CN110727683B - 一种分布式压缩机状态监测数据编码方法及监测方法 - Google Patents
一种分布式压缩机状态监测数据编码方法及监测方法 Download PDFInfo
- Publication number
- CN110727683B CN110727683B CN201910945725.0A CN201910945725A CN110727683B CN 110727683 B CN110727683 B CN 110727683B CN 201910945725 A CN201910945725 A CN 201910945725A CN 110727683 B CN110727683 B CN 110727683B
- Authority
- CN
- China
- Prior art keywords
- data
- compressor
- platform
- bit codes
- distributed
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003745 diagnosis Methods 0.000 claims abstract description 27
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种分布式压缩机状态监测数据编码方法及监测方法，属于压缩机技术领域。目前还没有分布式压缩机状态监测技术。本发明采用分布式数据结构，搭建数据、应用、用户分别独立的系统，结合分布式压缩机状态监测方法，打造压缩机的状态监测平台；为确保平台内部数据的唯一性和可溯性，使用分布式压缩机状态监测数据编码方法。本发明分布式压缩机状态监测数据编码方法，其特点在于：由阿拉伯数字与英文字母组成，通过调整编码，来识别空压机定位归属、系统、部件、工艺、状态特性，从而构成描述空压机属性和状态的基础数据集，对压缩机状态监测数据进行唯一性识别和应用。本发明为行业节能减排、压缩机运行监控、故障诊断等，提供数据基础。
Description
技术领域
本发明涉及一种分布式压缩机状态监测数据编码方法及监测方法，属于压缩机技术领域。
背景技术
压缩机用于压缩空气、工艺气体、天燃气、冷媒介质等，广泛应用于纺织、电子、工程机械、空调、工业自动化、化工等领域，是现代工业发展的基础技术与产品。随着工业物联网的快速发展，万物互联互通在将来会得到长足发展，通过应用物联网技术，开展压缩机的状态监测，实现压缩机运行状态的实时监控、亚健康预警、故障分析，为压缩机的检修与维护工作提供支持，成为未来行业发展的技术方向。
虽然现在也有关于空压机的监测技术，如公开日为2011年12月28日，公开号为CN202091172U的中国专利中，公开了一种气体压缩机状态监测和可靠性分析装置；公开日为2016年11月23日，公开号为CN205714773U的中国专利中，公开了一种螺杆压缩机状态监测与故障诊断系统，但是目前还没有分布式压缩机状态监测技术。
发明内容
本发明的目的在于克服现有技术中存在的上述不足，而提供一种分布式压缩机状态监测数据编码方法及监测方法。
本发明解决上述问题所采用的技术方案是：该分布式压缩机状态监测数据编码方法，其特点在于：所述分布式压缩机状态监测数据编码方法，由阿拉伯数字与英文字母组成，通过调整编码，来识别空压机定位归属、系统、部件、工艺、状态特性，从而构成描述空压机属性和状态的基础数据集，对压缩机状态监测数据进行唯一性识别和应用。
本发明所述分布式压缩机状态监测数据编码方法，包括区块、段、代码类型和标识名称四部分组成，一个完整的数据编码，由3个区块、共计34位代码组成，包括空间区块、元件区块和量值区块。
本发明所述空间区块由归属1段、共计9位代码组成；
归属段有9位代码，其中第1-2位代码采用字母表示所处县级行政区域，第3-5位代码采用三位数字表示所属厂站名称，第6-8位代码采用三位字母或两位字母和一位数字表示成套供应商名，最后用第9位数字表示压缩机的类别。
本发明所述元件区块由成套、设备以及部位3段、共计14位代码组成，其中：
成套段有5位代码，其中第1-3位代码用字母和数字表示成套额定气量、第4-5位代码用数字表示成套额定压力；
设备段有5位代码，其中第1-2位代码用字母表示成套内部大部件单元分类、第3-5位代码用数字表示大部件单元编号；
部位段有4位代码，其中第1-2位代码用字母表示零件测点部位、第3-4位代码用数字表示该部位测点序号。
本发明所述量值区块由数源、属性以及算法3段、共计11位代码组成，其中：
数源段有2位代码，其中第1位代码用字母表示数源分类、第2位代码用数字表示数源编码；
属性段有5位代码，其中第1-2位代码用字母表示数据物理属性总类、第3-5位代码用数字表示物理属性细类划分；
算法段有4位代码，其中第1-2位代码用字母表示算法总类、第3-4位代码用数字表示算法的细类。
