解释性的,并不能限制本公开。
附图说明
图1是根据一示范性实施例示出的一种传感器信号识别的流程图。
图2是根据一示范性实施例示出的一种正常传感器和故障传感器的电气信号。
图3是根据一示范性实施例示出的步骤100的流程图。
图4是根据一示范性实施例示出的步骤101的流程图。
图5是根据一示范性实施例示出的步骤105的流程图
图6是根据一示范性实施例示出的一种基于寄生电容的传感器型号识别装置的框图
具体实施方式
这里将详细地对示范性实施例进行说明,其示范表示在附图中。下面的描述涉及附图时,除非另有表述,不同附图中的相同数字表示相同或者相似的要素。以下示范性实施例中所描述的实施方式并不表示与本公开的所有实施方式一致。相反,它们只是与如所附权利要求书中所详述的、本公开的一些方面一致的装置和方法的例子。
图1是根据一示范性实施例示出的一种传感器故障诊断的方法的流程图。如图1所示,该方法可以包括:
步骤100,确定样本传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号,所述各样本传感器包括正常工作的传感器和故障传感器,所述的第一电气信号表示从传感器上电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量,所述的第二电气信号表示传感器工作状态下的输出信号经过模数转换对应的数字量,所述的第三电气信号表示从传感器断电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量;
步骤101,根据所述样本传感器第一电气信号,第二电气信号和第三电气信号,确定样本传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量,以及故障源标签向量。所述的第一电气特征向量表示第一电气信号的特征,所述的第二电气特征向量表示第二电气信号的特征,所述的第三电气特征向量表示第三电气信号的特征,所述的故障源标签向量表示传感器故障类型;
步骤102,根据所述的各传感器的第一电气特征,第二电气特征,第三电气特征以及故障源标签向量,确定各特征向量的聚类中心;
步骤103,确定待检测传感器的上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号;
步骤104,确定待检测传感器的第一电气特征,第二电气特征和第三电气特征;
步骤105,根据所述待检测传感器的第一电气特征,第二电气特征和第三电气特征以及各特征向量的聚类中心,确定待检测传感器的故障类型;
步骤106,此外,还可以对故障的传感器进行检测,并利用检测结果进行增量学习。
作为本实施例的一个示范,若传感器包括温度传感器,则步骤100可以例如包括:信号采集卡确定正常工作的温度传感器和故障传感器上电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量为第一电气信号,确定各样本温度传感器工作状态下输出信号经过模数转换对应的数字量为第二电气信号,确定温度传感器断电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量为第三电气信号。数据采集卡将采集到的信号发送至服务器。
步骤101可以包括:计算机服务器确定大量的正常工作的和不同故障源的温度传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量,以及故障源标签向量。
步骤102可以包括:计算机服务器根据所述的样本温度传感器的第一电气特征,第二电气特征,第三电气特征以及故障源标签向量,确定各特征向量的聚类中心。
步骤103可以包括:信号采集卡确定待检测温度传感器的上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号,并将采集到的信号发送至服务器。
步骤104可以包括:计算机服务器确定待检测温度传感器的第一电气特征,第二电气特征和第三电气特征。
步骤105可以包括:计算机服务器根据所述待检测传感器的第一电气特征,第二电气特征和第三电气特征以及各特征向量的聚类中心,确定待检测温度传感器的故障类型;
步骤106可以包括:人工对于故障的传感器进行替换并检测,并利用检测结果修正各特征向量的聚类中心。
图2是根据一示范性实施例示出的一种正常工作的温度传感器和故障温度传感器的电气信号。如图2所示,电气信号包括:
组件201,正常工作的温度传感器上电瞬间的第一电气信号;
组件202,故障温度传感器上电瞬间的第一电气信号;
组件203,正常工作的温度传感器工作状态下的第二电气信号;
组件204,故障温度传感器工作状态下的第二电气信号;
组件205,正常工作的温度传感器断电瞬间的第三电气信号;
组件206,故障温度传感器断电瞬间的第三电气信号;
传感器由于加工工艺,电路板制作,元件焊接和其它因素,其输出部件与电源地之间的会产生寄生电容,发生电气故障的传感器其寄生电容会发生变化。不同的寄生电容导致传感器上电瞬间的第一电气信号和断电瞬间的第三电气信号其频域特性发生变化。与正常的传感器相比,故障传感器的第二电气信号的峰值因子,峭度指标和裕度指标会发生变化。
图3是根据一示范性实施例示出的步骤100的流程图。如图3所示,步骤100可以包括:
步骤1001,获取各样本传感器输出的模拟信号并转换成数字信号,模拟信号包括电压信号或者电流信号;各样本传感器包括正常工作的传感器和不同故障源的传感器;
步骤1002,根据所述的传感器信号,确定所述各样本传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
步骤1003,将采集到的电气信号发送至服务器。
举例来讲,信号采集卡可以获取传感器输出的模拟信号,并转换为数字信号,并在传感器上电瞬间获取传感器输出的第一电气信号,在传感器工作状态下的第二电气信号,在传感器断电瞬间获取传感器输出的第三电气信号,并将采集到的电气信号发送至服务器。
