CN110942210A - 一种盾构tbm姿态偏移预警方法 - Google Patents

一种盾构tbm姿态偏移预警方法 Download PDF

Info

Publication number
CN110942210A
CN110942210A CN201911266241.XA CN201911266241A CN110942210A CN 110942210 A CN110942210 A CN 110942210A CN 201911266241 A CN201911266241 A CN 201911266241A CN 110942210 A CN110942210 A CN 110942210A
Authority
CN
China
Prior art keywords
current
value
trend
early warning
time
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
Application number
CN201911266241.XA
Other languages
English (en)
Other versions
CN110942210B (zh
Inventor
刘飞香
秦念稳
施浪
杜义康
谭新
张雪荣
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.)
China Railway Construction Heavy Industry Group Co Ltd
Original Assignee
China Railway Construction Heavy Industry Group Co Ltd
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 China Railway Construction Heavy Industry Group Co Ltd filed Critical China Railway Construction Heavy Industry Group Co Ltd
Priority to CN201911266241.XA priority Critical patent/CN110942210B/zh
Publication of CN110942210A publication Critical patent/CN110942210A/zh
Application granted granted Critical
Publication of CN110942210B publication Critical patent/CN110942210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
    • E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
    • E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mining & Mineral Resources (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Environmental & Geological Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明提供了一种盾构TBM姿态偏移预警方法。包括以下步骤：S1，对实时采集的盾构TBM姿态参数值进行滑动平均滤波，获取滤波值时间序列X；S2，构建ARMA模型，获取当前时刻趋势变化率Rt；S3，结合当前机身偏移角度与机身纠偏速度，获取机首继续偏移时间trest；S4，结合当前时刻趋势变化率Rt和机首继续偏移时间trest，获取当前趋势值Tt；S5，将当前滤波值Xt+当前趋势值Tt与预设阈值Threshold1进行综合比较，获取当前时刻预警状态值St；S6，根据N步延迟报警策略，获取当前报警状态，更新至盾构TBM操作界面。通过本发明，能够通过分析盾构TBM姿态偏移趋势，实现偏移超限提前捕捉并报警，对实时采集的盾构TBM姿态参数值进行滑动平均滤波，减小噪声及采集误差。

