CN111190944A - 一种数据挖掘方法和系统 - Google Patents
一种数据挖掘方法和系统 Download PDFInfo
- Publication number
- CN111190944A CN111190944A CN202010018562.4A CN202010018562A CN111190944A CN 111190944 A CN111190944 A CN 111190944A CN 202010018562 A CN202010018562 A CN 202010018562A CN 111190944 A CN111190944 A CN 111190944A
- Authority
- CN
- China
- Prior art keywords
- data
- force
- assembly
- assembling
- information
- 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
Links
Images
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本方案提供了一种数据挖掘方法,该系统包括:将装配过程中获取的力学数据转换为本地数据文件;从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值;根据最优装配力和装配力阈值进行仿真验证,在仿真验证的结果满足预设条件的情况下,将数据存入数据库中。本方案能够提高复杂产品装配过程中的质量管理效率,使得相同产品的质量管理信息实时共享和追溯,充分的实现质量分析的自动化,降低人力成本。本方案通过分析装配力数据找出适当的装配力信息,对相同产品的大批量装配具有极大的辅助作用。
Description
技术领域
本申请涉及数据采集领域,特别涉及一种面向复杂产品的装配过程力信息采集的数据挖掘方法和系统。
背景技术
目前,国内外针对装配领域的知识库模型构建,已有了一些尝试与探索。这些研究大多是面向产品设计、面向装配工艺、面向产品服务的知识库模型构建方法。同时,国内外一些学者尝试构建装配领域的本体模型,利用本体的知识表达能力与计算机语言兼容性,研究了面向装配工艺的本体构建方法,并通过编写规则实现智能推理。
发明内容
本申请提供了一种面向复杂产品的装配过程力信息采集的数据挖掘方法和系统。
根据本申请实施例的第一个方面,提供了一种数据挖掘方法,该系统包括:
将装配过程中获取的力学数据转换为本地数据文件;
从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值;
根据最优装配力和装配力阈值进行仿真验证,在仿真验证的结果满足预设条件的情况下,将数据存入数据库中。
在一种优选地实施例中,所述将装配过程中获取的力学数据转换为本地数据文件的步骤包括:
实时获取装配过程中的力学数据,生成装配力报告表格;
将表格存储为能够使分析设备识别的本地数据文件。
在一种优选地实施例中,所述将装配过程中获取的力学数据转换为数据文件的后一步骤包括:
对本地数据文件进行数据完整性和一致性的检测;若获取到的装配力数据在预定时间内保持不变,则删除重复不变的数据。
在一种优选地实施例中,所述从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值的步骤包括:
从本地数据文件中提取目标数据信息;
对目标数据信息进行特征提取和处理,基于选取的至少一种预先确定的分析算法,对目标数据信息进行计算和分析,获得最优装配力和装配力阈值。
在一种优选地实施例中,该方法的步骤还包括:
若仿真验证的结果部满足预设条件,则重新进行数据信息提取与处理,并选取新挖掘模式和分析算法进行分析计算。
根据本申请实施例的第二个方面,提供了一种基数据挖掘系统,该系统包括:
数据生成单元,将装配过程中获取的力学数据转换为本地数据文件;
分析单元,从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值;
验证单元,根据最优装配力和装配力阈值进行仿真验证,在仿真验证的结果满足预设条件的情况下,将数据存入数据库中。
在一种优选地实施例中,所述数据生成单元包括:设置在装配台上的力传感器和控制系统;
力传感器实时采集力学数据生成装配力报告表格,控制系统将该表格储存为分析设备可识别的本地数据文件。
在一种优选地实施例中,该系统还包括预处理单元:对本地数据文件进行数据完整性和一致性的检测;若获取到的装配力数据在预定时间内保持不变,则删除重复不变的数据。
