CN111024820B - 一种海上风电叶片健康监测系统及其数据处理方法 - Google Patents
一种海上风电叶片健康监测系统及其数据处理方法 Download PDFInfo
- Publication number
- CN111024820B CN111024820B CN201911316865.8A CN201911316865A CN111024820B CN 111024820 B CN111024820 B CN 111024820B CN 201911316865 A CN201911316865 A CN 201911316865A CN 111024820 B CN111024820 B CN 111024820B
- Authority
- CN
- China
- Prior art keywords
- data
- wind power
- offshore wind
- signals
- power blade
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2698—Other discrete objects, e.g. bricks
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Acoustics & Sound (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Wind Motors (AREA)
Abstract
本发明公开一种海上风电叶片健康监测系统及其数据处理方法,该系统基于物联网和虚拟仪器技术设计,包括应用层、网络层和感知层三部分,感知层部分主要完成传感检测与数据采集,通过数据传输单元(DTU)将采集到的信号传输到服务器,DTU内置GPRS模块,实现网络数据传输,远程监控计算机可通过英特网连接到服务器,并运用LabVIEW虚拟仪器软件实现远程监控界面设计。该系统综合运用物联网、虚拟仪器、声发射、数据压缩等技术实现对海上风电叶片状态的实时远程在线监控,为海上风电设备安全运行提供了重要的依据和指导。
Description
技术领域
本发明涉及结构健康监测技术,具体涉及一种海上风电叶片健康监测系统及其数据处理方法。
背景技术
海上风能资源丰富且适合大规模开发,随着配套技术的日益成熟,海上风电逐步成为风电发展的重要趋势。海上风电所处环境恶劣,受海洋高湿度、强腐蚀运行环境的影响,发电设备各部件故障率高,而一个小故障可能导致大停运,造成巨大的经济损失。为及时发现发电设备出现的异常,避免造成大型事故和重大损失,应做到防微杜渐。因此,对设备的运行状态进行监测,实时反馈设备运行情况显得尤为重要。
叶片作为风电能量转换的媒介,在发电过程中起着至关重要的作用,因此实现对叶片健康状况的实时监测成为风电行业的一项重要课题。目前针对叶片的状态监测集中围绕陆上风电展开,其中对叶片裂纹的识别、远程网络通讯和实时监控技术基本得到了实现。但由于海上风电和陆上风电在环境上存在本质的区别,在系统设计、检测装置安装、大数据处理和传输、裂纹识别算法和信号预处理等多个方面都提出了更高的要求。因此,直接将用于陆上风电叶片监测的技术照搬到海上风电并不可行,需要根据实际情况,在现有技术研究基础上,不断创新,研究适用于海上风电叶片健康状态监测的新技术。
发明内容
发明目的:本发明所要解决的技术问题是,针对海上风电安全运行问题,设计了一种海上风电叶片健康监测系统及其数据处理方法,以实现实时在线监测,确保海上风电设备的安全运行。
技术方案:为实现上述目的,本发明提供了如下技术方案:
本发明提供了一种海上风电叶片健康监测系统,该系统基于物联网和虚拟仪器技术设计,包括应用层、网络层和感知层三部分,所述的感知层部分主要完成传感检测与数据采集,通过数据传输单元将采集到的信号传输到服务器,数据传输单元内置GPRS模块,实现网络数据传输,远程监控计算机可通过英特网连接到服务器,并运用LabVIEW虚拟仪器软件实现远程监控界面设计。
作为优化:所述的数据采集中,运用物联网和虚拟仪器技术进行海上风电叶片裂纹监测及故障诊断,构建基于虚拟仪器的叶片裂纹监测及故障诊断系统,由虚拟仪器软件完成分析及评价工作,并运用物联网技术,建立远程无线监控系统,有效进行实时在线监测。
作为优化:所述的数据检测中,综合运用声发射和多传感器数据融合实现海上风电叶片裂纹定位,首先通过多传感器数据融合技术,可将冗余信息进行融合,降低系统的不确定行,提高精度,再运用声发射源定位技术有效确定叶片裂纹位置范围。
