CN110412967A - 一种工业生产线故障诊断系统和方法 - Google Patents
一种工业生产线故障诊断系统和方法 Download PDFInfo
- Publication number
- CN110412967A CN110412967A CN201810395649.6A CN201810395649A CN110412967A CN 110412967 A CN110412967 A CN 110412967A CN 201810395649 A CN201810395649 A CN 201810395649A CN 110412967 A CN110412967 A CN 110412967A
- Authority
- CN
- China
- Prior art keywords
- failure
- diagnosis
- fault
- result
- characteristic frequency
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000009776 industrial production Methods 0.000 title claims abstract description 31
- 208000024891 symptom Diseases 0.000 claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 24
- 230000003993 interaction Effects 0.000 claims abstract description 18
- 230000003595 spectral effect Effects 0.000 claims abstract description 18
- 238000013024 troubleshooting Methods 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明涉及一种工业生产线故障诊断系统和方法,包括:模糊诊断知识库,用于建立诊断对象、故障原因和故障症状之间的对应关系,获得故障特征频率矩阵;通用频谱故障诊断单元,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果;人机交互故障诊断单元,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果;以及输出单元,结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。通过本发明提供的工业生产线故障诊断系统和方法,可以及时诊断大型工业生产线上的故障,提高了故障诊断的准确率,进一步降低了工业生产线的能耗水平。
Description
技术领域
本发明属于故障诊断领域,具体涉及一种工业生产线故障诊断系统和方法。
背景技术
目前,工业生产线上的故障诊断通常依据某些标准故障图谱或者维修人员长期故障诊断积累的经验。然而标准故障图谱仅能根据频率特性诊断出特定的故障,对于非标准故障图谱中新出现的故障无法诊断,从而导致故障诊断质量不高。同时工业生产线上设备众多,单个维修人员的经验难以及时诊断工业生产线上的诸多设备,从而导致故障诊断不及时。
工业生产线上的故障将影响生产线的稳定运行,并增加生产线的功耗和排放。在当前以低消耗、低排放、高效率的资源节约型循环经济为目的的新型清洁生产大背景下,为达到节能减排的效果,提供一种高效准确的工业生产线故障诊断系统和方法迫在眉睫。
发明内容
为了解决上述的故障诊断质量不高,效率较低从而导致工业生产线能耗增加的技术问题,本发明提出了一种工业生产线故障诊断系统和方法。
一种工业生产线故障诊断系统,包括:模糊诊断知识库,用于建立诊断对象、故障原因和故障症状之间的对应关系,获得故障特征频率矩阵;通用频谱故障诊断单元,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果;人机交互故障诊断单元,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果;输出单元,结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。
进一步地,所述模糊诊断知识库包括:规则初始化单元,基于故障经验和资料,统计故障原因和故障症状,确定隶属度,建立诊断规则;自学习单元,基于实际故障诊断或所述诊断规则验证获得的新故障经验和资料,更新所述诊断规则。
进一步地,所述通用频谱故障诊断单元包括:特征频率表,记录归一化的特征频率与描述信息;比较单元,将用户输入的频谱特性与特征频率表中的特征频率进行比较,获得故障症状向量;故障诊断推理机,根据所述故障特征频率矩阵和所述故障症状向量获得所述第一诊断结果。
进一步地,在所述人机交互故障诊断单元中,提供wizard结构的界面实现人机交互。
进一步地,所述故障诊断报告包括所述第一诊断结果和所述第二诊断结果。
一种工业生产线故障诊断方法,包括:建立模糊诊断知识库,确定诊断对象,故障原因和故障症状之间的对应关系,获得故障特征频率矩阵;通用频谱故障诊断,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果;人机交互故障诊断,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果;结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。
