CN110530507A - 用于旋转设备监测的边缘计算方法、介质及系统 - Google Patents
用于旋转设备监测的边缘计算方法、介质及系统 Download PDFInfo
- Publication number
- CN110530507A CN110530507A CN201910810604.5A CN201910810604A CN110530507A CN 110530507 A CN110530507 A CN 110530507A CN 201910810604 A CN201910810604 A CN 201910810604A CN 110530507 A CN110530507 A CN 110530507A
- Authority
- CN
- China
- Prior art keywords
- narrowband
- value
- exceeded
- passband
- vibration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000007257 malfunction Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 19
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Abstract
本发明涉及一种用于旋转设备监测的边缘计算方法、介质及系统，属于设备故障监测领域。方法包括以下步骤：1)利用边缘计算单元对采集的旋转设备的振动信号进行预处理；预处理过程包括：A、根据振动信号，计算振动信号的通频值；B、将振动信号进行频域转换，将转换后的频域振动信号划分为若干个窄带信号；C、将各窄带信号分别进行傅里叶反变换，得到各窄带的时域信号，并求得各窄带信号对应的振动幅值；D、判断通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息；2)将特征数据传输至云服务器。本发明将采集的旋转设备的振动波形数据转换为特征数据传输至云服务器，减少了网络传输的成本，同时兼顾了传输信息的完整性。
Description
技术领域
本发明涉及一种用于旋转设备监测的边缘计算方法、介质及系统，属于设备故障监测领域。
背景技术
随着无线传感网络和信息物理融合系统的快速发展，如何更加有效的提取工业设备的实时特征数据，判断设备运行状态，避免故障漏报或误报，是当前设备智能诊断和信息物理融合系统领域的一个重要问题。现阶段的无线设备监测系统中，每个无线振动传感网络在功能上仅仅是采集设备振动数据并传输，并不具备数据分析和处理的功能，也不能自动识别设备故障。
传统的传感器节点对设备振动信息采集完成后需要将完整的振动信息传输到上位机进行分析处理，虽然这种传输方式保证了传输信息的完整性，但大量的数据传输不仅增加了传输成本，而且导致了传感器节点能耗的增加。
目前的无线传感器多仅传输振动总值，虽然这种传输方式传输成本和能耗均较少，但由于传输的信息较少，不利于后期分析评价设备状态和故障诊断，不能很好地实现监测功能。
如何兼顾网络传输的成本和传输信息的完整性，有着十分重要的现实意义。
发明内容
本发明的目的在于提供一种用于旋转设备监测的边缘计算方法、介质及系统，以解决现有技术中无法兼顾网络传输的成本和传输信息的完整性的问题。
为实现上述目的，本发明提出一种用于旋转设备监测的边缘计算方法，包括以下步骤：
1)利用边缘计算单元对采集的旋转设备的振动信号进行预处理，得到特征数据，所述特征数据包括振动信号的通频值、各窄带的振动幅值以及设备状态信息；
预处理过程包括：A、根据所述振动信号，计算振动信号的通频值；B、将所述振动信号进行频域转换，将转换后的频域振动信号划分为若干个窄带信号；C、将各窄带信号分别进行傅里叶反变换，得到各窄带的时域信号，并根据各窄带的时域信号求得各窄带信号对应的振动幅值；D、判断所述通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息；
2)将所述特征数据传输至云服务器。
另外，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被计算机处理器执行时实现上述用于旋转设备监测的边缘计算方法。
有益效果是：利用边缘计算单元将采集的旋转设备的振动信号转换为振动信号的通频值、各窄带的振动幅值以及设备状态信息后再传输至服务器，在保证传输信息的完整性的前提下，又能够减少数据传输量，减少网络传输的成本。
进一步的，上述用于旋转设备监测的边缘计算方法及计算机可读存储介质中，根据判断结果生成设备状态信息的过程包括：
若通频值超标，各窄带的振动幅值并没有超标，则生成的设备状态信息为设备总体振动超标；
若通频值不超标，某个窄带的振动幅值超标，则生成的设备状态信息为：设备某一部件发生故障；
