CN110672325A - 一种基于概率分布的轴承工况稳定性评估方法及装置 - Google Patents

一种基于概率分布的轴承工况稳定性评估方法及装置 Download PDF

Info

Publication number
CN110672325A
CN110672325A CN201910849960.8A CN201910849960A CN110672325A CN 110672325 A CN110672325 A CN 110672325A CN 201910849960 A CN201910849960 A CN 201910849960A CN 110672325 A CN110672325 A CN 110672325A
Authority
CN
China
Prior art keywords
bearing
working condition
probability distribution
vibration
sample data
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
Application number
CN201910849960.8A
Other languages
English (en)
Inventor
张彩霞
曾平
王向东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN201910849960.8A priority Critical patent/CN110672325A/zh
Publication of CN110672325A publication Critical patent/CN110672325A/zh
Priority to PCT/CN2020/087797 priority patent/WO2021042748A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及智能机器人技术领域，具体涉及一种基于概率分布的轴承工况稳定性评估方法及装置，首先以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；进而计算所述样本数据集的概率分布参数；接着根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；最后实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性，本发明可以对轴承工况稳定性进行智能评估。

Description

一种基于概率分布的轴承工况稳定性评估方法及装置
技术领域
本发明涉及智能机器人技术领域，具体涉及一种基于概率分布的轴承工况稳定性评估方法及装置。
背景技术
近年来，随着智能制造、工业4.0的发展，对轴承工况稳定性评估提出了更高的要求。在机械生产和使用过程中，对轴承工况的运行状况积累的海量数据，对轴承工况稳定性评估具有重要价值。
而如何利用大数据技术，通过对积累的海量数据进行分析处理对生产过程进行指导，特别是对轴承工况稳定性进行智能评估，成为值得解决的问题。
发明内容
为解决上述问题，本发明提供一种基于概率分布的轴承工况稳定性评估方法及装置，可以对轴承工况稳定性进行智能评估。
为了实现上述目的，本发明提供以下技术方案：
一种基于概率分布的轴承工况稳定性评估方法，包括：
以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；
计算所述样本数据集的概率分布参数；
根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；
实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性。
进一步，所述采样单位的数量为m，每个所述采样单位的抽样采集数量为n，则有：
Figure BDA0002188505950000011
其中，n≥2/T，j＝1,2,...,m，所述T为轴承运行周期，所述X即为样本数据集。
进一步，所述计算所述样本数据集的概率分布参数，具体为：
通过以下公式计算各个所述样本数据组的样本数据平均值：
Figure BDA0002188505950000021
通过以下公式计算所述样本数据集的样本均值：
Figure BDA0002188505950000022
通过以下公式计算所述样本数据集的样本标准差：
Figure BDA0002188505950000023
进一步，所述各类工况运行状态包括状态稳定、状态优良、状态一般和状态异常。
进一步，所述根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间，包括：
获取所述轴承在稳定运行状态下的振动数据区间，设为[xmin,xmax]；
令所述第一取值区间为：[μ-kσ,μ+kσ]，其中，
则，所述轴承工况状态稳定的区间为[μ-kσ,μ+kσ]；
所述轴承工况状态优良的区间为[μ-2kσ,μ-kσ]∪[μ+kσ,μ+2kσ]；
所述轴承工况状态一般的区间为[μ-3kσ,μ-2kσ)∪(μ+2kσ,μ+3kσ]；
所述轴承工况状态异常的区间为(-∞，μ-3kσ)∪(μ+3kσ,+∞)。
一种基于概率分布的轴承工况稳定性评估装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：
采样模块，用于以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；
参数确定模块，用于计算所述样本数据集的概率分布参数；
振动区间确定模块，用于根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；
评估模块，用于实时获取轴承的振动数据，根据所述轴承振动数据所处的振动区间评估轴承工况稳定性。