进一步地,所述建立模糊诊断知识库包括:基于故障经验和资料,统计故障原因和故障症状,确定隶属度,建立诊断规则;基于实际故障诊断或所述诊断规则验证获得的新故障经验和资料,更新所述诊断规则。
进一步地,所述通用频谱故障诊断步骤包括:记录归一化的特征频率与描述信息;比较用户输入的频谱特性与特征频率表中的特征频率,获得故障症状向量;根据所述故障特征频率矩阵和所述故障症状向量获得所述第一诊断结果。
进一步地,在人机交互故障诊断中,提供wizard结构的界面实现人机交互。
进一步地,所述故障诊断报告包括所述第一诊断结果和所述第二诊断结果。
本发明的有益效果:本发明提供的一种工业生产线故障诊断系统和方法,可以及时诊断大型工业生产线上的故障,通过模糊诊断知识库中知识的自学习和人工修改,提高了故障诊断的准确率,进一步降低了工业生产线的能耗水平。
附图说明
图1是根据本发明实施例提出的一种工业生产线故障诊断系统的结构示意图。
图2是根据本发明实施例提出的一种模糊诊断知识库的结构示意图。
图3是根据本发明实施例提出的一种通用频谱故障诊断单元的结构示意图。
图4是根据本发明实施例提出的一种工业生产线故障诊断方法的方法流程图。
图5是根据本发明实施例提出的一种建立模糊诊断知识库的方法流程图。
图6是根据本发明实施例提出的一种通用频谱故障诊断的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。但本领域技术人员知晓,本发明并不局限于附图和以下实施例。
实施例1
图1是根据本发明实施例提出的一种工业生产线故障诊断系统的结构示意图。如图1所示,工业生产线故障诊断系统100包括模糊诊断知识库110,用于建立诊断对象、故障原因和故障症状之间的对应关系,获得故障特征频率矩阵。模糊诊断知识库110中知识的来源包括标准故障图谱知识,以及根据实际排除故障的经验和资料分析总结出的故障原因和故障症状对应关系。
工业生产线故障诊断系统100还包括通用频谱故障诊断单元120,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果。将典型故障图谱进行故障规则抽象,形成逻辑推理模型,将故障和特征频率进行关联。根据模糊数学原理,通过故障症状和特征频率组合之间的数学模型获得诊断结果。
工业生产线故障诊断系统100还包括人机交互故障诊断单元130,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果。由于复杂结构设备的故障原因和故障症状存在着比较复杂的关系,基于模糊诊断知识库中建立的诊断对象、故障原因和故障症状之间的对应关系,以故障症状作为主表,将故障原因作为子表进行关联。采用wizard结构的界面向用户提供多种故障症状选项供用户选择。故障症状选项可以包括某些不适宜量化描述的特征,例如轴心轨迹等。根据用户对多种症状的选择获得最终诊断结果。人机交互界面还可以提供判断撤销、多表征组合、故障组合等功能。
工业生产线故障诊断系统100还包括输出单元140,结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。故障诊断报告包括设备信息,频谱图,指标量列表,第一诊断结果和第二诊断结果。可以将第一诊断结果和第二诊断结果的交集或并集作为最终诊断结果。
图2是根据本发明实施例提出的模糊诊断知识库的结构示意图。如图2所示,模糊诊断知识库200包括规则初始化单元210,收集故障经验和资料,分析典型故障实例,统计故障原因和故障症状,根据经验和统计等方法确定隶属度,建立诊断规则;以及自学习单元210,根据所述诊断规则验证典型故障或进行实际诊断,当获得新的故障经验和资料时,更新所述诊断规则。更新可以采用机器自动更新或者人工手动更新。通过增加、删除和修改诊断知识和模糊关系矩阵,可以保证诊断系统的可靠和高质量。
图3是根据本发明实施例提出的一种通用频谱故障诊断单元的结构示意图。如图3所示,所述通用频谱故障诊断单元300包括特征频率表310,用于记录归一化的特征频率与描述信息。收集设备参数计算出特征频率T(T=A*R*M),其中M为作业模式,通常为离散变量,R为转速(变量),A为不随状态改变而变化的常量。对特征频率进行归一化,并记录归一化的特征频率和描述信息。例如0.5f 1/2倍频,f转子旋转频率基频,2f 2倍频等。
通用频谱故障诊断单元300还包括比较单元320,用于将用户输入的频谱特性与特征频率表中的特征频率进行比较,获得故障症状向量。自动比较频谱特性中的频率和特征频率表中的频率,当两者相等时,故障症状向量相关位置为1,否则为0。假设用户输入的频谱特性中具有基频和2倍频,对应于0.5f 1/2倍频,f转子旋转频率基频,2f 2倍频的特征频率表,故障症状向量为[0,1,1]。
通用频谱故障诊断单元300还包括故障诊断推理机330,根据所述故障特征频率矩阵和所述故障症状向量获得所述第一诊断结果。对多成因的故障分解成基本粒子,针对典型故障频谱特性图进行故障规则抽象,形成推理逻辑模型,根据故障频率成分的基本结构确定故障特征频率矩阵。根据模糊数学原理,得到故障症状和特征频率组合之间的数学模型Y=X@R:(Y一故障诊断结果,X一故障症状向量,R一故障特征频率矩阵,@一逻辑算子)。将判断边界值输入到特征频率矩阵,对边界值上下限进行异化处理(即边界值上为正,边界值下为负)。