作为优化:所述的数据分析与处理中,综合运用声发射、小波包特征提取、单自由度神经元等理论进行海上风电叶片裂纹识别。
作为优化:所述的数据压缩中,针对系统运行过程中数据量大和实时性要求,提出基于超复数主元神经网络海上风电叶片裂纹声发射信息压缩及远传技术,为后续信号的处理和复杂算法的实现提供必要前提。
一种海上风电叶片健康监测系统中的数据处理方法,包括如下步骤:数据检测→数据采集→数据压缩→数据传输→数据分析与处理;具体操作如下:
所述的数据检测中:海上风电叶片在实际运行过程中出现裂纹属于声发射现象,通过在海上风电叶片上固定声发射检测传感模块实现数据检测;
所述的数据采集中:海上风电叶片健康监测系统采用NI公司的数据采集卡采进行数据采集,由虚拟仪器软件完成分析及评价工作,并运用物联网技术,建立远程无线监控系统,有效进行实时在线监测;
所述的数据压缩中:需要实时采集信号,包括没有裂纹发生时的无用信号和裂纹产生的有用信号,这些信号都必须不断的实时传送,信息量大,因此,采用基于超复数主元神经网络的海上风电叶片裂纹声发射信息压缩技术,在确保数据不失真的前提下实现数据压缩,为数据的快速传输提供保障;
所述的数据传输中:通过数据传输单元将远程终端模块采集到的信号传输到服务器,数据传输单元内置GPRS模块,实现网络数据传输,远程监控计算机可通过英特网连接到服务器获取数据;
所述的数据分析与处理中:海上风电叶片运行过程中产生的裂纹,通过对传感器实时采集到的信号进行分析和处理,可以进行有效识别,主要包括三部分内容:一是信号预处理,海上风电所面对的恶劣环境使得采集到的信号往往包含很大的环境噪声,而裂纹所产生的声发射信号相对微弱,因此,从微弱信号检测与放大和信号降噪两个方面进行信号预处理;二是对预处理过的信号,采用小波包特征提取和单自由度神经元的方法进行进一步识别;三是通过声发射源定位方法有效确定叶片裂纹位置范围;在此过程中,通过多传感器数据融合技术,将冗余信息进行融合,降低系统的不确定行,提高精度。
有益效果:本发明结合声发射检测、物联网、虚拟仪器、信号分析与处理等多项技术,实现对海上风电叶片裂纹的实时监测和故障诊断技术研究。各项工作围绕对信号的检测、采集、传输和分析处理等环节进行。该系统结构合理,可操作性强,能够有效解决当前海上风电运行过程中叶片健康监测问题,以降低运行风险和检修成本。
附图说明
图1是本发明中一种海上风电叶片健康监测系统结构图;
图2是本发明中一种海上风电叶片健康监测系统中的数据处理步骤。
具体实施例
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
请参见图1,图1为本发明实施例公开的一种海上风电叶片健康监测系统结构图,包括应用层1、网络层2和感知层3三部分。感知层3部分主要完成传感检测与数据采集,通过数据传输单元(DTU)4将采集到的信号传输到服务器5,DTU内置GPRS模块6,实现网络数据传输,远程监控计算机7可通过英特网连接到服务器5,并运用LabVIEW虚拟仪器软件实现远程监控界面设计。
图2为本发明中一种海上风电叶片健康监测系统中的数据处理步骤。主要包括数据检测、数据采集、数据压缩、数据传输和数据分析与处理五大部分。
所述的数据检测中:海上风电叶片在实际运行过程中出现裂纹属于声发射现象,通过在海上风电叶片上固定声发射检测传感模块实现数据检测。
所述的数据采集中:海上风电叶片健康监测系统采用NI公司的数据采集卡采进行数据采集,由虚拟仪器软件完成分析及评价工作。并运用物联网技术,建立远程无线监控系统,有效进行实时在线监测。
所述的数据压缩中:在本发明中,需要实时采集信号,其中包括没有裂纹发生时的无用信号和裂纹产生的有用信号,这些信号都必须不断的实时传送,信息量大,因此本发明提出基于超复数主元神经网络的海上风电叶片裂纹声发射信息压缩技术。在确保数据不失真的前提下实现数据压缩,为数据的快速传输提供保障。
所述的数据传输中:通过数据传输单元(DTU)将远程终端模块采集到的信号传输到服务器,DTU内置GPRS模块,实现网络数据传输,远程监控计算机可通过英特网连接到服务器获取数据。
所述的数据分析与处理中:海上风电叶片运行过程中产生的裂纹,通过对传感器实时采集到的信号进行分析和处理,可以进行有效识别。主要包括三部分内容:一是信号预处理,海上风电所面对的恶劣环境使得采集到的信号往往包含很大的环境噪声,而裂纹所产生的声发射信号相对微弱,因此,本项目从微弱信号检测与放大和信号降噪两个方面进行信号预处理;二是对预处理过的信号,采用小波包特征提取和单自由度神经元等方法进行进一步识别;三是通过声发射源定位方法有效确定叶片裂纹位置范围。在此过程中,通过多传感器数据融合技术,可将冗余信息进行融合,降低系统的不确定行,提高精度。