在一种优选地实施例中,所述分析单元具体执行如下步骤:
从本地数据文件中提取目标数据信息;
对目标数据信息进行特征提取和处理,基于选取的至少一种预先确定的分析算法,对目标数据信息进行计算和分析,获得最优装配力和装配力阈值。
在一种优选地实施例中,所述验证单元还执行如下步骤:
若仿真验证的结果部满足预设条件,则触发分析单元重新进行数据信息提取与处理,并选取新挖掘模式和分析算法进行分析计算。
有益效果
本申请所述技术方案能够提高复杂产品装配过程中的质量管理效率,使得相同产品的质量管理信息实时共享和追溯,充分的实现质量分析的自动化,降低人力成本,同时,能够很好地对装配过程起到力监控、力数据统计的作用。本方案通过分析装配力数据找出适当的装配力信息,对相同产品的大批量装配具有极大的辅助作用。该方案适用于具有力传感器的硬件装配系统,为智能化设备提供装配力数据的挖掘,对装配工艺的装配力性能设计提供了重要参考。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出本方案所述数据挖掘方法的示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。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。
经过对现有技术的研究和分析,现有技术中面型装配工艺的本体大多是面向产品设计与产品可装配性建立的,且几乎都是通过人为查询和整理来构建相应的领域本体,这使得构建的本体普适性不强,无法得到推广与使用。此外,由于目前已有的本体模型往往没有构成知识挖掘-知识生成-知识应用的研究体系,导致所构建的本体模型没有体现其应用价值。因此,本方案意在解决目前复杂产品装配过程中的质量管理效率低、质量管理信息不能实时共享和难以追溯、质量分析过程中的人为参与过多的问题。本方案考虑到在装配过程中,影响装配工艺进而影响装配性能的一个主要原因是装配力的选定,通过采集装配过程力信息并进行数据挖掘,及时发掘装配力数据信息之间的显性隐性关系,分析由装配力引起的装配工艺影响因素,从而指导基于装配力信息的装配工艺进行,为在实际生产中确保装配的可行性和最佳装配性能提供依据。
具体地,如图1所示,本方案公开了一种面向复杂产品的装配过程力信息采集的数据挖掘方法,该方法如下:
首先,进行数据的收集与选择,这一部分由硬件装配系统、控制系统以及工控机完成,装配过程在硬件装配系统的装配平台上完成,装配台上设有力传感器,装配系统会实时收集由力传感器获得的力学数据,生成装配力报告表格,控制系统将该表格储存为工控机可识别的本地文件;
进而,数据进入数据预处理单元,本发明通过建立面向装配力信息的装配模型的基本结构,预处理单元中的数据管理系统获取装配力报告本地文件,根据数据目标,检查数据完整性和一致性,例如,若收集到的装配力数据在很长一段时间内保持不变,那一部分数据将会被删去;
进而,针对性地提取所需数据信息,进行特征提取、回归分析等算法选择,例如方差、均值、极值等属性的计算与提取,计算方差可对装配部件的力矩一致性进行评价,同一机构在装配不同零件的同一位置零件时,力矩方差小证明其自动装配一致性好,同时信息系统知识库中存有装配力仿真最优值,其均值与该计算均值接近表示其部件自动装配质量好,经过计算分析可以获得最优装配力,进行极值阈值设置,以避免出现装配过程中的机械故障;
最后进行模式评价与解释,这一部分将对已生成的装配力和阈值进行仿真验证,对验证结果与初始仿真结果进行比较评价,若满足要求,则保留数据存入数据库,如不满足要求,则重新进行数据信息提取与处理,确定新的挖掘模式与算法选用。
为了进一步配合本方案所述数据挖掘方法的应用,本方案进一步提供了一种数据挖掘系统,该系统包括:数据生成单元、分析单元和验证单元。先利用数据生成单元将装配过程中获取的力学数据转换为本地数据文件;再通过分析单元从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值;最后利用验证单元根据最优装配力和装配力阈值进行仿真验证,在仿真验证的结果满足预设条件的情况下,将数据存入数据库中;若仿真验证的结果部满足预设条件,则触发分析单元重新进行数据信息提取与处理,并选取新挖掘模式和分析算法进行分析计算。
下面通过实例对本方案作进一步说明。