本发明的有益效果是：本发明公开一种基于概率分布的轴承工况稳定性评估方法及装置，首先以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；进而计算所述样本数据集的概率分布参数；接着根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；最后实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性。本发明可以对轴承工况稳定性进行智能评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一种基于概率分布的轴承工况稳定性评估方法的流程示意图；
图2是本发明实施例一种基于概率分布的轴承工况稳定性评估装置的结构示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种基于概率分布的轴承工况稳定性评估方法，包括以下步骤：
步骤S100、以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；
步骤S200、计算所述样本数据集的概率分布参数；
步骤S300、根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；
步骤S400、实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性。
本实施例中，可通过在轴承正常运行的同一工况下，以轴承运行周期为一个采样单位采集振动数据，则振动数据可视作是相互独立且具有相同分布规律的随机变量。进而采用随机抽样的方法从随机变量的概率分布中抽样，产生随机变量的样本值，确定统计量与随机变量的函数关系，重复进行数据采样，由随机变量的样本值得到统计量的取值；通过大量的统计量的取值便可以得出统计量的概率分布特征，即可计算所述样本数据集的概率分布参数，根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，以及各类工况运行状态下的取值区间。根据实时获取轴承的振动数据所处的取值区间评估轴承工况稳定性，从而对轴承工况稳定性进行智能评估。
在一个优选的实施例中，所述采样单位的数量为m，每个所述采样单位的抽样采集数量为n，则有：
Figure BDA0002188505950000041
其中，n≥2/T，j＝1,2,...,m，所述T为轴承运行周期，所述X即为样本数据集。
作为本实施例的进一步改进，在抽样采集数量n足够大时，所述样本数据集X近似服从正态分布。可以根据大量的样本数据估计出该正态分布的概率分布参数：样本均值μ、样本标准差s，则X～N(μ,s2),其概率密度函数为：
Figure BDA0002188505950000042
在一个优选的实施例中，所述计算所述样本数据集的概率分布参数，具体为：
通过以下公式计算各个所述样本数据组的样本数据平均值：
Figure BDA0002188505950000043
通过以下公式计算所述样本数据集的样本均值：
Figure BDA0002188505950000044
通过以下公式计算所述样本数据集的样本标准差：
作为本实施例的进一步优选，所述各类工况运行状态包括状态稳定、状态优良、状态一般和状态异常。
作为本实施例的进一步优选，所述根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间，包括：
获取所述轴承在稳定运行状态下的振动数据区间，设为[xmin,xmax]；
令所述第一取值区间为：[μ-kσ,μ+kσ]，其中，
Figure BDA0002188505950000051
则，所述轴承工况状态稳定的区间为[μ-kσ,μ+kσ]；
所述轴承工况状态优良的区间为[μ-2kσ,μ-kσ]∪[μ+kσ,μ+2kσ]；
所述轴承工况状态一般的区间为[μ-3kσ,μ-2kσ)∪(μ+2kσ,μ+3kσ]；
所述轴承工况状态异常的区间为(-∞，μ-3kσ)∪(μ+3kσ,+∞)。
参考图2，本实施例还提供一种基于概率分布的轴承工况稳定性评估装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：
采样模块100，用于以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；
参数确定模块200，用于计算所述样本数据集的概率分布参数；
振动区间确定模块300，用于根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；
评估模块400，用于实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性。
所述一种基于概率分布的轴承工况稳定性评估装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于概率分布的轴承工况稳定性评估装置，可运行的装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于概率分布的轴承工况稳定性评估装置的示例，并不构成对一种基于概率分布的轴承工况稳定性评估装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于概率分布的轴承工况稳定性评估装置还可以包括输入输出设备、网络接入设备、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，所述处理器是所述一种基于概率分布的轴承工况稳定性评估装置运行装置的控制中心，利用各种接口和线路连接整个一种基于概率分布的轴承工况稳定性评估装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述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，实现所述一种基于概率分布的轴承工况稳定性评估装置的各种功能。所述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(Smart-Media-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。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求，考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (6)

