CN111257805B - 一种基于霍尔传感器监测设备的运行状态的方法及装置 - Google Patents

一种基于霍尔传感器监测设备的运行状态的方法及装置 Download PDF

Info

Publication number
CN111257805B
CN111257805B CN201911198349.XA CN201911198349A CN111257805B CN 111257805 B CN111257805 B CN 111257805B CN 201911198349 A CN201911198349 A CN 201911198349A CN 111257805 B CN111257805 B CN 111257805B
Authority
CN
China
Prior art keywords
equipment
state
sample
center
running
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
Application number
CN201911198349.XA
Other languages
English (en)
Other versions
CN111257805A (zh
Inventor
谢辉雄
霍立福
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.)
Guangdong Zhongke Cihang Information Technology Co ltd
Original Assignee
Guangdong Zhongke Cihang Information Technology 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 Guangdong Zhongke Cihang Information Technology Co ltd filed Critical Guangdong Zhongke Cihang Information Technology Co ltd
Priority to CN201911198349.XA priority Critical patent/CN111257805B/zh
Publication of CN111257805A publication Critical patent/CN111257805A/zh
Application granted granted Critical
Publication of CN111257805B publication Critical patent/CN111257805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/06—Measuring direction or magnitude of magnetic fields or magnetic flux using galvano-magnetic devices
    • G01R33/07—Hall effect devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Measuring Magnetic Variables (AREA)

Abstract

本发明公开了一种基于霍尔传感器监测设备的运行状态的方法及装置，本发明利用内置霍尔传感器装置置于设备外部表面，不介入设备的电源系统，监测设备运行时的设备表面的磁场强度变化，用算法分析磁场变化规律，进而分析设备工作状态，例如开机、关机、运行、休眠，通过传输模块将分析后的状态值传送到远程服务器端，服务器根据这些信息分析设备运行次数、运行时长及设备工作状态等业务数据，以方便根据设备的业务数据对设备进行监管，这种非介入方式不会对设备运行产生任何影响；该方法在前端采用算法进行数据处理有利于进行噪声干扰的去除，获取高精度的相位、频率和幅值，在关机状态下降低采集、分析和上传的频率，降低功耗，提高待机时长。