本实施例公开了一种面向复杂产品的装配过程力信息采集的数据挖掘方案。该方案在传感器记录装配力数据后,通过控制系统将数据表格存储到工控机,再通过MySQL数据管理系统获取到该表格,包括设备名称、采样时间及装配力大小等,并将其存储于MySQL数据库中。该数据库作为装配力全过程的追溯具有重要意义。此后,信息系统获取知识库中的内容,并对其进行数据分析与数据挖掘,获得的关键信息有设备代号、采样时间和数据展示的图线类型,以及其相对应的装配力值大小,并以图形可视化的形式呈现,通过统计方法对这些数据进行处理,包括方差、均值和极值的计算,以及极值超程报警。计算方差可对装配力一致性进行评价,同一机构在装配不同零件的同一位置零件时,装配力方差小证明其自动装配一致性好,通过大量数据的分析,最终获得的方差值被认为是挖掘后所得的最优装配力值,并存入信息系统知识库中。在后续的装配中,装配力均值与该计算值接近表示其螺钉自动装配质量好。此外当装配发生故障或出现意外时,将会有特殊的装配力极大极小值出现,此时信息系统报警,可供用户进行故障查看和故障排查。
具体地,如图1所示,该方案可以通过如下方式来实施:
数据收集和选择步骤:根据发现任务,从装配过程数据中提取相关的数据集合。其中包括控制系统获取的装配过程的实时反馈数据和系统输入的工艺数据两部分。选取可能进行数据挖掘和获取知识的数据,在实施例中,特指装配力数据。
数据预处理步骤:对与发现任务相关的数据集合进行再加工,检查数据的完整性和一致性,并消除重复记录和数据中的噪音,最后进行数据转换,离散数据与连续数据的转换、降维转换,减少数据属性等。如力传感器获取的装配力的数值无变化(为一个固定值的时候)的那一部分数据将被消除,只保留有数值波动的那些数据,以备数据挖掘使用;对报错语句数据进行分解简化,只保留关键词和关键数值;对表格工艺数据进行分解简化,形成简单数据,如数组;若工艺参数数据的无关数据数组被消除,数组内部的无关数据将被消除,从而降低数组维度。
确定知识发现方法和发现步骤:根据发现任务的目标和发现知识的模式,设计或选择合适的知识发现算法,最后调用相应的算法发现所需的知识。可以采用的主要技术方法有特征提取、聚类、分类、关联分析、偏差分析和预测等。
模式解释和知识评价步骤:数据挖掘发现的模式,经过评价不一定是有用的,这时候需要剔除。对发现的模式进行解释,将发现的知识以一种适当的形式呈现出来给用户(系统操作员)。其中包括对知识一致性、新颖性和有效性的评价。如果不满足要求,则也可以退回到发现过程的第一阶段,重新选取数据、采用新的数据变换方法、设定新的参数值、甚至更换挖掘算法。
综上所述,本方案在智能装配系统平台上采集装配过程力数据、数据库存储数据、信息系统分析数据的过程,能够很好地对装配过程起到力监控、力数据统计的作用。此外,本方案通过分析装配力数据找出装配力知识的方法,对相同产品的大批量装配具有极大工艺指导意义。该方案适用于具有力传感器的硬件装配系统,为智能化设备提供了装配力数据挖掘的方法,对装配工艺的装配力性能设计提供了重要参考。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种数据挖掘方法,其特征在于,该系统包括:
将装配过程中获取的力学数据转换为本地数据文件;
从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值;
根据最优装配力和装配力阈值进行仿真验证,在仿真验证的结果满足预设条件的情况下,将数据存入数据库中。
2.根据权利要求1所述的数据挖掘方法,其特征在于,所述将装配过程中获取的力学数据转换为本地数据文件的步骤包括:
实时获取装配过程中的力学数据,生成装配力报告表格;
将表格存储为能够使分析设备识别的本地数据文件。
3.根据权利要求1或2所述的数据挖掘方法,其特征在于,所述将装配过程中获取的力学数据转换为数据文件的后一步骤包括:
对本地数据文件进行数据完整性和一致性的检测;若获取到的装配力数据在预定时间内保持不变,则删除重复不变的数据。
4.根据权利要求1所述的数据挖掘方法,其特征在于,所述从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值的步骤包括:
从本地数据文件中提取目标数据信息;
对目标数据信息进行特征提取和处理,基于选取的至少一种预先确定的分析算法,对目标数据信息进行计算和分析,获得最优装配力和装配力阈值。
5.根据权利要求1或4所述的数据挖掘方法,其特征在于,该方法的步骤还包括:
若仿真验证的结果部满足预设条件,则重新进行数据信息提取与处理,并选取新挖掘模式和分析算法进行分析计算。
6.一种基数据挖掘系统,其特征在于,该系统包括:
数据生成单元,将装配过程中获取的力学数据转换为本地数据文件;
分析单元,从本地数据文件中提取目标数据信息,并根据该目标数据信息进行计算和分析,获得最优装配力和装配力阈值;
验证单元,根据最优装配力和装配力阈值进行仿真验证,在仿真验证的结果满足预设条件的情况下,将数据存入数据库中。