一种分布式压缩机状态监测方法，其特点在于：所述分布式压缩机状态监测方法的步骤如下：采用实时在线或离线的方式，结合压缩机自身已有和额外布置的传感器设备，采集压缩机运行状态数据，对压缩机运行状态和指标数据进行收集，应用分布式数据结构，对数据进行处理与传输，实现压缩机的远程状态监测，并依托平台开展相关分析诊断工作；所述分布式压缩机状态监测方法由分布式数据平台、方向性数据流、应用平台三部分完成。
本发明所述运行状态，指压缩机成套的运行状况，包括加载、卸载、停机、报警状态；
所述指标数据，指压缩机成套运行状况的数据，包括温度、压力、转速、电参数、振动、噪音信号数据；
所述分布式数据平台，指数据传输、存储以及处理系统，借助于区块链或云网络技术，将数据层级划分成单元层、区域层和中心层三个层级，其中单元层仅开展数据的采集和传输功能，按照就近的原则，将各单元数据输送到所属区域数据平台；基础数据在区域数据平台进行初步分析计算和存储，并将相应结果输送到数据中心平台；中心平台根据自身需要，从各区域数据平台提取相关数据，并做相应的分析计算和存储；单元数据平台、区域数据平台、中心数据平台共同组成数据平台，为应用平台提供分析计算所需的数据，最终由用户平台根据应用平台的分析计算结果，完成所需的监测和诊断功能；
所述方向性数据流，指各数据层级之间、数据平台与应用平台之间、应用平台与用户平台之间的数据流向；其中数据层级之间数据为单向流动，单元数据流和区域数据流均只能单向往上一层级传输，不能从上一层级采集数据；中心平台数据流和区域平台数据流均为双向数据，既可以从数据平台往应用平台传输，又可以将应用平台生成的数据传输到数据平台上去。
本发明所述应用平台，是通过利用采集到的数据，应用分析诊断方法，开发针对性的软件，发布运行状态、分析性能状况、亚健康诊断以及故障诊断；所述发布运行状态，包括压缩机实时运行状态、消耗能源情况、负载状况、安装点位分布；所述分析性能状况，结合压缩机的运行转速、排气压力和功耗参数，计算压缩机实时运行比功率情况，结合压缩机设计或出厂性能对比，分析压缩机运行性能的状况；所述亚健康诊断，指通过在压缩机核心旋转部件、支撑单元上部，安装振动传感器，实时监测压缩机的振动数据，并应用频谱分析、谐波分析、时域分析以及模糊分析方法，结合压缩机的故障机理，对压缩机的健康状况进行诊断，对亚健康状态进行预警，方便安排检修计划；所述故障诊断，指当压缩机发生故障停机，平台通过调取成套停机前的监测历史数据，分析停机故障的原因，或者利用监测数据，邀请专家进行远程故障诊断。
本发明所述用户平台，包括客户、供应商，平台根据各用户的不同需求，结合系统应用平台提供的分析和统计结果，为用户提供相应的服务。
一种分布式压缩机状态监测平台，其特点在于：采用分布式数据结构，搭建数据、应用、用户分别独立的系统，结合分布式压缩机状态监测方法，打造压缩机的状态监测平台；为确保平台内部数据的唯一性和可溯性，使用分布式压缩机状态监测数据编码方法。
本发明与现有技术相比，具有以下优点和效果：本发明提出一种针对压缩机的数据采集编码方法和状态监测方法，以及依托此方法建设的行业级数据平台。本发明的实施，可以打造行业级的压缩机数据平台，为行业节能减排、压缩机的运行监控、亚健康预警、故障诊断等，提供数据基础。
附图说明
为了更清楚地说明本发明实施例和/或现有技术中的技术方案，下面将对实施例和/或现有技术描述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是本发明实施例中分布式数据平台的结构示意图。
图2是本发明实施例中的数据流向示意图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例
本实施例中的分布式压缩机状态监测数据编码方法，由阿拉伯数字与英文字母组成，通过调整编码，来识别空压机定位归属、系统、部件、工艺、状态特性，从而构成描述空压机属性和状态的基础数据集，对压缩机状态监测数据进行唯一性识别和应用。
分布式压缩机状态监测数据编码方法，包括区块、段、代码类型和标识名称四部分组成，一个完整的数据编码，由3个区块、共计34位代码组成，包括空间区块、元件区块和量值区块。
空间区块由归属1段、共计9位代码组成；归属段有9位代码，其中第1-2位代码采用字母表示所处县（区、市）级行政区域，第3-5位代码采用三位数字表示所属厂站名称，第6-8位代码采用三位字母或两位字母和一位数字表示成套供应商名，最后用第9位数字表示压缩机的类别。表1为空间区块数据编码表。
表1：空间区块数据编码表
元件区块由成套、设备以及部位3段、共计14位代码组成，其中：成套段有5位代码，其中第1-3位代码用字母和数字表示成套额定气量、第4-5位代码用数字表示成套额定压力；设备段有5位代码，其中第1-2位代码用字母表示成套内部大部件单元分类、第3-5位代码用数字表示大部件单元编号；部位段有4位代码，其中第1-2位代码用字母表示零件测点部位、第3-4位代码用数字表示该部位测点序号。表2为元件区块数据编码表。