若通频值和某个窄带的振动幅值均超标，则生成的设备状态信息为：设备总体振动超标且设备某一部件发生故障；
若通频值和各个窄带的振动幅值均未超标，则生成的设备状态信息为：设备正常。
有益效果是：提供了生成设备状态信息的具体方法。
进一步的，上述用于旋转设备监测的边缘计算方法及计算机可读存储介质中，
若判断通频值大于通频报警值，则判定通频值超标；
若判断某个窄带的振动幅值大于对应的窄带报警值，所述窄带报警值为设定比例的通频报警值，则判定某个窄带的振动幅值超标。
有益效果是：提供了判断通频值和各窄带的振动幅值超标的具体方法。
进一步的，上述用于旋转设备监测的边缘计算方法及计算机可读存储介质中，所述通频报警值和窄带报警值是从云服务器中下载得到的。
有益效果是：简单、准确地实现了相关报警值的设定。
另外，本发明还提出一种旋转设备监测系统，包括依次连接的采集单元、边缘计算单元和云服务器，所述边缘计算单元用于：
对采集单元采集的旋转设备的振动信号进行预处理，得到特征数据，所述特征数据包括振动信号的通频值、各窄带的振动幅值以及设备状态信息；
预处理过程包括：A、根据所述振动信号，计算振动信号的通频值；B、将所述振动信号进行频域转换，将转换后的频域振动信号划分为若干个窄带信号；C、将各窄带信号分别进行傅里叶反变换，得到各窄带的时域信号，并根据各窄带的时域信号求得各窄带信号对应的振动幅值；D、判断所述通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息；
将所述特征数据传输至云服务器；
云服务器用于：接收所述特征数据，分析得到旋转设备的故障诊断结果，并且将故障诊断结果输出。
有益效果是：利用边缘计算单元将采集的旋转设备的振动信号转换为振动信号的通频值、各窄带的振动幅值以及设备状态信息后再传输至服务器，在保证传输信息的完整性的前提下，又能够减少数据传输量，减少网络传输的成本。
进一步的，根据判断结果生成设备状态信息的过程包括：
若通频值超标，各窄带的振动幅值并没有超标，则生成的设备状态信息为设备总体振动超标；
若通频值不超标，某个窄带的振动幅值超标，则生成的设备状态信息为：设备某一部件发生故障；
若通频值和某个窄带的振动幅值均超标，则生成的设备状态信息为：设备总体振动超标且设备某一部件发生故障；
若通频值和各个窄带的振动幅值均未超标，则生成的设备状态信息为：设备正常。
有益效果是：提供了生成设备状态信息的具体方法。
进一步的，若判断通频值大于通频报警值，则判定通频值超标；
若判断某个窄带的振动幅值大于对应的窄带报警值，所述窄带报警值为设定比例的通频报警值，则判定某个窄带的振动幅值超标。
有益效果是：提供了判断通频值和各窄带的振动幅值超标的具体方法。
进一步的，所述通频报警值和窄带报警值是从云服务器中下载得到的。
有益效果是：简单、准确地实现了相关报警值的设定。
附图说明
图1为本发明旋转设备监测系统实施例中旋转设备监测系统结构示意图；
图2为本发明旋转设备监测系统实施例中传感器检测的离心泵的振动信号f(t)波形图；
图3为本发明旋转设备监测系统实施例中窄带划分示意图；
图4为本发明旋转设备监测系统实施例中旋转设备监测方法流程图。
具体实施方式
旋转设备监测系统实施例：
如图1所示，旋转设备监测系统包括采集离心泵的振动信号的传感器、设置在传感器内部的边缘计算单元(图中未示出)和云服务器，边缘计算单元对振动信号进行预处理，并将得到特征数据通过无线网关传输给云服务器。云服务器根据接收到的特征数据分析得到离心泵的具体故障诊断结果，然后再将具体故障诊断结果传输至用户终端，用户可在终端上查看离心泵故障诊断结果。
本实施例中边缘计算单元进行预处理的过程包括以下步骤：
1)根据获取的离心泵的振动信号f(t)，如图2所示，计算离心泵的振动信号的通频值A0；
2)将离心泵的振动信号进行频域转换，将转换后的频域振动信号F(s)划分为5个窄带F1-F5，分别为F1：0.8倍频-1.2倍频，F2：1.2倍频～2.2倍频，F3：4.2～6.2倍频，F4：8倍频～15倍频，F5：15倍频以上，如图3所示。
3)计算各窄带的振动幅值A1-A5，过程为：在幅值谱上做窄带滤波，单独取出F1这个频带信号；对F1窄带信号做FFT反变换，得到对应的时域波形；根据该时域波形，计算得到F1窄带对应的振动值A1；A2～A5可采用类似的方法得到；
4)判断通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息，如图4所示。
判断通频值是否超标即判断通频值是否大于通频报警值，判断各窄带的振动幅值是否超标即判断各窄带的振动幅值是否大于相应的窄带报警值；各窄带报警值为通频报警值的一定百分比，如第F1窄带段的报警值为通频报警值的90％，第F2窄带段为通频报警值的30％；第F3窄带段为通频报警值的20％，第F4窄带段为通频报警值的15％；第F5段窄带为通频报警值的10％。