7.根据权利要求6所述的数据挖掘系统,其特征在于,所述数据生成单元包括:设置在装配台上的力传感器和控制系统;
力传感器实时采集力学数据生成装配力报告表格,控制系统将该表格储存为分析设备可识别的本地数据文件。
8.根据权利要求6或7所述的数据挖掘系统,其特征在于,该系统还包括预处理单元:对本地数据文件进行数据完整性和一致性的检测;若获取到的装配力数据在预定时间内保持不变,则删除重复不变的数据。
9.根据权利要求6所述的数据挖掘系统,其特征在于,所述分析单元具体执行如下步骤:
从本地数据文件中提取目标数据信息;
对目标数据信息进行特征提取和处理,基于选取的至少一种预先确定的分析算法,对目标数据信息进行计算和分析,获得最优装配力和装配力阈值。
10.根据权利要求9所述的数据挖掘系统,其特征在于,所述验证单元还执行如下步骤:
若仿真验证的结果部满足预设条件,则触发分析单元重新进行数据信息提取与处理,并选取新挖掘模式和分析算法进行分析计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010018562.4A CN111190944A (zh) | 2020-01-08 | 2020-01-08 | 一种数据挖掘方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010018562.4A CN111190944A (zh) | 2020-01-08 | 2020-01-08 | 一种数据挖掘方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111190944A true CN111190944A (zh) | 2020-05-22 |
Family
ID=70706599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010018562.4A Pending CN111190944A (zh) | 2020-01-08 | 2020-01-08 | 一种数据挖掘方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111190944A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112671885A (zh) * | 2020-12-21 | 2021-04-16 | 刚倩 | 基于云计算和大数据的信息解析方法及数字金融服务平台 |
CN117333201A (zh) * | 2023-11-28 | 2024-01-02 | 山东恒信科技发展有限公司 | 一种原料油原料溯源管理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893669A (zh) * | 2016-03-30 | 2016-08-24 | 浙江大学 | 一种基于数据挖掘的全局仿真性能预测方法 |
CN106874616A (zh) * | 2017-03-06 | 2017-06-20 | 北京经纬恒润科技有限公司 | 一种参数优化调整方法及系统 |
US20170206468A1 (en) * | 2016-01-20 | 2017-07-20 | Robert Bosch Gmbh | Value addition dependent data mining techniques for assembly lines |
CN107609227A (zh) * | 2017-08-23 | 2018-01-19 | 北京理工大学 | 一种基于最大熵理论的装配工艺优化方法 |
CN108509661A (zh) * | 2017-02-23 | 2018-09-07 | 福建宁德核电有限公司 | 一种轴系动平衡加重影响系数的仿真计算方法和装置 |
CN109460420A (zh) * | 2018-09-28 | 2019-03-12 | 北京赛博贝斯数据科技有限责任公司 | 结构化数据的知识挖掘方法及系统 |
CN109636117A (zh) * | 2018-11-15 | 2019-04-16 | 北京理工大学 | 一种装配信息集成管理系统 |
-
2020
- 2020-01-08 CN CN202010018562.4A patent/CN111190944A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170206468A1 (en) * | 2016-01-20 | 2017-07-20 | Robert Bosch Gmbh | Value addition dependent data mining techniques for assembly lines |