通过通用频谱故障诊断和人机交互故障诊断,能够及时获得故障诊断结果,提高了故障诊断的效率。通过模糊诊断知识库对于新诊断知识的学习,进一步提高了诊断质量。
实施例2
图4是根据本发明实施例提出的一种工业生产线故障诊断方法的方法流程图。如图4所示,工业生产线故障诊断方法400包括建立模糊诊断知识库步骤410,用于确定诊断对象、故障原因和故障症状之间的对应关系,获得故障特征频率矩阵。模糊诊断知识库中知识的来源包括标准故障图谱知识,以及根据实际排除故障的经验和资料分析总结出的故障原因和故障症状对应关系。
工业生产线故障诊断方法400还包括通用频谱故障诊断步骤420,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果。将典型故障图谱进行故障规则抽象,形成逻辑推理模型,将故障和特征频率进行关联。根据模糊数学原理,通过故障症状和特征频率组合之间的数学模型获得诊断结果。
工业生产线故障诊断方法400还包括人机交互故障诊断步骤430,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果。由于复杂结构设备的故障原因和故障症状存在着比较复杂的关系,基于模糊诊断知识库中建立的诊断对象、故障原因和故障症状之间的对应关系,以故障症状作为主表,将故障原因作为子表进行关联。采用wizard结构的界面向用户提供多种故障症状选项供用户选择。故障症状选项可以包括某些不适宜量化描述的特征,例如轴心轨迹等。根据用户对多种症状的选择获得最终诊断结果。人机交互界面还可以提供判断撤销、多表征组合、故障组合等功能。
工业生产线故障诊断方法400还包括输出步骤440,结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。故障诊断报告包括设备信息,频谱图,指标量列表,第一诊断结果和第二诊断结果。可以将第一诊断结果和第二诊断结果的交集或并集作为最终诊断结果。
图5是根据本发明实施例提出的建立模糊诊断知识库的方法图。如图5所示,建立模糊诊断知识库500包括规则初始化步骤510,收集故障经验和资料,分析典型故障实例,统计故障原因和故障症状,根据经验和统计等方法确定隶属度,建立诊断规则;以及自学习步骤520,根据所述诊断规则验证典型故障或进行实际诊断,当获得新的故障经验和资料时,更新所述诊断规则。更新可以采用机器自动更新或者人工手动更新。通过增加、删除和修改诊断知识和模糊关系矩阵,可以保证诊断系统的可靠和高质量。
图6是根据本发明实施例提出的一种通用频谱故障诊断的方法图。如图6所示,通用频谱故障诊断600包括建立特征频率表步骤610,记录归一化的特征频率与描述信息。收集设备参数计算出特征频率T(T=A*R*M),其中M为作业模式,通常为离散变量,R为变量转速,A为不随状态改变而变化的常量。对特征频率进行归一化,并记录归一化的特征频率和描述信息。例如0.5f 1/2倍频,f转子旋转频率基频,2f 2倍频等。
通用频谱故障诊断还包括比较步骤620,用于将用户输入的频谱特性与特征频率表中的特征频率进行比较,获得故障症状向量。自动比较频谱特性中的频率和特征频率表中的频率,当两者相等时,故障症状向量相关位置为1,否则为0。假设用户输入的频谱特性中具有基频和2倍频,对应于0.5f 1/2倍频,f转子旋转频率基频,2f 2倍频的特征频率表,故障症状向量为[0,1,1]。
通用频谱故障诊断还包括故障诊断推理步骤630,根据所述故障特征频率矩阵和所述故障症状向量获得所述第一诊断结果。对多成因的故障分解成基本粒子,针对典型故障频谱特性图进行故障规则抽象,形成推理逻辑模型,根据故障频率成分的基本结构确定故障特征频率矩阵。根据模糊数学原理,得到故障症状和特征频率组合之间的数学模型Y=X@R:(Y一故障诊断结果,X一故障症状向量,R一故障特征频率矩阵,@一逻辑算子)。将判断边界值输入到特征频率矩阵,对边界值上下限进行异化处理(即边界值上为正,边界值下为负)。
通过通用频谱故障诊断和人机交互故障诊断,能够及时获得故障诊断结果,提高了故障诊断的效率。通过模糊诊断知识库对于新诊断知识的学习,进一步提高了诊断质量。
本发明实施例还提出一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
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,所述处理器执行所述程序时实现上述方法的步骤。
本领域技术人员可以理解,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它们的组合来实现: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。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上,对本发明的实施方式进行了说明。但是,本发明不限定于上述实施方式。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种工业生产线故障诊断系统,其特征在于,包括:
模糊诊断知识库,用于建立诊断对象、故障原因和故障症状之间的对应关系,获得故障特征频率矩阵,
通用频谱故障诊断单元,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果,
人机交互故障诊断单元,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果,