Description

一种盾构TBM姿态偏移预警方法
技术领域
本发明涉及盾构隧道施工风险管理技术领域，具体涉及一种盾构TBM姿态偏移预警方法。
背景技术
随着隧道建造水平的不断提高，隧道建造质量也相应有了更高的要求，而保证隧道施工质量的关键点就是确保掘进轨迹的准确性。目前盾构TBM获取水平和竖直方向上的参数主要是应用导向系统测量，导向系统可以自动测量盾构TBM的掘进姿态参数，实时性高。但目前的导向系统也仅仅是显示了目前设备在地下的掘进姿态，没有直接控制掘进机实时调整位置整姿。当操作人员未及时发现盾构TBM姿态偏移进行纠偏操作时，会导致盾构TBM姿态偏移过大，影响隧道建造质量。
针对盾构TBM姿态偏移，当前常规报警方式为:预先设定姿态参数的报警阈值(专家给定的姿态偏移量可接受值，为固定值)，将实时采集的盾构TBM姿态数据与预先设定的报警阈值进行比较，若实时数据小于报警阈值，则判定盾构TBM运行正常；若实时数据大于报警阈值，则判定此时盾构TBM姿态偏移过大，发出报警指令告知盾构TBM操作人员进行纠偏操作。
该报警方式主要存在以下两个问题：
1)未能利用姿态参数趋势数据。由于盾构TBM的姿态调整幅度有限，故操作员需要一定的时间进行纠偏，当实时数据超过报警阈值时，此时盾构TBM的姿态偏移已经过大，在短时间内来不及调整盾构TBM姿态偏移量至安全范围，对隧道施工质量造成一定的影响；在盾构TBM有明显纠偏趋势时，不能及时消除报警，导致报警长时间存在，浪费操作员的注意力。
2)存在重复报警。由于盾构TBM姿态参数值存在一定的波动，当盾构TBM姿态偏移量在报警阈值附近波动时，报警状态会在报警与非报警之间不断切换，产生大量的重复报警，过多的重复报警会干扰操作员的判断，转移操作员的注意力，可能会导致操作员在报警发出时浪费时间解决重复报警而忽略了关键报警，从而导致严重的后果。
综上所述，急需一种盾构TBM姿态偏移预警方法以解决现有技术中存在的问题。
发明内容
本发明目的在于一种基于监测参数趋势+N步延迟报警的盾构TBM姿态偏移多级预警方法，用于解决目前盾构TBM姿态偏移报警不及时和报警效率低的问题。
为实现上述目的，本发明提供了一种盾构TBM姿态偏移预警方法，包括以下步骤：
S1，对实时采集的盾构TBM姿态参数值进行滑动平均滤波，获取滤波值时间序列X；
S2，构建ARMA模型，获取当前时刻趋势变化率Rt；
S3，结合当前机身偏移角度与机身纠偏速度，获取机首继续偏移时间trest；
S4，结合当前时刻趋势变化率Rt和机首继续偏移时间trest，获取当前趋势值Tt；
S5，将当前滤波值Xt+当前趋势值Tt与预设阈值Threshold1进行综合比较，获取当前时刻预警状态值St；
S6，根据N步延迟报警策略，获取当前报警状态，更新至盾构TBM操作界面。
优选地，所述时间序列X的获取方法如下：把连续M个采样值看成一个队列，队列长度固定为M；每次采样到一个新数据放入队尾，并扔掉队首的一次数据；把队列中的M个数据进行平均运算，即获得新的滤波值时间序列X。
优选地，所述ARMA模型能在短期内预测参数将来的走势，其模型结构如下：
xt＝α0+α1xt-1+α2xt-2+···+αpxt-p+βt-θ1βt-1-θ2βt-2-···-θqβt-q；
即在t时刻的姿态参数值xt的取值是前p期xt-1,xt-2,···,xt-p和前q期βt-1,βt-2,···,βt-q的多元线性函数，误差项是当期的随机干扰βt；xt受过去p期的序列值和过去q期的误差项的共同影响；其中，α表示姿态参数xt的影响系数，θ表示随机干扰βt的影响系数。
优选地，所述S2中ARMA模型的构建过程包括以下步骤：
a.平稳非白噪声序列检验；
b.计算自相关系数ACF和偏自相关系数PACF；
c.ARMA模型识别；
d.估计模型中未知参数的值并进行参数检验；
e.模型检验；
f.模型优化；
ARMA模型构建过程通过Python中的统计分析库Statsmodels实现。
优选地，所述S2中获取当前时刻趋势变化率Rt的方法是：将时刻t及t时刻之前的p、q期数据X传入ARMA模型，获取预测值xt+n，则当前时刻趋势变化率Rt＝(xt+n-xt)/n。
优选地，所述机首继续偏移时间trest＝|dt/vt|，其中dt为当前机首与机尾的偏差值，vt为机首与机尾的平均纠偏速度，vt是根据历史数据统计出的平均值，为常数。
优选地，所述当前时刻趋势值
Figure BDA0002312923620000031
已知当前时刻趋势变化率Rt，(t+trest)时刻R＝0，取平均趋势变化率Ravg＝Rt/2。
优选地，将当前滤波值Xt与当前趋势值Tt之和作为当前偏移值Pt，与预设阈值Threshold1进行综合比较，其报警判断逻辑和结果如下：
Figure BDA0002312923620000032
优选地，当|Pt|＞＝Threshold1时，根据当前滤波值Xt、当前趋势值Tt的不同情况，设置一级报警、二级报警、三级报警三种报警状态，其中一级报警至三级报警，报警紧急程度逐渐降低，报警状态策略如下：
Figure BDA0002312923620000033