CN105893669A (zh) * | 2016-03-30 | 2016-08-24 | 浙江大学 | 一种基于数据挖掘的全局仿真性能预测方法 |
CN108509661A (zh) * | 2017-02-23 | 2018-09-07 | 福建宁德核电有限公司 | 一种轴系动平衡加重影响系数的仿真计算方法和装置 |
CN106874616A (zh) * | 2017-03-06 | 2017-06-20 | 北京经纬恒润科技有限公司 | 一种参数优化调整方法及系统 |
CN107609227A (zh) * | 2017-08-23 | 2018-01-19 | 北京理工大学 | 一种基于最大熵理论的装配工艺优化方法 |
CN109460420A (zh) * | 2018-09-28 | 2019-03-12 | 北京赛博贝斯数据科技有限责任公司 | 结构化数据的知识挖掘方法及系统 |
CN109636117A (zh) * | 2018-11-15 | 2019-04-16 | 北京理工大学 | 一种装配信息集成管理系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112671885A (zh) * | 2020-12-21 | 2021-04-16 | 刚倩 | 基于云计算和大数据的信息解析方法及数字金融服务平台 |
CN117333201A (zh) * | 2023-11-28 | 2024-01-02 | 山东恒信科技发展有限公司 | 一种原料油原料溯源管理方法及系统 |
CN117333201B (zh) * | 2023-11-28 | 2024-02-23 | 山东恒信科技发展有限公司 | 一种原料油原料溯源管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115657617A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN112990656B (zh) | 一种it设备监测数据的健康评价系统及健康评价方法 | |
CN112487058A (zh) | 一种基于数据挖掘的数控机床故障监测与诊断系统 | |
CN117196066A (zh) | 智慧运维信息分析模型 | |
CN114640581B (zh) | 一种基于数字孪生的算力网络处理方法及装置 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
CN111190944A (zh) | 一种数据挖掘方法和系统 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN114879632A (zh) | 基于大数据的多模融合车辆故障诊断方法及系统 | |
CN110646685A (zh) | 一种开关柜状态综合评估方法 | |
CN111078457A (zh) | 一种基于大数据的存储故障分析方法与装置 | |
CN116418117A (zh) | 一种用于智能电网的设备检测系统 | |
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 | |
CN116859838B (zh) | 一种设备运行情况监测的预警系统 | |
CN117826745A (zh) | 一种基于数据分析的重型卡车电控故障诊断系统 | |
CN105117980A (zh) | 一种电网设备状态的自动评价方法 | |
CN117291575A (zh) | 设备检修方法、装置、计算机设备和存储介质 | |
CN109885978B (zh) | 一种遥感地面站故障诊断系统及方法 | |
CN116541196A (zh) | 一种水电厂智能巡检诊断方法、系统、装置和介质 | |
CN114416415A (zh) | 鸿蒙操作系统用远程在线故障检测方法及系统、存储介质 | |
CN110008245B (zh) | 一个适用于设备故障预警模型时间段查找的方法 | |
CN113168739B (zh) | 用于检查至少一台车辆的方法以及电子计算装置 | |
CN114066163A (zh) | 一种基于三层架构模式的电力设备状态分析方法及装置 |
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 |