各窄带报警比例关系可以作为经验知识存储在云服务器，新安装的传感器也可以根据所安装的设备不同从云服务器中下载相应的窄带报警值；如果服务器中没有以往的经验报警数据，依据标准设定各个频段的报警初值(所谓标准为初始的报警值，可以在传感器初始化时固化)，只作为一种初始参考，实际报警值在采集了10次数据以后，依据各频段幅值与通频值的比例关系，依据统计计算的方法得到。
通过判断上述5个窄带的振动幅值是否超标来判断离心泵是否出现某一部位故障，本实施例中上述5个窄带分别对应泵不平衡、对中故障、叶轮缺陷、轴承故障、泵水击等故障类型。
边缘计算单元根据通频值以及各窄带振动幅值是否超标生成离心泵状态信息：若通频值超标，各窄带的振动幅值并没有超标，则生成的离心泵状态信息为离心泵总体振动超标；若通频值不超标，某个窄带超标，则生成的离心泵状态信息为：离心泵某一部件发生故障；若通频值和某个窄带的振动幅值均超标，则生成的离心泵状态信息为：离心泵总体振动超标且离心泵某一部件发生故障；若通频值和各个窄带的振动幅值均未超标，则生成的离心泵状态信息为：离心泵正常。
边缘计算单元将振动信号的通频值A0、各窄带的振动幅值A1-A5以及离心泵状态信息传输给云服务器，云服务器接收后分析得到离心泵的具体故障诊断结果。具体地，云服务器根据接收的通频值、各个窄带幅值和设备状态信息匹配服务器数据的诊断知识；根据传感器上传的设备状态信息，匹配存储在服务器中的故障知识库，自动给出诊断结果和治理措施。如果上传的设备状态信息为正常，则根据通频和窄带振动值与报警值之间的大小关系，给出设备工作正常的置信度大小；如果上传的设备状态信息提示某个窄带超标或通频振动超标，根据服务器中存储的设备和窄带对应的故障知识，匹配规则，给出设备的故障类型和置信度，并在详情中给出处理建议。
以离心泵为例；如果边缘计算结果为均没有发生报警，云服务器接收到数据以后，根据上传的设备状态信息，提示设备正常以及正常的置信度大小；并在处理建议中提示设备运行状态良好；
如果边缘计算结果为某一个窄带故障报警，如F2窄带报警，数值超标，通频不报警，则云服务器报警类型提示窄带报警，提示主要故障为不对中，并给出置信度大小以及不对中故障的处理建议；
如果边缘计算结果为通频报警，无窄带报警，则云服务器报警类型提示通频报警，则提示故障为总体振动超标，并将各个窄带对应的故障置信度最大的作为主要故障进行提示，并给出置信度以及处理建议；
如果边缘计算结果为通频报警，且某一个窄带报警。如通频和F2同时报警，则云服务器报警类型提示通频报警、窄带报警，提示主要故障为不对中，并给出置信度以及处理建议；
如果边缘计算结果为通频报警，且超过一个窄带报警，如通频和F1、F2同时报警，则云服务器报警类型提示通频报警、窄带报警，提示主要故障为不平衡和不对中，并分别给出置信度以及处理建议。
本实施例中边缘计算单元设置在传感器内，作为其他实施方式，也可以设置在传感器的外部，但位于传感器与云服务器之间。
本实施例中振动信号可以为振动加速度信号、振动速度信号或者振动位移信号等。
本实施例中的旋转设备不局限于离心泵，也可以是其他旋转设备，如压缩机、变速箱、风机、电机泵等。
本实施例中边缘计算单元通过无线传输方式将特征数据传输至云服务器，无线传输方式可以为LoRa、NB-IoT或WiFi。
本实施例中对离心泵频域转换后的振动信息进行了具体窄带划分，作为其他实施方式，可以根据设备类型的不同对窄带划分的个数、各窄带的报警值和范围区间进行调整。
用于旋转设备监测的边缘计算方法实施例：
本实施例中用于旋转设备监测的边缘计算方法包括以下步骤：
1)利用边缘计算单元对采集的旋转设备的振动信号进行预处理，得到特征数据，所述特征数据包括振动信号的通频值、各窄带的振动幅值以及设备状态信息；
2)将所述特征数据传输至云服务器。
用于旋转设备监测的边缘计算方法的具体实施过程在上述旋转设备监测系统实施例中已经介绍，这里不做过多赘述。
计算机可读存储介质实施例：
本实施例提出的计算机可读存储介质存储有计算机程序，所述计算机程序被计算机处理器执行时实现旋转设备监测系统实施例中的用于旋转设备监测的边缘计算方法。
用于旋转设备监测的边缘计算方法的具体实施过程在上述旋转设备监测系统实施例中已经介绍，这里不做过多赘述。
Claims (9)
1.一种用于旋转设备监测的边缘计算方法，其特征在于，包括以下步骤：
1)利用边缘计算单元对采集的旋转设备的振动信号进行预处理，得到特征数据，所述特征数据包括振动信号的通频值、各窄带的振动幅值以及设备状态信息；
预处理过程包括：A、根据所述振动信号，计算振动信号的通频值；B、将所述振动信号进行频域转换，将转换后的频域振动信号划分为若干个窄带信号；C、将各窄带信号分别进行傅里叶反变换，得到各窄带的时域信号，并根据各窄带的时域信号求得各窄带信号对应的振动幅值；D、判断所述通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息；