优选地，所述当前时刻报警状态值St与当前界面报警状态不一样时，触发预警准备，若此后连续N个点的报警状态值都为St，则将当前界面报警状态更改为St；反之，则取消预警准备。
应用本发明的技术方案，具有以下有益效果：
(1)本发明提出了一种基于参数趋势+阈值判断的盾构TBM姿态偏移多级预警方法。通过本发明，能够通过分析盾构TBM姿态偏移趋势，实现偏移超限提前捕捉并报警，对实时采集的盾构TBM姿态参数值进行滑动平均滤波，减小噪声及采集误差。
(2)本发明提出了趋势值的概念。应用自回归模型进行短期预测，获取趋势变化率Rt；通过当前机身首尾偏移差，以及机身首尾偏移纠偏速度，获取机首当前时刻至机首不再继续扩大偏移时刻的继续偏移时间trest；趋势值Tt＝Rt*trest。
(3)本发明中，应用当前值、趋势值和专家设定的偏移最大可接受范围进行综合比较，设置三级报警机制，提示盾构TBM操作人员及时进行姿态纠偏操作，实现提前预警，提高了盾构TBM掘进轨迹的准确性，进而提高隧道施工质量。
(4)本发明中，通过N步延迟报警策略，能够有效克服因参数值在阈值附近波动而产生的重复报警问题，提高报警效率，减轻盾构TBM操作人员的报警处理负担。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是姿态偏移预警流程图；
图2是趋势值获取流程图；
图3是ARMA模型构建流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
实施例1：
参见图1～图3，一种盾构TBM姿态偏移预警方法，具体步骤如下：
S1,对实时获取的盾构TBM姿态参数值进行滑动平均滤波，获取滤波值时间序列X。
由于盾构TBM在掘进过程中，机身振动频率较大导致导向系统采集的姿态参数值存在较大的噪音，严重影响盾构TBM姿态的偏移趋势判断。本发明采用的滑动平均滤波对周期性干扰有良好的抑制作用，平滑度高，适用于高频振荡的系统，对盾构TBM姿态参数值具有明显的滤波效果。其实现方法如下：把连续M个采样值看成一个队列，队列长度固定为M。每次采样到一个新数据放入队尾，并扔掉队首的一次数据。把队列中的M个数据进行平均运算，即获得新的滤波值时间序列X。
S2，构建ARMA模型，获取当前时刻趋势变化率Rt。
S2.1，构建ARMA模型。ARMA模型可以在短期内预测参数将来的走势，其模型结构如下：
xt＝α0+α1xt-1+α2xt-2+···+αpxt-p+βt-θ1βt-1-θ2βt-2-···-θqβt-q
即在t时刻的随机变量Xt的取值xt是前p期xt-1,xt-2,···,xt-p和前q期βt-1,βt-2,···,βt-q的多元线性函数，误差项是当期的随机干扰βt。认为xt主要是受过去p期的序列值和过去q期的误差项的共同影响。
ARMA模型的构建过程(见图3)主要包括以下步骤：
1)平稳非白噪声序列检验；
2)计算ACF(自相关系数)和PACF(偏自相关系数)；
3)ARMA模型识别(也称模型定阶)；
4)估计模型中未知参数的值并进行参数检验；
5)模型检验；
6)模型优化；
以上ARMA模型构建过程可通过Python中的统计分析库Statsmodels实现。
S2.2，获取当前时刻趋势变化率Rt。将时刻t及t时刻之前的p、q期数据X传入ARMA模型，获取预测值xt+n，则当前时刻趋势变化率Rt＝(xt+n-xt)/n。
S3，结合当前机身偏移角度与机身纠偏速度，获取机首继续偏移时间trest。当盾构TBM进行纠偏时，由于盾构TBM机身存在一定的偏转角，盾构TBM机首会继续扩大偏移量直至偏转角为0，而偏转角问题可转换为机首与机尾的偏移差问题，即当机首与机尾偏移差为0时，偏转角为0。则机首继续偏移时间trest＝|dt/vt|，其中dt为当前机首与机尾的偏差值，vt为机首与机尾的平均纠偏速度，为常数(根据历史数据统计出的平均值)。
S4，结合当前时刻趋势变化率Rt和机首继续偏移时间trest，获取当前时刻趋势值Tt。已知当前时刻趋势变化率Rt，(t+trest)时刻R＝0，取平均趋势变化率Ravg＝Rt/2，则当前时刻趋势值
Figure BDA0002312923620000051
S5，将当前滤波值Xt、当前趋势值Tt与预设阈值Threshold1进行综合比较，获取当前时刻预警状态值St(正常运行、一级预警、二级预警、三级预警)。将当前滤波值Xt与当前趋势值Tt之和作为当前偏移值Pt，与预设阈值Threshold1(专家设定的姿态偏移可接受范围)进行综合比较，其报警判断逻辑和结果如下：
Figure BDA0002312923620000061
此外，当|Pt|＞＝Threshold1时，根据当前滤波值Xt、当前趋势值Tt的不同情况，设置三级报警状态，其报警状态策略如下：
Figure BDA0002312923620000062
S6，根据N步延迟报警策略，获取当前界面报警状态，更新至盾构TBM操作界面。