1.一种基于概率分布的轴承工况稳定性评估方法，其特征在于，包括：
以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；
计算所述样本数据集的概率分布参数；
根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；
实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性。
2.根据权利要求1所述的一种基于概率分布的轴承工况稳定性评估方法，其特征在于，所述采样单位的数量为m，每个所述采样单位的抽样采集数量为n，则有：
Figure FDA0002188505940000011
其中，n≥2/T，j＝1,2,...,m，所述T为轴承运行周期，所述X即为样本数据集。
3.根据权利要求2所述的一种基于概率分布的轴承工况稳定性评估方法，其特征在于，所述计算所述样本数据集的概率分布参数，具体为：
通过以下公式计算各个所述样本数据组的样本数据平均值：
Figure FDA0002188505940000012
通过以下公式计算所述样本数据集的样本均值：
Figure FDA0002188505940000013
通过以下公式计算所述样本数据集的样本标准差：
Figure FDA0002188505940000014
4.根据权利要求3所述的一种基于概率分布的轴承工况稳定性评估方法，其特征在于，所述各类工况运行状态包括状态稳定、状态优良、状态一般和状态异常。
5.根据权利要求4所述的一种基于概率分布的轴承工况稳定性评估方法，其特征在于，所述根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间，包括：
获取所述轴承在稳定运行状态下的振动数据区间，设为[xmin,xmax]；
令所述第一取值区间为：[μ-kσ,μ+kσ]，其中，
Figure FDA0002188505940000021
则，所述轴承工况状态稳定的区间为[μ-kσ,μ+kσ]；
所述轴承工况状态优良的区间为[μ-2kσ,μ-kσ]∪[μ+kσ,μ+2kσ]；
所述轴承工况状态一般的区间为[μ-3kσ,μ-2kσ)∪(μ+2kσ,μ+3kσ]；
所述轴承工况状态异常的区间为(-∞，μ-3kσ)∪(μ+3kσ,+∞)。
6.一种基于概率分布的轴承工况稳定性评估装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：
采样模块，用于以轴承运行周期为一个采样单位，在轴承运行正常状态下，抽样采集多个采样单位的振动数据，将一个采样单位的振动数据作为一个样本数据组，将多个样本数据组作为样本数据集；
参数确定模块，用于计算所述样本数据集的概率分布参数；
振动区间确定模块，用于根据所述概率分布参数确定轴承工况稳定运行状态下的第一取值区间，根据所述第一取值区间确定各类工况运行状态下轴承的振动区间；
评估模块，用于实时获取轴承的振动数据，根据所述轴承的振动数据所处的振动区间评估轴承工况稳定性。
CN201910849960.8A 2019-09-02 2019-09-02 一种基于概率分布的轴承工况稳定性评估方法及装置 Pending CN110672325A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910849960.8A CN110672325A (zh) 2019-09-02 2019-09-02 一种基于概率分布的轴承工况稳定性评估方法及装置
PCT/CN2020/087797 WO2021042748A1 (zh) 2019-09-02 2020-04-29 一种基于概率分布的轴承工况稳定性评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910849960.8A CN110672325A (zh) 2019-09-02 2019-09-02 一种基于概率分布的轴承工况稳定性评估方法及装置

Publications (1)

Publication Number Publication Date
CN110672325A true CN110672325A (zh) 2020-01-10

Family

ID=69076753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910849960.8A Pending CN110672325A (zh) 2019-09-02 2019-09-02 一种基于概率分布的轴承工况稳定性评估方法及装置

Country Status (2)