本发明结合声发射检测、物联网、虚拟仪器、信号分析与处理等多项技术,实现对海上风电叶片裂纹的实时监测和故障诊断技术研究。各项工作围绕对信号的检测、采集、传输和分析处理等环节进行。该系统结构合理,可操作性强,能够有效解决当前海上风电运行过程中叶片健康监测问题,以降低运行风险和检修成本。
Claims (1)
1.一种海上风电叶片健康监测系统中的数据处理方法,其特征在于:该系统基于物联网和虚拟仪器技术设计,包括应用层(1)、网络层(2)和感知层(3)三部分,所述的感知层(3)部分主要完成传感检测与数据采集,通过数据传输单元(4)将采集到的信号传输到服务器(5),数据传输单元(4)内置GPRS模块(6),实现网络数据传输,远程监控计算机(7)可通过英特网连接到服务器(5),并运用LabVIEW虚拟仪器软件实现远程监控界面设计;
所述的数据采集中,运用物联网和虚拟仪器技术进行海上风电叶片裂纹监测及故障诊断,构建基于虚拟仪器的叶片裂纹监测及故障诊断系统,由虚拟仪器软件完成分析及评价工作,并运用物联网技术,建立远程无线监控系统,有效进行实时在线监测;
所述的数据检测中,综合运用声发射和多传感器数据融合实现海上风电叶片裂纹定位,首先通过多传感器数据融合技术,可将冗余信息进行融合,降低系统的不确定行,提高精度,再运用声发射源定位技术有效确定叶片裂纹位置范围;
所述的数据分析与处理中,综合运用声发射、小波包特征提取、单自由度神经元等理论进行海上风电叶片裂纹识别;
所述的数据压缩中,针对系统运行过程中数据量大和实时性要求,提出基于超复数主元神经网络海上风电叶片裂纹声发射信息压缩及远传技术,为后续信号的处理和复杂算法的实现提供必要前提;
所述的海上风电叶片健康监测系统中的数据处理方法,包括如下步骤:数据检测→数据采集→数据压缩→数据传输→数据分析与处理;具体操作如下:
所述的数据检测中:海上风电叶片在实际运行过程中出现裂纹属于声发射现象,通过在海上风电叶片上固定声发射检测传感模块实现数据检测;
所述的数据采集中:海上风电叶片健康监测系统采用NI公司的数据采集卡采进行数据采集,由虚拟仪器软件完成分析及评价工作,并运用物联网技术,建立远程无线监控系统,有效进行实时在线监测;
所述的数据压缩中:需要实时采集信号,包括没有裂纹发生时的无用信号和裂纹产生的有用信号,这些信号都必须不断的实时传送,信息量大,因此,采用基于超复数主元神经网络的海上风电叶片裂纹声发射信息压缩技术,在确保数据不失真的前提下实现数据压缩,为数据的快速传输提供保障;
所述的数据传输中:通过数据传输单元将远程终端模块采集到的信号传输到服务器,数据传输单元内置GPRS模块,实现网络数据传输,远程监控计算机可通过英特网连接到服务器获取数据;
所述的数据分析与处理中:海上风电叶片运行过程中产生的裂纹,通过对传感器实时采集到的信号进行分析和处理,可以进行有效识别,主要包括三部分内容:一是信号预处理,海上风电所面对的恶劣环境使得采集到的信号往往包含很大的环境噪声,而裂纹所产生的声发射信号相对微弱,因此,从微弱信号检测与放大和信号降噪两个方面进行信号预处理;二是对预处理过的信号,采用小波包特征提取和单自由度神经元的方法进行进一步识别;三是通过声发射源定位方法有效确定叶片裂纹位置范围;在此过程中,通过多传感器数据融合技术,将冗余信息进行融合,降低系统的不确定行,提高精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911316865.8A CN111024820B (zh) | 2019-12-19 | 2019-12-19 | 一种海上风电叶片健康监测系统及其数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911316865.8A CN111024820B (zh) | 2019-12-19 | 2019-12-19 | 一种海上风电叶片健康监测系统及其数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111024820A CN111024820A (zh) | 2020-04-17 |
CN111024820B true CN111024820B (zh) | 2023-01-31 |
Family