2)将所述特征数据传输至云服务器。
2.根据权利要求1所述的用于旋转设备监测的边缘计算方法，其特征在于，根据判断结果生成设备状态信息的过程包括：
若通频值超标，各窄带的振动幅值并没有超标，则生成的设备状态信息为设备总体振动超标；
若通频值不超标，某个窄带的振动幅值超标，则生成的设备状态信息为：设备某一部件发生故障；
若通频值和某个窄带的振动幅值均超标，则生成的设备状态信息为：设备总体振动超标且设备某一部件发生故障；
若通频值和各个窄带的振动幅值均未超标，则生成的设备状态信息为：设备正常。
3.根据权利要求1或2所述的用于旋转设备监测的边缘计算方法，其特征在于，
若判断通频值大于通频报警值，则判定通频值超标；
若判断某个窄带的振动幅值大于对应的窄带报警值，所述窄带报警值为设定比例的通频报警值，则判定某个窄带的振动幅值超标。
4.根据权利要求3所述的用于旋转设备监测的边缘计算方法，其特征在于，所述通频报警值和窄带报警值是从云服务器中下载得到的。
5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现如权利要求1-4中任一项所述的用于旋转设备监测的边缘计算方法。
6.一种旋转设备监测系统，其特征在于，包括依次连接的采集单元、边缘计算单元和云服务器，所述边缘计算单元用于：
对采集单元采集的旋转设备的振动信号进行预处理，得到特征数据，所述特征数据包括振动信号的通频值、各窄带的振动幅值以及设备状态信息；
预处理过程包括：A、根据所述振动信号，计算振动信号的通频值；B、将所述振动信号进行频域转换，将转换后的频域振动信号划分为若干个窄带信号；C、将各窄带信号分别进行傅里叶反变换，得到各窄带的时域信号，并根据各窄带的时域信号求得各窄带信号对应的振动幅值；D、判断所述通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息；
将所述特征数据传输至云服务器；
云服务器用于：接收所述特征数据，分析得到旋转设备的故障诊断结果，并且将故障诊断结果输出。
7.根据权利要求6所述的旋转设备监测系统，其特征在于，根据判断结果生成设备状态信息的过程包括：
若通频值超标，各窄带的振动幅值并没有超标，则生成的设备状态信息为设备总体振动超标；
若通频值不超标，某个窄带的振动幅值超标，则生成的设备状态信息为：设备某一部件发生故障；
若通频值和某个窄带的振动幅值均超标，则生成的设备状态信息为：设备总体振动超标且设备某一部件发生故障；
若通频值和各个窄带的振动幅值均未超标，则生成的设备状态信息为：设备正常。
8.根据权利要求6或7所述的旋转设备监测系统，其特征在于，
若判断通频值大于通频报警值，则判定通频值超标；
若判断某个窄带的振动幅值大于对应的窄带报警值，所述窄带报警值为设定比例的通频报警值，则判定某个窄带的振动幅值超标。
9.根据权利要求8所述的旋转设备监测系统，其特征在于，所述通频报警值和窄带报警值是从云服务器中下载得到的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910810604.5A CN110530507B (zh) | 2019-08-29 | 2019-08-29 | 用于旋转设备监测的边缘计算方法、介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910810604.5A CN110530507B (zh) | 2019-08-29 | 2019-08-29 | 用于旋转设备监测的边缘计算方法、介质及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110530507A true CN110530507A (zh) | 2019-12-03 |
| CN110530507B CN110530507B (zh) | 2021-10-15 |
Family
ID=68665188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910810604.5A Active CN110530507B (zh) | 2019-08-29 | 2019-08-29 | 用于旋转设备监测的边缘计算方法、介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110530507B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112311885A (zh) * | 2020-10-30 | 2021-02-02 | 特灵空调系统(中国)有限公司 | 数据传输方法、系统和计算机可读存储介质 |