Description

一种基于霍尔传感器监测设备的运行状态的方法及装置
技术领域
本发明涉及监测设备的运行状态的方法及装置领域，特别是一种基于霍尔传感器监测设备的运行状态的方法及装置
背景技术
目前，市面上有监测设备运行状态的产品，主要采用测量电流方式，监测的目的通常也是为了故障预测与维修。这种监测方式需要改造设备供电模块或接入供电电路，而高值设备要求供电电路稳定、可靠，对供电电路的任何方式改造或介入都会对设备的正常运行产生潜在的不安全隐患，是客户不愿接受的。同时，这种方式是不能提供设备运行次数、运行时长及设备状态等业务数据，不能为客户提供设备监管和能效分析数据。
发明内容
本发明的目的在于提供一种基于霍尔效应监测设备运行状态的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于霍尔效应监测设备运行状态的方法，所述方法用于根据设备通电运行时产生的磁感应强度的变化是否达到预设的数值范围来识别设备的状态，所述设备包括安装模式和工作模式，其特征在于:所述方法包括如下步骤：
步骤S1：将设备调为安装模式，对设备在安装模式下各工作状态的磁感应强度进行样本采集，计算出所述样本对应的基准聚类中心，所述基准聚类中心作为工作状态的状态基线。
步骤S2：将设备调为工作模式，实时采集设备的磁感应强度样本，计算出设备磁感应强度样本的实时簇类中心。
步骤S3：比较实时簇类中心与状态基线以判断设备所处的状态。
根据权利要求1所述的方法，其特征在于：所述设备工作状态包括关机状态、开机状态、运行状态和休眠状态；所述关机状态、开机状态、运行状态、休眠状态分别对应于关机基线、开机基线、运行基线、休眠基线，其中开机基线位于最低位。
优选地，所述方法还包括对步骤S1和步骤S2的磁感应强度样本进行傅立叶变换，这样可对步骤S1和步骤S2的磁感应强度样本形成的样本点集去除噪声。
优选地，所述设备以设定频率作为样本采集的采样频率。
优选地，所述设备设有关机持续时间阈值，所述步骤S2中实时簇类中心持续低于关机基线，且持续时间超过所述持续时间阈值时，所述采样频率降低，采样间隔加大，当所述实时簇类中心高于所述关机基线，设备恢复至设定频率和采样间隔，从而实现降低装置的功耗。
本发明还提供了一种基于霍尔传感器监测设备的运行状态的装置，所述装置设有霍尔传感器模块和处理器模块，霍尔传感器模块和处理器模块相连，所述霍尔传感器模块用于以设定频率采集所述设备由于电流变化而产生的磁场强度样本；所述处理器模块用于分析和处理来自所述霍尔传感器模块采集的磁场强度样本，以获得所述设备所处的运行状态信息；所述装置通过上述的方法实现对所述设备的运行状态的判断。
优选地，所述设定频率可变。
与现有技术相比，本发明的有益效果是：
本发明利用内置霍尔传感器装置置于设备外部表面，不介入设备的电源系统，监测设备运行时的设备表面的磁场强度变化，用算法分析磁场变化规律，进而分析设备运行状态，例如开机、关机、运行、休眠，通过传输模块将分析后的状态值传送到远程服务器端，服务器根据这些信息分析设备运行次数，这种方式能提供设备运行次数、运行时长及设备工作状态等业务数据，以方便根据设备的工作状态对设备进行监管和效能分析，这种非介入式不会对设备运行产生任何影响；本发明在前端采用算法进行数据处理有利于进行噪声干扰的去除，获取高精度的相位、频率和幅值，在关机状态下降低采集、分析和上传的频率，降低功耗，提高待机时长。
附图说明
图1为本发明方法的流程图；
图2为本发明装置的结构示意图；
图3为本发明实施例采集的原始数据图；
图4为本发明实施例采集的原始数据分类数据集。
具体实施方式
下面将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，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图4，本发明提供一种技术方案：一种基于霍尔效应监测设备运行状态的装置，该装置直接安装在设备的外壳上，所述装置设有霍尔传感器模块、处理器、传输模块、电源模块；所述处理器模块分别与所述霍尔传感器模块和传输模块相连；所述霍尔传感器模块用于以设定的200Hz频率采集所述设备由于电流变化而产生的磁场强度样本；所述处理器模块用于分析和处理来自霍尔传感器模块采集的磁场强度样本，以获得所述设备所处的运行状态信息；所述传输模块用于与远程服务器进行数据交互。所述装置设“报障”档、“运行”档以及复位开关，
安装装置时，将开关拨动到“报障”档同时按下复位开关，此时设备处于安装模式时：
1a.对设备关机、开机、运行、休眠执行一个周期，连续采集设备关机、开机、运行、休眠数据为样本点集Ω；
2a.对样本Ω数据进行傅立叶变换形成F(ω)→S空间样本集合.
Figure GDA0003687231500000031
其中，ω代表频率，t代表时间，为复变函数
S空间：{f1,f2,f3,f4,}中的频率分量为关机、开机、运行、休眠的频率值，其作为后续去噪声的基准；
3a.对样本集合Ω进行相似性度量：
Ω＝{x1,x2,...,xm}，x为电磁感应强度样本值；
3a-1:对聚类中心ck，随机选择k＝4个样本作为初始聚类中心，c＝{c1,c2,c3,c4},c∈Ω；
3a-2:对于每个样本xm分别计算它与ck的距离；
Figure GDA0003687231500000032
将它归类到离它最近的聚类中心,d(x,y)→Rj,j＝k＝4。
Rj＝{r1,r2,r3,...,rm}
3a-3:对于每个类别Rj,计算该类别所有样本的均值作为新的聚类中心。
新的样本中心为