图4是根据一示范性实施例示出的步骤101的流程图。如图4所示,步骤101可以包括:
步骤1011,确定各样本传感器第一电气特征包括第一电气信号采用小波变换提取的各尺度小波能量和信号上升时间,所述的样本传感器包括正常工作的传感器和不同故障源的传感器;
步骤1012,确定各样本传感器第二电气特征包括第二电气信号的时域特征,包括峰值因子,峭度指标和裕度指标,所述的样本传感器包括正常工作的传感器和不同故障源的传感器;
步骤1013,确定各样本传感器第三电气特征包括第三电气信号采用小波变换提取的各尺度小波能量和信号下降时间,所述的样本传感器包括正常工作的传感器和不同故障源的传感器。
图5是根据一示范性实施例示出的步骤105的流程图。如图5所示,步骤105可以包括:
步骤1051,计算所述待检测传感器的第一电气特征,第二电气特征和第三电气特征与所述各特征向量的聚类中心的马氏距离;
步骤1052,根据所述的马氏距离,采用最近邻算法确定待检测传感器的故障标签;
图6是根据一示范性实施例示出的一种基于寄生电容的传感器型号识别系统的框图,该装置包括:
第一确定模块,用于确定各样本传感器和待检测传感器的第一电气信号,第二电气信号和第三电气信号;
第二确定模块,用于确定传感器和待检测传感器的第一电气特征和第二电气特征和第三电气特征;
第三确定模块,用于根据所述的各传感器的第一电气特征,第二电气特征,第三电气特征以及故障源标签向量,确定各特征向量的聚类中心;
第四确定模块,用于根据所述待检测传感器的第一电气特征,第二电气特征和第三电气特征以及各特征向量的聚类中心,确定待检测传感器的故障类型;
此外,该装置还可以包括第五确定模块,用于对故障的传感器进行检测,并利用检测结果进行增量学习。
在一种可能的实现方式中,所述的第一确定模块包括:
第一使能子模块,用于控制采集所述各样本传感器和待检测传感器的上电和断电。
第一采集子模块,用于采集所述各样本传感器和待检测传感器的模拟输出信号;
第一确定子模块,用于根据所述的信号,确定所述各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
第一通信模块,用于发送所述的各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
在一种可能的实现方式中,所述的第二确定模块包括:
第二通信模块,用于接收所述的各传感器上电瞬间对应的第一电气信号,工作状态下的第二电气信号和断电瞬间对应的第三电气信号。
第二确定子模块,用于确定所述各样本传感器和待检测传感器的第一电气特征包括第一电气信号采用小波变换提取的各尺度小波能量和信号上升时间;
第三确定子模块,用于确定所述第二电气特征第二电气信号的时域特征,包括峰值因子,峭度指标和裕度指标;
第四确定子模块,用于确定所述各样本传感器和待检测传感器的第三电气特征包括第三电气信号采用小波变换提取的各尺度小波能量和信号下降时间。
在一种可能的实现方式中,所述的第四确定模块包括:
第五确定子模块,用于确定所述待检测传感器的第一电气特征,第二电气特征和第三电气特征与所述各特征向量的聚类中心的马氏距离;
第六确定子模块,用于根据所述的马氏距离,采用最近邻算法确定待检测传感器的故障标签;
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并可以在不脱离其范围内各种变形和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种传感器故障诊断方法,其特征在于,包括如下步骤:
(1)确定各样本传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号,所述各样本传感器包括正常工作的传感器和故障传感器,所述的第一电气信号表示从传感器上电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量,所述的第二电气信号表示传感器工作状态下的输出信号经过模数转换对应的数字量,所述的第三电气信号表示从传感器断电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量;
(2)根据所述样本传感器第一电气信号,第二电气信号和第三电气信号,确定样本传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量以及故障源标签向量;所述的故障源标签向量表示传感器故障类型;
(3)根据所述的各样本传感器的第一电气特征向量,第二电气特征向量,第三电气特征向量以及故障源标签向量,确定各特征向量的聚类中心;
(4)确定待检测传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号;确定待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量;
(5)根据所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量以及各特征向量的聚类中心,确定待检测传感器的故障类型。
2.根据权利要求1所述的方法,其特征在于,步骤(1)中确定各样本传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号,包括:
获取传感器输出的模拟信号并转换为数字信号;
根据传感器信号,确定所述各样本传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号。
3.根据权利要求1所述的方法,其特征在于,根据所述样本传感器第一电气信号,第二电气信号和第三电气信号,确定样本传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量,包括:
所述第一电气特征向量包括第一电气信号的信号上升时间以及第一电气信号采用小波变换提取的各尺度小波能量;
所述第二电气特征向量包括第二电气信号的时域特征,包括峰值因子,峭度指标和裕度指标;