表2：元件区块数据编码表
量值区块由数源、属性以及算法3段、共计11位代码组成，其中：数源段有2位代码，其中第1位代码用字母表示数源分类（如数据接入的层级）、第2位代码用数字表示数源编码（如接入点的序号）；属性段有5位代码，其中第1-2位代码用字母表示数据物理属性总类（如温度、压力、位移、状态等）、第3-5位代码用数字表示物理属性细类划分（如温度大类细分的气温、油温、水温等）；算法段有4位代码，其中第1-2位代码用字母表示算法总类（如通用点值、专业点值、数据块等）、第3-4位代码用数字表示算法的细类（如平均值、最大值、累计值等）。表3为量值区块数据编码表。
表3：量值区块数据编码表
一种分布式压缩机状态监测方法的步骤如下：采用实时在线或离线的方式，结合压缩机自身已有和额外布置的传感器设备，采集压缩机运行状态数据，对压缩机运行状态和指标数据进行收集，应用分布式数据结构，对数据进行处理与传输技术，实现压缩机的远程状态监测，并依托平台开展相关分析诊断工作；分布式压缩机状态监测方法由分布式数据平台、方向性数据流、应用平台三部分完成。
运行状态，指压缩机成套的运行状况，包括加载、卸载、停机、报警等状态。
指标数据，指涵盖所有反映压缩机成套运行状况的数据，包括温度、压力、转速、电参数、振动、噪音等信号数据。
分布式数据平台，特指数据传输、存储以及处理系统，借助于区块链或云网络技术，将数据层级划分成单元层、区域层和中心层三个层级，其中单元层仅开展数据的采集和传输功能，按照就近的原则，将各单元数据输送到所属区域数据平台；基础数据在区域数据平台进行初步分析计算和存储，并将相应结果输送到数据中心平台；中心平台可以根据自身需要，从各区域数据平台提取相关数据，并做相应的分析计算和存储；如图1所示，单元数据平台1、区域数据平台2、中心数据平台3共同组成数据平台，其为应用平台4提供分析计算所需的数据，最终由用户平台5根据应用平台4的分析计算结果，完成所需的监测和诊断功能。
方向性数据流，指各数据层级之间、数据平台与应用平台之间、应用平台与用户平台之间的数据流向；如图2所示，其中数据层级之间数据为单向流动，单元数据流6和区域数据流7均只能单向往上一层级传输，不能从上一层级采集数据；中心平台数据流8和区域平台数据流9均为双向数据，既可以从数据平台往应用平台传输，又可以将应用平台生成的数据传输到数据平台上去；客户应用数据流10、供应商应用数据流11、其它应用数据流12也都是单向的。
应用平台，是通过利用采集到的数据，应用相关的分析诊断方法，开发针对性的软件，可以发布运行状态、分析性能状况、亚健康诊断以及故障诊断等；发布运行状态，包括压缩机实时运行状态、消耗能源情况、负载状况、安装点位分布等；分析性能状况，可以结合压缩机的运行转速、排气压力和功耗参数，计算压缩机实时运行比功率情况，结合压缩机设计或出厂性能对比，分析压缩机运行性能的状况；亚健康诊断，指通过在压缩机核心旋转部件、支撑单元上部，安装振动传感器，实时监测压缩机的振动数据，并应用频谱分析、谐波分析、时域分析以及模糊分析等方法，结合压缩机的故障机理，对压缩机的健康状况进行诊断，对亚健康状态进行预警，方便安排检修计划；故障诊断，指当压缩机发生故障停机，平台可以通过调取成套停机前的监测历史数据，分析停机故障的原因，或者利用监测数据，邀请专家进行远程故障诊断等。
用户平台，包括客户、供应商、以及其它等用户，平台可以根据各用户的不同需求，结合系统应用平台提供的分析和统计结果，为用户提供相应的服务。
一种分布式压缩机状态监测平台，采用分布式数据结构，搭建数据、应用、用户分别独立的系统，结合独特的分布式压缩机状态监测方法，打造压缩机的状态监测平台；为确保平台内部数据的唯一性和可溯性，使用分布式压缩机状态监测数据编码方法。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所作的举例说明。凡依据本发明专利构思所述的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (1)
1.一种分布式压缩机状态监测平台，其特征在于：采用分布式数据结构，搭建数据、应用、用户分别独立的系统，结合分布式压缩机状态监测方法，打造压缩机的状态监测平台；为确保平台内部数据的唯一性和可溯性，使用分布式压缩机状态监测方法；
所述分布式压缩机状态监测方法采用分布式压缩机状态监测数据编码方法，所述分布式压缩机状态监测数据编码方法由阿拉伯数字与英文字母组成，通过调整编码，来识别空压机定位归属、系统、部件、工艺、状态特性，从而构成描述空压机属性和状态的基础数据集，对压缩机状态监测数据进行唯一性识别和应用；
所述分布式压缩机状态监测数据编码方法，包括区块、段、代码类型和标识名称四部分组成，一个完整的数据编码，由3个区块、共计34位代码组成，包括空间区块、元件区块和量值区块；
所述空间区块由归属1段、共计9位代码组成；