| CN112541563A (zh) * | 2020-09-30 | 2021-03-23 | 国电龙源电力技术工程有限责任公司 | 基于边缘计算技术的旋转设备振动预测管理系统 |
| CN113295445A (zh) * | 2021-05-19 | 2021-08-24 | 郑州大学 | 一种旋转机械的振动信号采集及故障实时监测系统及方法 |
| CN113742855A (zh) * | 2021-07-27 | 2021-12-03 | 清华大学 | 一种故障预测方法、系统、电子设备与可读存储介质 |
| CN115898850A (zh) * | 2022-11-10 | 2023-04-04 | 浙江大学 | 一种轴向柱塞泵边缘计算处理器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107701468A (zh) * | 2017-09-27 | 2018-02-16 | 郑州大学 | 一种混流泵在线综合监测方法及装置 |
| CN108444589A (zh) * | 2018-01-22 | 2018-08-24 | 国电南瑞科技股份有限公司 | 一种基于频域特征提取的水电机组状态监测信号处理方法 |
| CN108956117A (zh) * | 2017-11-29 | 2018-12-07 | 杰富意先进技术株式会社 | 电磁振动分量的去除方法、旋转机械诊断方法及装置 |
| CN109445327A (zh) * | 2018-10-17 | 2019-03-08 | 南京凯奥思数据技术有限公司 | 基于fpga边缘计算技术的旋转机械振动采集监控与保护系统 |
| US10241006B2 (en) * | 2012-08-30 | 2019-03-26 | Siemens Aktiengesellschaft | Method for monitoring the operation of a gas turbine |
-
2019
- 2019-08-29 CN CN201910810604.5A patent/CN110530507B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10241006B2 (en) * | 2012-08-30 | 2019-03-26 | Siemens Aktiengesellschaft | Method for monitoring the operation of a gas turbine |
| CN107701468A (zh) * | 2017-09-27 | 2018-02-16 | 郑州大学 | 一种混流泵在线综合监测方法及装置 |
| CN108956117A (zh) * | 2017-11-29 | 2018-12-07 | 杰富意先进技术株式会社 | 电磁振动分量的去除方法、旋转机械诊断方法及装置 |
| CN108444589A (zh) * | 2018-01-22 | 2018-08-24 | 国电南瑞科技股份有限公司 | 一种基于频域特征提取的水电机组状态监测信号处理方法 |
| CN109445327A (zh) * | 2018-10-17 | 2019-03-08 | 南京凯奥思数据技术有限公司 | 基于fpga边缘计算技术的旋转机械振动采集监控与保护系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541563A (zh) * | 2020-09-30 | 2021-03-23 | 国电龙源电力技术工程有限责任公司 | 基于边缘计算技术的旋转设备振动预测管理系统 |
| CN112311885A (zh) * | 2020-10-30 | 2021-02-02 | 特灵空调系统(中国)有限公司 | 数据传输方法、系统和计算机可读存储介质 |
| CN113295445A (zh) * | 2021-05-19 | 2021-08-24 | 郑州大学 | 一种旋转机械的振动信号采集及故障实时监测系统及方法 |
| CN113742855A (zh) * | 2021-07-27 | 2021-12-03 | 清华大学 | 一种故障预测方法、系统、电子设备与可读存储介质 |
| CN113742855B (zh) * | 2021-07-27 | 2022-03-18 | 清华大学 | 一种故障预测方法、系统、电子设备与可读存储介质 |
| CN115898850A (zh) * | 2022-11-10 | 2023-04-04 | 浙江大学 | 一种轴向柱塞泵边缘计算处理器 |