所述第三电气特征向量包括第三电气信号的信号下降时间以及第三电气信号采用小波变换提取的各尺度小波能量。
4.根据权利要求1所述的方法,其特征在于,根据所述的各样本传感器的第一电气特征向量,第二电气特征向量,第三电气特征向量以及故障源标签向量,确定各特征向量的聚类中心,包括:
采用模糊C均值聚类的方法,按照各样本传感器的故障源标签,确定各特征向量的聚类中心。
5.根据权利要求1所述的方法,其特征在于,确定所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量以及各特征向量的聚类中心,确定待检测传感器的故障类型,包括:
计算所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量与所述各特征向量的聚类中心的马氏距离;
根据所述的马氏距离,采用最近邻算法确定待检测传感器的故障源标签;
根据所述的待检测传感器的故障源标签和现场检测得到的传感器故障类型,采用增量学习,更新各特征向量的聚类中心。
6.根据权利要求1所述的方法,其特征在于,所述的样本传感器和待检测传感器为输出模拟信号的传感器,所述的模拟信号包括电压信号和电流信号。
7.一种传感器故障诊断系统,其特征在于,包括:
第一确定模块,用于确定各样本传感器和待检测传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号;所述各样本传感器包括正常工作的传感器和故障传感器,所述的第一电气信号表示从传感器上电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量,所述的第二电气信号表示传感器工作状态下的输出信号经过模数转换对应的数字量,所述的第三电气信号表示从传感器断电瞬间到传感器输出稳定之间的传感器输出信号经过模数转换对应的数字量;
第二确定模块,用于确定各样本传感器和待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量;
第三确定模块,用于根据所述的各样本传感器的第一电气特征向量,第二电气特征向量,第三电气特征向量以及故障源标签向量,确定各特征向量的聚类中心;
第四确定模块,用于根据所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量以及各特征向量的聚类中心,确定待检测传感器的故障类型。
8.根据权利要求7所述的系统,其特征在于,所述的第一确定模块包括:
第一使能子模块,用于控制所述各样本传感器和待检测传感器的上电和断电;
第一采集子模块,用于采集所述各样本传感器和待检测传感器的模拟输出信号;
第一确定子模块,用于根据所述的信号,确定各传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号;
第一通信子模块,用于发送各传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号。
9.根据权利要求7所述的系统,其特征在于,所述的第二确定模块包括:
第二通信子模块,用于接收所述的各传感器上电瞬间的第一电气信号,工作状态下的第二电气信号和断电瞬间的第三电气信号;
第二确定子模块,用于确定所述各样本传感器和待检测传感器的第一电气特征向量;
第三确定子模块,用于确定所述各样本传感器和待检测传感器的第二电气特征向量;
第四确定子模块,用于确定所述各样本传感器和待检测传感器的第三电气特征向量。
10.根据权利要求7所述的系统,其特征在于,所述的第四确定模块包括:
第五确定子模块,用于确定所述待检测传感器的第一电气特征向量,第二电气特征向量和第三电气特征向量与所述各特征向量的聚类中心的马氏距离;
第六确定子模块,确定待检测传感器的故障源标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416049.8A CN110146120B (zh) | 2019-05-19 | 2019-05-19 | 一种传感器故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416049.8A CN110146120B (zh) | 2019-05-19 | 2019-05-19 | 一种传感器故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146120A CN110146120A (zh) | 2019-08-20 |
CN110146120B true CN110146120B (zh) | 2021-08-03 |
Family
ID=67591891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910416049.8A Active CN110146120B (zh) | 2019-05-19 | 2019-05-19 | 一种传感器故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110146120B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553789A (zh) * | 2019-09-16 | 2019-12-10 | 中车株洲电力机车有限公司 | 一种压阻式压力传感器的状态检测方法、装置及制动系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297002A (zh) * | 2014-10-21 | 2015-01-21 | 中国计量学院 | 一种地铁电动塞拉门故障预测装置 |
CN105141255A (zh) * | 2015-08-12 | 2015-12-09 | 河海大学常州校区 | 一种光伏阵列故障诊断方法 |