由S5将报警状态分为正常运行、一级报警、二级报警、三级报警，其中一级报警至三级报警，报警紧急程度逐渐降低。当当前时刻报警状态值St与当前界面报警状态不一样时，触发预警准备，若此后连续N个点的报警状态值都为St，则将当前界面报警状态更改为St；反之，则取消预警准备。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种盾构TBM姿态偏移预警方法，其特征在于，包括以下步骤：
S1，对实时采集的盾构TBM姿态参数值进行滑动平均滤波，获取滤波值时间序列X；
S2，构建ARMA模型，获取当前时刻趋势变化率Rt；
S3，结合当前机身偏移角度与机身纠偏速度，获取机首继续偏移时间trest；
S4，结合当前时刻趋势变化率Rt和机首继续偏移时间trest，获取当前趋势值Tt；
S5，将当前滤波值Xt+当前趋势值Tt与预设阈值Threshold1进行综合比较，获取当前时刻预警状态值St；
S6，根据N步延迟报警策略，获取当前报警状态，更新至盾构TBM操作界面。
2.根据权利要求1所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述时间序列X的获取方法如下：把连续M个采样值看成一个队列，队列长度固定为M；每次采样到一个新数据放入队尾，并扔掉队首的一次数据；把队列中的M个数据进行平均运算，即获得新的滤波值时间序列X。
3.根据权利要求1所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述ARMA模型能在短期内预测参数将来的走势，其模型结构如下：
xt＝α0+α1xt-1+α2xt-2+···+αpxt-p+βt-θ1βt-1-θ2βt-2-···-θqβt-q；
即在t时刻的姿态参数值xt的取值是前p期xt-1,xt-2,···,xt-p和前q期βt-1,βt-2,···,βt-q的多元线性函数，误差项是当期的随机干扰βt；xt受过去p期的序列值和过去q期的误差项的共同影响；其中，α表示姿态参数xt的影响系数，θ表示随机干扰βt的影响系数。
4.根据权利要求3所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述S2中ARMA模型的构建过程包括以下步骤：
a.平稳非白噪声序列检验；
b.计算自相关系数ACF和偏自相关系数PACF；
c.ARMA模型识别；
d.估计模型中未知参数的值并进行参数检验；
e.模型检验；
f.模型优化；
ARMA模型构建过程通过Python中的统计分析库Statsmodels实现。
5.根据权利要求4所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述S2中获取当前时刻趋势变化率Rt的方法是：将时刻t及t时刻之前的p、q期数据X传入ARMA模型，获取预测值xt+n，则当前时刻趋势变化率Rt＝(xt+n-xt)/n。
6.根据权利要求1所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述机首继续偏移时间trest＝|dt/vt|，其中dt为当前机首与机尾的偏差值，vt为机首与机尾的平均纠偏速度，vt是根据历史数据统计出的平均值，为常数。
7.根据权利要求1所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述当前时刻趋势值
Figure FDA0002312923610000021
已知当前时刻趋势变化率Rt，(t+trest)时刻R＝0，取平均趋势变化率Ravg＝Rt/2。
8.根据权利要求1所述的一种盾构TBM姿态偏移预警方法，其特征在于，将当前滤波值Xt与当前趋势值Tt之和作为当前偏移值Pt，与预设阈值Threshold1进行综合比较，其报警判断逻辑和结果如下：
Figure FDA0002312923610000022
9.根据权利要求8所述的一种盾构TBM姿态偏移预警方法，其特征在于，当|Pt|＞＝Threshold1时，根据当前滤波值Xt、当前趋势值Tt的不同情况，设置一级报警、二级报警、三级报警三种报警状态，其中一级报警至三级报警，报警紧急程度逐渐降低，报警状态策略如下：
Figure FDA0002312923610000023
10.根据权利要求1所述的一种盾构TBM姿态偏移预警方法，其特征在于，所述当前时刻报警状态值St与当前界面报警状态不一样时，触发预警准备，若此后连续N个点的报警状态值都为St，则将当前界面报警状态更改为St；反之，则取消预警准备。
CN201911266241.XA 2019-12-11 2019-12-11 一种盾构tbm姿态偏移预警方法 Active CN110942210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911266241.XA CN110942210B (zh) 2019-12-11 2019-12-11 一种盾构tbm姿态偏移预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911266241.XA CN110942210B (zh) 2019-12-11 2019-12-11 一种盾构tbm姿态偏移预警方法