归属段有9位代码，其中第1-2位代码采用字母表示所处县级行政区域，第3-5位代码采用三位数字表示所属厂站名称，第6-8位代码采用三位字母或两位字母和一位数字表示成套供应商名，最后用第9位数字表示压缩机的类别；
所述元件区块由成套、设备以及部位3段、共计14位代码组成，其中：
成套段有5位代码，其中第1-3位代码用字母和数字表示成套额定气量、第4-5位代码用数字表示成套额定压力；
设备段有5位代码，其中第1-2位代码用字母表示成套内部大部件单元分类、第3-5位代码用数字表示大部件单元编号；
部位段有4位代码，其中第1-2位代码用字母表示零件测点部位、第3-4位代码用数字表示该部位测点序号；
所述量值区块由数源、属性以及算法3段、共计11位代码组成，其中：
数源段有2位代码，其中第1位代码用字母表示数源分类、第2位代码用数字表示数源编码；
属性段有5位代码，其中第1-2位代码用字母表示数据物理属性总类、第3-5位代码用数字表示物理属性细类划分；
算法段有4位代码，其中第1-2位代码用字母表示算法总类、第3-4位代码用数字表示算法的细类；
所述分布式压缩机状态监测方法的步骤如下：采用实时在线或离线的方式，结合压缩机自身已有和额外布置的传感器设备，采集压缩机运行状态数据，对压缩机运行状态和指标数据进行收集，应用分布式数据结构，对数据进行处理与传输，实现压缩机的远程状态监测，并依托平台开展相关分析诊断工作；所述分布式压缩机状态监测方法由分布式数据平台、方向性数据流、应用平台三部分完成；
所述运行状态，指压缩机成套的运行状况，包括加载、卸载、停机、报警状态；
所述指标数据，指压缩机成套运行状况的数据，包括温度、压力、转速、电参数、振动、噪音信号数据；
所述分布式数据平台，指数据传输、存储以及处理系统，借助于区块链或云网络技术，将数据层级划分成单元层、区域层和中心层三个层级，其中单元层仅开展数据的采集和传输功能，按照就近的原则，将各单元数据输送到所属区域数据平台；基础数据在区域数据平台进行初步分析计算和存储，并将相应结果输送到数据中心平台；中心平台根据自身需要，从各区域数据平台提取相关数据，并做相应的分析计算和存储；单元数据平台、区域数据平台、中心数据平台共同组成数据平台，为应用平台提供分析计算所需的数据，最终由用户平台根据应用平台的分析计算结果，完成所需的监测和诊断功能；所述用户平台，包括客户、供应商，平台根据各用户的不同需求，结合系统应用平台提供的分析和统计结果，为用户提供相应的服务；
所述方向性数据流，指各数据层级之间、数据平台与应用平台之间、应用平台与用户平台之间的数据流向；其中数据层级之间数据为单向流动，单元数据流和区域数据流均只能单向往上一层级传输，不能从上一层级采集数据；中心平台数据流和区域平台数据流均为双向数据，既可以从数据平台往应用平台传输，又可以将应用平台生成的数据传输到数据平台上去；
所述应用平台，是通过利用采集到的数据，应用分析诊断方法，开发针对性的软件，发布运行状态、分析性能状况、亚健康诊断以及故障诊断；所述发布运行状态，包括压缩机实时运行状态、消耗能源情况、负载状况、安装点位分布；所述分析性能状况，结合压缩机的运行转速、排气压力和功耗参数，计算压缩机实时运行比功率情况，结合压缩机设计或出厂性能对比，分析压缩机运行性能的状况；所述亚健康诊断，指通过在压缩机核心旋转部件、支撑单元上部，安装振动传感器，实时监测压缩机的振动数据，并应用频谱分析、谐波分析、时域分析以及模糊分析方法，结合压缩机的故障机理，对压缩机的健康状况进行诊断，对亚健康状态进行预警，方便安排检修计划；所述故障诊断，指当压缩机发生故障停机，平台通过调取成套停机前的监测历史数据，分析停机故障的原因，或者利用监测数据，邀请专家进行远程故障诊断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910945725.0A CN110727683B (zh) | 2019-09-30 | 2019-09-30 | 一种分布式压缩机状态监测数据编码方法及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910945725.0A CN110727683B (zh) | 2019-09-30 | 2019-09-30 | 一种分布式压缩机状态监测数据编码方法及监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110727683A CN110727683A (zh) | 2020-01-24 |
| CN110727683B true CN110727683B (zh) | 2024-04-26 |
Family