Country Link
CN (1) CN110672325A (zh)
WO (1) WO2021042748A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112286998A (zh) * 2020-12-03 2021-01-29 树根互联技术有限公司 吊车工作循环分析方法、装置、终端设备和可读存储介质
WO2021042748A1 (zh) * 2019-09-02 2021-03-11 佛山科学技术学院 一种基于概率分布的轴承工况稳定性评估方法及装置
CN112508350A (zh) * 2020-11-19 2021-03-16 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种汽轮发电机组振动预警方法及系统
CN113284550A (zh) * 2021-06-17 2021-08-20 上海交通大学 一种基于蒙特卡罗算法的回归建模方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106092565A (zh) * 2016-06-08 2016-11-09 成都阜特科技股份有限公司 一种振动故障分析方法及其系统
CN106112697A (zh) * 2016-07-15 2016-11-16 西安交通大学 一种基于3σ准则的铣削颤振自动报警阈值设定方法
CN108555907A (zh) * 2018-04-12 2018-09-21 宁波市智能制造产业研究院 机器人运行状况评价方法
CN109960780A (zh) * 2019-03-18 2019-07-02 湘潭大学 一种机泵运行经济性能和稳定状态的评判系统及评判方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103512751A (zh) * 2013-07-03 2014-01-15 辽宁大学 一种基于概率神经网络的轴承健康状态识别方法
CN104198138B (zh) * 2014-08-28 2017-03-22 北京天源科创风电技术有限责任公司 一种风力发电机组异常振动的预警方法及系统
CN106528938B (zh) * 2016-10-11 2019-05-21 西安交通大学 一种基于按类统计的滚动轴承可靠性可视化动态评估方法
JP2018179735A (ja) * 2017-04-12 2018-11-15 日本精工株式会社 回転部品の異常診断方法及び異常診断装置
CN108181105B (zh) * 2017-11-28 2020-08-07 杭州安脉盛智能技术有限公司 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统
CN108426691B (zh) * 2018-03-08 2019-09-06 中国石油大学(北京) 变速旋转机械设备振动状态监测方法及装置
CN110672325A (zh) * 2019-09-02 2020-01-10 佛山科学技术学院 一种基于概率分布的轴承工况稳定性评估方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106092565A (zh) * 2016-06-08 2016-11-09 成都阜特科技股份有限公司 一种振动故障分析方法及其系统
CN106112697A (zh) * 2016-07-15 2016-11-16 西安交通大学 一种基于3σ准则的铣削颤振自动报警阈值设定方法
CN108555907A (zh) * 2018-04-12 2018-09-21 宁波市智能制造产业研究院 机器人运行状况评价方法
CN109960780A (zh) * 2019-03-18 2019-07-02 湘潭大学 一种机泵运行经济性能和稳定状态的评判系统及评判方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋祥彦: "《统计质量评价理论基础：过程能力指数理论与应用》", 31 December 2013, 湖北科学技术出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021042748A1 (zh) * 2019-09-02 2021-03-11 佛山科学技术学院 一种基于概率分布的轴承工况稳定性评估方法及装置
CN112508350A (zh) * 2020-11-19 2021-03-16 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种汽轮发电机组振动预警方法及系统
CN112286998A (zh) * 2020-12-03 2021-01-29 树根互联技术有限公司 吊车工作循环分析方法、装置、终端设备和可读存储介质
CN112286998B (zh) * 2020-12-03 2021-03-23 树根互联技术有限公司 吊车工作循环分析方法、装置、终端设备和可读存储介质
CN113284550A (zh) * 2021-06-17 2021-08-20 上海交通大学 一种基于蒙特卡罗算法的回归建模方法

Also Published As

Publication number Publication date
WO2021042748A1 (zh) 2021-03-11

Similar Documents

Publication Publication Date Title
CN110672325A (zh) 一种基于概率分布的轴承工况稳定性评估方法及装置
CN109634819B (zh) 告警根因定位方法和装置、电子设备
CN107678800B (zh) 后台应用清理方法、装置、存储介质及电子设备
CN111191601B (zh) 同行用户识别方法、装置、服务器及存储介质
CN110334013B (zh) 决策引擎的测试方法、装置及电子设备
CN112085926B (zh) 一种河道水污染预警方法及系统
CN108304322B (zh) 一种压力测试方法及终端设备
CN107728772B (zh) 应用程序的处理方法、装置、存储介质及电子设备
CN113609715B (zh) 一种数字孪生背景下的多元模型数据融合方法及系统
CN110376503B (zh) 一种ai加速芯片性能测试方法及其装置
CN114595130A (zh) 一种软件稳定性评估方法、装置、存储介质和设备
CN110796591A (zh) 一种gpu卡的使用方法及相关设备
CN110598732B (zh) 一种基于图像识别的植物健康检测方法及装置
CN116311089B (zh) 一种基于图像处理的污水水质数据智能分析方法和系统
CN112883765B (zh) 一种目标移动轨迹获取方法、装置、存储介质及电子设备
CN111008740B (zh) 数据传播趋势的预测方法、设备、存储介质及装置
CN115618206B (zh) 干扰数据确定方法、装置、电子设备及存储介质
CN114448661B (zh) 慢速拒绝服务攻击检测方法及相关设备
CN113704374B (zh) 空间飞行器轨迹拟合方法、装置及终端
Sharma et al. Simulating noisy, nonparametric, and multivariate discrete patterns
CN109656737A (zh) 异常信息的统计方法及装置
CN111683102B (zh) Ftp行为数据处理方法、识别异常ftp行为的方法及装置
CN110874310A (zh) 一种终端行为监测方法、装置、电子设备及存储介质
CN110674949A (zh) 一种基于大数据的工件故障智能补偿方法及装置
CN109086207B (zh) 页面响应故障分析方法、计算机可读存储介质及终端设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Country or region after: China

Address after: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Applicant after: Foshan University

Address before: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Applicant before: FOSHAN University

Country or region before: China