输出单元,结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。
2.如权利要求1所述的系统,其特征在于,
所述模糊诊断知识库包括:
规则初始化单元,基于故障经验和资料,统计故障原因和故障症状,确定隶属度,建立诊断规则,
自学习单元,基于实际故障诊断或所述诊断规则验证获得的新故障经验和资料,更新所述诊断规则。
3.如权利要求1所述的系统,其特征在于,
所述通用频谱故障诊断单元包括:
特征频率表,记录归一化的特征频率与描述信息,
比较单元,将用户输入的频谱特性与特征频率表中的特征频率进行比较,获得故障症状向量,
故障诊断推理机,根据所述故障特征频率矩阵和所述故障症状向量获得所述第一诊断结果。
4.如权利要求1所述的系统,其特征在于,
在所述人机交互故障诊断单元中,提供wizard结构的界面实现人机交互。
5.如权利要求1所述的系统,其特征在于,
所述故障诊断报告包括所述第一诊断结果和所述第二诊断结果。
6.一种工业生产线故障诊断方法,其特征在于,包括:
建立模糊诊断知识库,确定诊断对象,故障原因和故障症状之间的对应关系,获得故障特征频率矩阵,
通用频谱故障诊断,根据用户输入的频谱特性获得故障症状向量,并根据所述故障特征频率矩阵和所述故障症状向量获得第一诊断结果,
人机交互故障诊断,根据故障症状和故障原因之间的对应关系,提供多种故障症状选项供用户选择,并根据用户的选择结果获得第二诊断结果,
结合所述第一诊断结果和所述第二诊断结果,输出故障诊断报告。
7.如权利要求6所述的方法,其特征在于,
所述建立模糊诊断知识库包括:
基于故障经验和资料,统计故障原因和故障症状,确定隶属度,建立诊断规则,
基于实际故障诊断或所述诊断规则验证获得的新故障经验和资料,更新所述诊断规则。
8.如权利要求6所述的方法,其特征在于,
所述通用频谱故障诊断步骤包括:
记录归一化的特征频率与描述信息,
比较用户输入的频谱特性与特征频率表中的特征频率,获得故障症状向量,
根据所述故障特征频率矩阵和所述故障症状向量获得所述第一诊断结果。
9.如权利要求6所述的方法,其特征在于,
在人机交互故障诊断中,提供wizard结构的界面实现人机交互。
10.如权利要求6所述的方法,其特征在于,
所述故障诊断报告包括所述第一诊断结果和所述第二诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810395649.6A CN110412967B (zh) | 2018-04-27 | 2018-04-27 | 一种工业生产线故障诊断系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810395649.6A CN110412967B (zh) | 2018-04-27 | 2018-04-27 | 一种工业生产线故障诊断系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110412967A true CN110412967A (zh) | 2019-11-05 |
CN110412967B CN110412967B (zh) | 2021-05-25 |
Family
ID=68347065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810395649.6A Active CN110412967B (zh) | 2018-04-27 | 2018-04-27 | 一种工业生产线故障诊断系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110412967B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581729A (zh) * | 2020-12-14 | 2021-03-30 | 中冶京诚工程技术有限公司 | 一种生产线的报警诊断方法及系统 |
CN112965460A (zh) * | 2021-02-08 | 2021-06-15 | 北京龙谷科技发展有限公司 | 基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置 |
CN113467420A (zh) * | 2021-06-30 | 2021-10-01 | 通号城市轨道交通技术有限公司 | 区域控制器故障检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678881A (zh) * | 2013-11-22 | 2014-03-26 | 张清华 | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 |
CN105181019A (zh) * | 2015-09-15 | 2015-12-23 | 安徽精科检测技术有限公司 | 用于旋转类机械早期故障预警分析的计算机程序产品 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
CN106586796A (zh) * | 2016-11-15 | 2017-04-26 | 王蕊 | 一种自动扶梯状态监测系统及方法 |
-
2018