ID=69219683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910945725.0A Active CN110727683B (zh) | 2019-09-30 | 2019-09-30 | 一种分布式压缩机状态监测数据编码方法及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110727683B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112555050B (zh) * | 2020-12-02 | 2022-03-11 | 西安航天动力试验技术研究所 | 一种分布式超音速空气流生成装置运行状态监测及急停方法 |
| CN118449684A (zh) * | 2024-04-16 | 2024-08-06 | 人民数据管理(北京)有限公司 | 数据元素标识体系的构建方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断系统 |
| CN101446283A (zh) * | 2008-12-17 | 2009-06-03 | 西安交通大学 | 一种基于进化计算诊断压缩机故障的方法 |
| CN102128162A (zh) * | 2010-08-23 | 2011-07-20 | 安徽省皖江质检科技有限公司 | 压缩机远程监控系统及其监控方法 |
| CN104503399A (zh) * | 2014-12-09 | 2015-04-08 | 华电电力科学研究院 | 一种集团级风电机组状态监测及故障诊断平台 |
| CN104993973A (zh) * | 2015-06-25 | 2015-10-21 | 小米科技有限责任公司 | 终端压缩机的状态监控方法及装置 |
| CN105975381A (zh) * | 2016-04-06 | 2016-09-28 | 浙江工业大学 | 故障监测专家系统集成开发平台 |
| CN106351824A (zh) * | 2016-08-12 | 2017-01-25 | 广东葆德科技有限公司 | 基于物联网大数据的空压机能效值测试方法以及测试系统 |
| KR101783791B1 (ko) * | 2016-05-01 | 2017-10-11 | 충북대학교 산학협력단 | 프로버넌스 관리를 위한 압축 장치 및 방법 |
| CN107762821A (zh) * | 2017-09-08 | 2018-03-06 | 深圳市智物联网络有限公司 | 一种基于物联网的空气压缩机监控方法及系统 |
-
2019
- 2019-09-30 CN CN201910945725.0A patent/CN110727683B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断系统 |
| CN101446283A (zh) * | 2008-12-17 | 2009-06-03 | 西安交通大学 | 一种基于进化计算诊断压缩机故障的方法 |
| CN102128162A (zh) * | 2010-08-23 | 2011-07-20 | 安徽省皖江质检科技有限公司 | 压缩机远程监控系统及其监控方法 |
| CN104503399A (zh) * | 2014-12-09 | 2015-04-08 | 华电电力科学研究院 | 一种集团级风电机组状态监测及故障诊断平台 |
| CN104993973A (zh) * | 2015-06-25 | 2015-10-21 | 小米科技有限责任公司 | 终端压缩机的状态监控方法及装置 |
| CN105975381A (zh) * | 2016-04-06 | 2016-09-28 | 浙江工业大学 | 故障监测专家系统集成开发平台 |
| KR101783791B1 (ko) * | 2016-05-01 | 2017-10-11 | 충북대학교 산학협력단 | 프로버넌스 관리를 위한 압축 장치 및 방법 |
| CN106351824A (zh) * | 2016-08-12 | 2017-01-25 | 广东葆德科技有限公司 | 基于物联网大数据的空压机能效值测试方法以及测试系统 |
| CN107762821A (zh) * | 2017-09-08 | 2018-03-06 | 深圳市智物联网络有限公司 | 一种基于物联网的空气压缩机监控方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Punyisa Kuendee.Condition Monitoring of Refrigeration Compressor Using Sound Signal Based on Convolutional Neural Networks.BDIOT '19: Proceedings of the 3rd International Conference on Big Data and Internet of Things.2019,第105-109页. * |