CN105527597A (zh) * | 2015-11-28 | 2016-04-27 | 广西电网有限责任公司电力科学研究院 | 一种配变监测终端故障诊断处理系统及其诊断方法 |
CN106324428A (zh) * | 2016-07-28 | 2017-01-11 | 东南大学 | 基于大数据的电力电缆监测系统及监测方法 |
CN107273924A (zh) * | 2017-06-06 | 2017-10-20 | 上海电力学院 | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 |
CN109582003A (zh) * | 2018-12-03 | 2019-04-05 | 东北林业大学 | 基于伪标签半监督核局部费舍尔判别分析轴承故障诊断 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180321350A1 (en) * | 2015-09-24 | 2018-11-08 | Whisker Labs, Inc. | Remote sensing to derive calibrated power measurements |
-
2019
- 2019-05-19 CN CN201910416049.8A patent/CN110146120B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297002A (zh) * | 2014-10-21 | 2015-01-21 | 中国计量学院 | 一种地铁电动塞拉门故障预测装置 |
CN105141255A (zh) * | 2015-08-12 | 2015-12-09 | 河海大学常州校区 | 一种光伏阵列故障诊断方法 |
CN105527597A (zh) * | 2015-11-28 | 2016-04-27 | 广西电网有限责任公司电力科学研究院 | 一种配变监测终端故障诊断处理系统及其诊断方法 |
CN106324428A (zh) * | 2016-07-28 | 2017-01-11 | 东南大学 | 基于大数据的电力电缆监测系统及监测方法 |
CN107273924A (zh) * | 2017-06-06 | 2017-10-20 | 上海电力学院 | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 |
CN109582003A (zh) * | 2018-12-03 | 2019-04-05 | 东北林业大学 | 基于伪标签半监督核局部费舍尔判别分析轴承故障诊断 |
Non-Patent Citations (1)
Title |
---|
基于小波抗体记忆克隆算法的电机故障诊断;吴洪兵;《振动、测试与诊断》;20131031;第33卷(第5期);第741-745页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110146120A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
CN116879662B (zh) | 基于数据分析的变压器故障检测方法 | |
CN110376522B (zh) | 一种数据融合的深度学习网络的电机故障诊断方法 | |
CN100447940C (zh) | 根据有关装置的信号诊断其装置故障的装置 | |
CN113533962B (zh) | 基于多物理信号传感器决策融合的感应电机健康诊断系统 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断系统及故障诊断方法 | |
CN111678699B (zh) | 一种面向滚动轴承早期故障监测与诊断方法及系统 | |
CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
CN113391207A (zh) | 一种电机故障的检测方法、介质及系统 | |
CN110146120B (zh) | 一种传感器故障诊断方法及系统 | |
US8102180B2 (en) | CPU voltage testing system and method thereof | |
CN116012681A (zh) | 基于声振信号融合的管道机器人电机故障诊断方法及系统 | |
CN112149569A (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
US20220156586A1 (en) | System for monitoring a circuit breaker | |
CN114460439A (zh) | 一种数字集成电路测试系统 | |
CN107543574B (zh) | 机载传感器高温老炼试验自动检测仪及操作方法 | |
CN111833905B (zh) | 一种基于音频分析的标记字符质量检测系统及方法 | |
CN101329379A (zh) | 电子组件引脚的探测装置及探测方法 | |
JP7435071B2 (ja) | 診断装置、診断方法およびプログラム | |
KR20070049460A (ko) | 3상 유도전동기의 온라인 고장진단방법 | |
CN105677520A (zh) | Cpu串行电压识别信号测试装置及方法 | |
CN111157812A (zh) | 一种基于电磁感应的电力设备故障监测方法 | |
CN116183010B (zh) | 动态称重传感器的故障诊断方法、装置、设备及存储介质 | |
CN117472629B (zh) | 一种电子信息系统多故障诊断方法及系统 | |
CN113011139B (zh) | 一种晶圆map图的转换系统和转换方法 |
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 |