| CN115898850B (zh) * | 2022-11-10 | 2024-01-26 | 浙江大学 | 一种轴向柱塞泵边缘计算处理器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110530507B (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110530507A (zh) | 用于旋转设备监测的边缘计算方法、介质及系统 | |
| US10725439B2 (en) | Apparatus and method for monitoring a device having a movable part | |
| JP4846954B2 (ja) | 複雑な信号の分解およびモデリング | |
| Wu et al. | Induction machine fault detection using SOM-based RBF neural networks | |
| US11441940B2 (en) | Condition monitoring apparatus, condition monitoring system, and condition monitoring method | |
| US10088838B2 (en) | Method for diagnostic monitoring of a wind turbine generator system | |
| CN109030849B (zh) | 压缩机旋转失速的监测方法及装置 | |
| CN107271170A (zh) | 一种机械设备故障类型的自动诊断方法及系统 | |
| CN110134571A (zh) | 旋转型机械设备健康状态监测方法及装置 | |
| CN112834224B (zh) | 一种核电汽轮发电机健康状态评估方法及系统 | |
| CN101226102A (zh) | 变负载机械故障诊断方法 | |
| US8355879B2 (en) | Trending of vibration data taking into account torque effect | |
| CN106382238A (zh) | 一种离心泵空化诊断的方法及其装置 | |
| CN108398265A (zh) | 一种滚动轴承在线故障检测方法 | |
| CN103939325A (zh) | 一种在低速运转下的消防水泵的故障诊断方法 | |
| Mo et al. | Conditional empirical wavelet transform with modified ratio of cyclic content for bearing fault diagnosis | |
| KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
| CN110837045B (zh) | 一种诊断泵系统潜在故障的方法及检测系统 | |
| CN114263621A (zh) | 一种离心泵空化故障诊断模拟的试验方法及系统 | |
| CN110056640A (zh) | 基于加速度信号和边缘计算的减速机无线故障诊断方法 | |
| CN112945531A (zh) | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 | |
| KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
| JP2001125634A (ja) | ウェーブレット変換によるプラント機器監視装置 | |
| CN114739667A (zh) | 一种多模态信息融合轴承润滑状态监测装置及方法 | |
| CN109357751B (zh) | 一种电力变压器绕组松动缺陷检测系统 |
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: 20221024 Address after: 450001 block a, building 5, No. 149, West Third Ring Road, high tech Zone, Zhengzhou City, Henan Province Patentee after: ZHENGZHOU ENPU TECHNOLOGY Co.,Ltd. Patentee after: Han Jie Address before: 450001 No. 100 science Avenue, hi tech Zone, Henan, Zhengzhou Patentee before: Zhengzhou University Patentee before: ZHENGZHOU ENPU TECHNOLOGY Co.,Ltd. Patentee before: Han Jie |
|
| TR01 | Transfer of patent right |