Publications (2)

Publication Number Publication Date
CN110942210A true CN110942210A (zh) 2020-03-31
CN110942210B CN110942210B (zh) 2023-02-07

Family

ID=69910163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911266241.XA Active CN110942210B (zh) 2019-12-11 2019-12-11 一种盾构tbm姿态偏移预警方法

Country Status (1)

Country Link
CN (1) CN110942210B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109416534A (zh) * 2016-05-04 2019-03-01 Abb瑞士股份有限公司 工厂过程自动化中的报警处置系统和方法
CN112100841A (zh) * 2020-09-09 2020-12-18 中铁二十局集团有限公司 盾构机姿态预测方法、装置、终端设备以及存储介质
CN113687966A (zh) * 2021-10-26 2021-11-23 印象(山东)大数据有限公司 基于电子设备的监测方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120330631A1 (en) * 2007-02-27 2012-12-27 Exxonmobil Research And Engineering Company Method and System of Using Inferential Measurements for Abnormal Event Detection in Continuous Industrial Processes
CN103335647A (zh) * 2013-07-02 2013-10-02 华中科技大学 一种盾构机姿态测量系统及其测量方法
CN104912565A (zh) * 2015-05-05 2015-09-16 上海隧道工程股份有限公司 一种土量压力平衡盾构控制的方法及系统
CN107992958A (zh) * 2016-10-26 2018-05-04 航天信息股份有限公司 基于arma的人口超限预警方法
CN110195592A (zh) * 2019-04-30 2019-09-03 华中科技大学 基于混合深度学习的盾构掘进位姿智能预测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120330631A1 (en) * 2007-02-27 2012-12-27 Exxonmobil Research And Engineering Company Method and System of Using Inferential Measurements for Abnormal Event Detection in Continuous Industrial Processes
CN103335647A (zh) * 2013-07-02 2013-10-02 华中科技大学 一种盾构机姿态测量系统及其测量方法
CN104912565A (zh) * 2015-05-05 2015-09-16 上海隧道工程股份有限公司 一种土量压力平衡盾构控制的方法及系统
CN107992958A (zh) * 2016-10-26 2018-05-04 航天信息股份有限公司 基于arma的人口超限预警方法
CN110195592A (zh) * 2019-04-30 2019-09-03 华中科技大学 基于混合深度学习的盾构掘进位姿智能预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚国芳等: "基于模糊PID方法的盾构掘进姿态控制研究", 《隧道建设》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109416534A (zh) * 2016-05-04 2019-03-01 Abb瑞士股份有限公司 工厂过程自动化中的报警处置系统和方法
CN112100841A (zh) * 2020-09-09 2020-12-18 中铁二十局集团有限公司 盾构机姿态预测方法、装置、终端设备以及存储介质
CN112100841B (zh) * 2020-09-09 2024-04-19 中铁二十局集团有限公司 盾构机姿态预测方法、装置、终端设备以及存储介质
CN113687966A (zh) * 2021-10-26 2021-11-23 印象(山东)大数据有限公司 基于电子设备的监测方法、装置及电子设备

Also Published As

Publication number Publication date
CN110942210B (zh) 2023-02-07

Similar Documents

Publication Publication Date Title
CN110942210B (zh) 一种盾构tbm姿态偏移预警方法
US20190285517A1 (en) Method for evaluating health status of mechanical equipment
CN110648480B (zh) 一种基于变化速率的单变量报警系统及方法
CN110135618B (zh) 一种风廓线数据预测方法
BR112021013786A2 (pt) Método e sistema para detectar anomalias ou indicações prematuras de falha de equipamento
CN111811108B (zh) 换热器脏堵检测方法及装置
CN111181751B (zh) 一种频闪告警派单控制方法及系统
CN116579692A (zh) 一种基于人工智能的物流信息动态监管系统及方法
CN114444290A (zh) 一种自动生成供水系统压力流量监测阈值的方法和系统
CN111400114A (zh) 基于深度递归网络大数据计算机系统故障检测方法及系统
CN111878174A (zh) 一种高速铁路隧道衬砌掉块视频监测方法和装置
CN115775229A (zh) 一种多晶硅监控方法、装置及相关设备
CN113606099A (zh) 一种监测风电机组叶片结冰的方法和系统
CN116721550B (zh) 一种基于网格计算的交通管理系统
CN117423225A (zh) 一种基于高速铁路运行的灾害遥感预警系统
CN117014646A (zh) 一种基于人工智能的车载视频传输监管系统
CN114298467A (zh) 用于民航运行管理自动化系统的智能监管系统及方法
CN115953000A (zh) 一种建筑设计用进度监管系统
CN115619581A (zh) 一种基于bim的非煤矿山可视化工程监测系统
CN115237131A (zh) 一种巡检机器人的巡检控制方法、装置及存储介质
CN110083804B (zh) 基于条件分布回归的风电场scada数据缺失的智能修复方法
CN117351434B (zh) 一种基于动作识别的工作区域人员行为规范监控分析系统
CN114005256A (zh) 基于报警持续时间概率函数的报警延迟器设计方法及系统
CN113808384B (zh) 交通状况侦测方法
WO2019140613A1 (en) Method, apparatus and system for wind converter management

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