ID=70209763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911316865.8A Active CN111024820B (zh) | 2019-12-19 | 2019-12-19 | 一种海上风电叶片健康监测系统及其数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111024820B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766299A (zh) * | 2020-07-02 | 2020-10-13 | 吉林省电力科学研究院有限公司 | 一种汽轮机叶片裂纹评估系统及汽轮机叶片裂纹预警方法 |
CN112162031A (zh) * | 2020-09-22 | 2021-01-01 | 李月 | 一种基于工业互联网的5g网络传输涡流检测系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033108A (zh) * | 2010-11-11 | 2011-04-27 | 江苏大学 | 金属拉深件的状态判别特征参数提取方法 |
CN102172849A (zh) * | 2010-12-17 | 2011-09-07 | 西安交通大学 | 基于小波包和概率神经网络的刀具破损自适应报警方法 |
CN102541041A (zh) * | 2012-03-20 | 2012-07-04 | 徐州中矿奥特麦科技有限公司 | 基于物联网封闭煤场的综合监控及快速反应系统 |
CN102721741A (zh) * | 2012-06-18 | 2012-10-10 | 北京科技大学 | 基于无线声发射传感器网络的风电叶片损伤监测定位系统 |
CN102831481A (zh) * | 2011-06-17 | 2012-12-19 | 北京汇安铭科技发展有限公司 | 生态环境资源物联网管理应用平台 |
CN103116745A (zh) * | 2013-03-01 | 2013-05-22 | 南通大学 | 基于几何代数的老人跌倒状态建模、特征提取及识别方法 |
CN203149599U (zh) * | 2013-03-01 | 2013-08-21 | 南通大学 | 基于几何代数的老人跌倒状态识别系统 |
CN105785925A (zh) * | 2014-12-13 | 2016-07-20 | 西安扩力机电科技有限公司 | 一种海上风电机组远程监控系统 |
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 |
CN208156475U (zh) * | 2018-05-07 | 2018-11-27 | 山东交通职业学院 | 基于物联网的船舶状态检测及远程监控系统 |
CN110222390A (zh) * | 2019-05-24 | 2019-09-10 | 武汉工程大学 | 基于小波神经网络的齿轮裂纹识别方法 |
-
2019
- 2019-12-19 CN CN201911316865.8A patent/CN111024820B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033108A (zh) * | 2010-11-11 | 2011-04-27 | 江苏大学 | 金属拉深件的状态判别特征参数提取方法 |
CN102172849A (zh) * | 2010-12-17 | 2011-09-07 | 西安交通大学 | 基于小波包和概率神经网络的刀具破损自适应报警方法 |
CN102831481A (zh) * | 2011-06-17 | 2012-12-19 | 北京汇安铭科技发展有限公司 | 生态环境资源物联网管理应用平台 |
CN102541041A (zh) * | 2012-03-20 | 2012-07-04 | 徐州中矿奥特麦科技有限公司 | 基于物联网封闭煤场的综合监控及快速反应系统 |
CN102721741A (zh) * | 2012-06-18 | 2012-10-10 | 北京科技大学 | 基于无线声发射传感器网络的风电叶片损伤监测定位系统 |
CN103116745A (zh) * | 2013-03-01 | 2013-05-22 | 南通大学 | 基于几何代数的老人跌倒状态建模、特征提取及识别方法 |