| 设备状态监测与故障诊断分析应用——以离心式压缩机为例;张燕莉等;中国石油和化工标准与质量;20190923;第33-36页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110727683A (zh) | 2020-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110221558B (zh) | 一种基于边缘计算技术的电液伺服阀在线故障诊断网关 | |
| US9921577B2 (en) | Method and system for diagnostic rules for heavy duty gas turbines | |
| CN108549951B (zh) | 一种基于关键器件的船用电气设备寿命预测方法及装置 | |
| CN110727683B (zh) | 一种分布式压缩机状态监测数据编码方法及监测方法 | |
| US8958995B2 (en) | System and method for monitoring rotating and reciprocating machinery | |
| CN112343810A (zh) | 一种用于循环水冷却系统的水泵健康监测诊断方法 | |
| Su et al. | Fault diagnosis of rotating machinery based on wavelet domain denoising and metric distance | |
| CN111860899A (zh) | 电机运维方法、装置、电子设备以及系统 | |
| CN116796182A (zh) | 风电机组发电机故障评估模型训练方法和故障诊断方法 | |
| CN117746588A (zh) | 节能电力设备的标准数字化故障预警方法、装置及系统 | |
| Ramesh et al. | Implementation of predictive maintenance systems in remotely located process plants under industry 4.0 scenario | |
| CN115508703A (zh) | 一种多源信息融合的电机故障诊断方法及系统 | |
| CN117172744A (zh) | 一种智能水厂用水处理设备维护预测方法 | |
| CN106710157B (zh) | 一种抽油烟机故障预警方法及系统 | |
| CN111842759B (zh) | 基于工业互联网平台的重型锻造装备远程运维系统架构 | |
| CN109214109B (zh) | 一种石化装备旋转机械的剩余寿命预测验证方法 | |
| Baglee et al. | A proposed maintenance strategy for a wind turbine gearbox using condition monitoring techniques | |
| CN112990542B (zh) | 一种用于空压机的寿命预测方法 | |
| Singh et al. | Developing RCM strategy for wind turbines utilizing e-condition monitoring | |
| Chen et al. | Time to failure estimation based on degradation model with random failure threshold | |
| CN111416870B (zh) | 一种工业物联网系统 | |
| Agbulu et al. | Healthy-State and Time-To-Failure Assessment of Induction Motors and Pumps for Maintenance Scheduling Using Cloud-Enabled Fault Prediction and Reporting System with MLScheme | |
| CN117640342B (zh) | 一种电力监控系统主体异常检测方法、装置、设备和介质 | |
| Hu et al. | Prognostic analysis based on updated grey model for axial piston pump | |
| US20240210935A1 (en) | Predictive model for determining overall equipment effectiveness (oee) in industrial equipment |
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 |