- 2018-04-27 CN CN201810395649.6A patent/CN110412967B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678881A (zh) * | 2013-11-22 | 2014-03-26 | 张清华 | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 |
CN105181019A (zh) * | 2015-09-15 | 2015-12-23 | 安徽精科检测技术有限公司 | 用于旋转类机械早期故障预警分析的计算机程序产品 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
CN106586796A (zh) * | 2016-11-15 | 2017-04-26 | 王蕊 | 一种自动扶梯状态监测系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581729A (zh) * | 2020-12-14 | 2021-03-30 | 中冶京诚工程技术有限公司 | 一种生产线的报警诊断方法及系统 |
CN112965460A (zh) * | 2021-02-08 | 2021-06-15 | 北京龙谷科技发展有限公司 | 基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置 |
CN113467420A (zh) * | 2021-06-30 | 2021-10-01 | 通号城市轨道交通技术有限公司 | 区域控制器故障检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110412967B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6622221B1 (en) | Workload analyzer and optimizer integration | |
US10223190B2 (en) | Identification of storage system elements causing performance degradation | |
CN110412967A (zh) | 一种工业生产线故障诊断系统和方法 | |
US9083560B2 (en) | Interactive visualization to enhance automated fault diagnosis in networks | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
CN106021771A (zh) | 一种故障诊断方法及装置 | |
CN102735485B (zh) | 挖掘机以及确定设备故障的方法、系统 | |
CN109992916A (zh) | 一种基于飞参数据的机务外场飞机发动机故障预测方法,终端及可读存储介质 | |
US20110012902A1 (en) | Method and system for visualizing the performance of applications | |
CN111337237B (zh) | 一种设备故障的诊断方法及系统 | |
CN111108481B (zh) | 故障分析方法及相关设备 | |
CN108667927A (zh) | 工程机械故障的远程管理方法、装置、系统及存储介质 | |
CN108694448A (zh) | Phm平台 | |
CN111401584A (zh) | 一种设备故障自动诊断方法及系统 | |
CN110388315A (zh) | 基于多源信息融合的输油泵故障识别方法、装置及系统 | |
CN107479540A (zh) | 故障诊断方法以及系统 | |
CN113946952A (zh) | 风机孪生体的生成方法、装置及电子设备 | |
CN110262919A (zh) | 异常数据分析方法、装置、设备与计算机可读存储介质 | |
CN110646685A (zh) | 一种开关柜状态综合评估方法 | |
CN110727670B (zh) | 基于流程图的数据结构预测传递及自动化数据处理方法 | |
CN110210980A (zh) | 一种驾驶行为评估方法、装置和存储介质 | |
CN115062648A (zh) | 一种旋转机械故障诊断方法、系统、装置及存储介质 | |
CN107315671A (zh) | 应用状态监控方法、装置及其设备 | |
US6144923A (en) | Machine diagnosis system | |
CN109884533A (zh) | 电池故障的诊断方法及装置、设备及存储介质 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An industrial production line fault diagnosis system and method Granted publication date: 20210525 Pledgee: Bank of China Limited Xiangyang Branch Pledgor: WORLDWIDE ELECTRIC STOCK CO.,LTD. Registration number: Y2024980020446 |