CN203149599U (zh) * | 2013-03-01 | 2013-08-21 | 南通大学 | 基于几何代数的老人跌倒状态识别系统 |
CN105785925A (zh) * | 2014-12-13 | 2016-07-20 | 西安扩力机电科技有限公司 | 一种海上风电机组远程监控系统 |
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 |
CN208156475U (zh) * | 2018-05-07 | 2018-11-27 | 山东交通职业学院 | 基于物联网的船舶状态检测及远程监控系统 |
CN110222390A (zh) * | 2019-05-24 | 2019-09-10 | 武汉工程大学 | 基于小波神经网络的齿轮裂纹识别方法 |
Non-Patent Citations (4)
Title |
---|
"基于物联网的汽车动力电池充电监控系统";程方晓 等;《吉林大学学报(信息科学版)》;20140531;全文 * |
"基于物联网的风力发电机状态监测系统设计";王维娜 等;《仪表技术与传感器》;20190630;全文 * |
"基于虚拟仪器和物联网的设备故障监测系统";晋敏;《中国优秀硕士学位论文全文数据库(电子期刊)》;20150715;第2章第2.1-2.2节、第3章第3.3节、第4章,图3.3、图4.5、图4.6、图4.23 * |
"海上风电基础结构安全监测系统开发与应用研究";杨三元 等;《海洋开发与管理》;20181231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111024820A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507489B (zh) | 一种云边协同的游乐设备故障预测与健康管理系统及方法 | |
CN111024820B (zh) | 一种海上风电叶片健康监测系统及其数据处理方法 | |
CN102521604B (zh) | 一种基于巡检系统的设备性能退化评估装置及方法 | |
CN201943686U (zh) | 油井故障实时预警系统 | |
CN103364189A (zh) | 一种风电机组齿轮箱在线故障诊断系统 | |
CN104991501A (zh) | 基于物联网与云计算的仪器远程故障诊断系统 | |
CN105021790A (zh) | 一种水质监测系统和方法 | |
CN208751840U (zh) | 一种机泵健康监测与故障诊断系统 | |
CN114893390A (zh) | 一种基于注意力与集成学习机制的泵机设备故障检测方法 | |
CN203479748U (zh) | 一种输电线路钢线铝绞线损伤的无损集成检测系统 | |
CN212064369U (zh) | 一种燃气发电机组的智能巡检系统 | |
CN108613820A (zh) | 一种用于gis本体机械缺陷诊断和定位的在线异声监测算法 | |
CN112070379A (zh) | 一种微电网风险监测预警系统 | |
CN204422696U (zh) | 一种用于长距离输电线路opgw雷击定位监测装置 | |
Gao et al. | Fault prediction in electric power communication network based on improved DenseNet | |
CN115511121A (zh) | 一种用于海洋核动力平台的数字孪生系统 | |
CN101464224B (zh) | 气压沉箱设备性能检测系统 | |
CN107658987A (zh) | 输变电设备状态监测装置的移动监测系统 | |
CN202854284U (zh) | 基于超声探测技术的变电站智能巡检机器人 | |
CN111031099A (zh) | 一种能效实时监测与控制管理系统 | |
CN107656458A (zh) | 工程设备监测装置 | |
CN205121303U (zh) | 一种基于互联网+智能型储油柜的远程监控系统 | |
CN104977893A (zh) | 一种专用于供水系统的超文本信息系统 | |
CN111089616A (zh) | 一种5g在线监测系统 | |
CN103868549A (zh) | 一种cems智能诊断系统 |
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 |