Figure GDA0003687231500000033
m为R中类别的数量
3a-4:重复3a-2和3a-3，直至聚类中心稳定，并将所述聚类中心作为基准聚类中心cb，所述基准聚类中心作为设备的状态基线；同时将cb传到服务器,同时保存一份于flash内，以便被快速存取。
开关拨到“运行”档位时，处于工作模式时：
1b.连续采集60s数据S0＝{x1,x2,...,xm}，进行傅立叶变换去除噪声，
形成S1＝{xi},i＝1,2,...,n。
2b.对样本集合S1进行相似性度量：
2b-1:计算聚类簇数k，k表明状态数量；
采用Gap Statistic方法，聚类k数取k＝1,2,...,K
将数据分为k类C1,C2,...,Ck，在此，Cr表示观测点属于第r类，nr＝|Cr|为属于Cr观测点个数；
2b-1-1:计算每个数据集群内总变异Wk
dii'是样本i和i'之间距离
dii'＝∑(xi-xi')2
r类中任两点之间的距离和
Figure GDA0003687231500000041
群内总变异Wk
Figure GDA0003687231500000042
2b-1-2:生成B个参考数据集，计算Wkb，b＝1,2,...,B,k＝1,2,...,K，计算Gap值
Figure GDA0003687231500000043
2b-1-3:令
Figure GDA0003687231500000044
计算标准差
Figure GDA0003687231500000045
定义
Figure GDA0003687231500000046
2b-1-4:计算满足下述条件的k值
Gap(k)≥Gap(k+1)-sk+1
2b-2:从S1随机选取一个样本作为第一个聚类中心c1；
2b-3:计算S1每个样本与当前选择类聚中心最短距离，用D(x)表示；
Figure GDA0003687231500000047
2b-4:选择新聚类中心
每个样本点被选为下一个聚类中心的概率
Figure GDA0003687231500000048
选出概率最大的值对应的点作为下一个中心ci＝x∈S1
2b-5:重复5e-4直到选出k个聚类中心c，即c1，c2，...ck。
2b-6:对于每个样本xi分别计算它与ck的距离；
Figure GDA0003687231500000051
将它归类到离它最近的聚类中心,d(x,y)→Rj,j＝k。
Rj＝{r1,r2,...,rk}
2b-7:对于每个类别Rj,计算该类别所有样本的均值作为新的聚类中心；
新的样本中心为
Figure GDA0003687231500000052
m为R中类别的数量；
2b-8:重复5e-6和5e-7，直至聚类中心稳定，并将所述聚类中心作为实时聚类中心cr；
3b:cr里面的簇类和基准聚类中心cb进行比较，判断运行状态
Figure GDA0003687231500000053
其中，D(Gc,Gcb)是类间距，Gc是簇类质心cr的集合，Gcb是基线簇类质心集合。ci是cr中的样本，cbj是cb中的样本，d(ci,cbj)是两两样本间距离。
对于cr里面的实时簇类中心ci，实时簇类中心ci所对应的工作状态归于基准聚类中心cb里面的cbj中距离实时簇类中心ci最近的状态基线所对应的工作状态，并将实时簇类中心cr及其对应的工作状态传到服务器。
为了节约装置能耗，所述设备设有关机持续时间阈值，在装置处于关机状态时，能自动降低装置的采样频率，采样间隔加大，从而实现装置的功耗降低，为此，通过判断设备的实时簇类中心，当实时簇类中心持续低于关机基线，且持续时间超过所述持续时间阈值时，所述采样频率就会降低，采样间隔就会加大，当所实时簇类中心高于所述关机基线，设备恢复至设定频率和采样间隔。
现以一实例加以说明如图3和如图4:该装置采集的原始数据，如图3，经过计算后，会生成一个分类数据集，例如，分类K＝{832，1095}，如图4，b线是经过算法分析后计算出的关机状态下磁场强度中心点值，在该值附近距离±50为关机态的值，此时K1为832，该线附近的点会被标记为关机态标志K1；a线为开机和运行态下磁场强度中心点值，在该值附近距离±83左右为开机状态的值，表明开机和运行一致，此时K2为 1095，在该线附近的样本会被标记为开机状态标志K2。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于霍尔效应监测设备运行状态的方法，所述方法用于根据设备通电运行时产生的磁感应强度的变化是否达到预设的数值范围来识别设备的状态，所述设备包括安装模式和工作模式，其特征在于:所述方法包括如下步骤：
步骤S1：将设备调为安装模式，对设备在安装模式下各工作状态的磁感应强度进行样本采集，计算出所述样本对应的基准聚类中心，所述基准聚类中心作为工作状态的状态基线；其中基准聚类中心获取的子步骤如下：
将开关拨动到“报障”档同时按下复位开关，此时设备处于安装模式：
1a.对设备关机、开机、运行、休眠执行一个周期，连续采集设备关机、开机、运行、休眠数据为样本点集Ω；
2a.对样本Ω数据进行傅立叶变换形成F(ω)→S空间样本集合,
Figure FDA0003724029400000011
其中，ω代表频率，t代表时间，e-iwt为复变函数；
S空间：{f1,f2,f3,f4,}中的频率分量为关机、开机、运行、休眠的频率值，其作为后续去噪声的基准；
3a.对样本集合Ω进行相似性度量：
Ω＝{x1,x2,...,xm}，x为电磁感应强度样本值；
3a-1:对聚类中心ck，随机选择k＝4个样本作为初始聚类中心，c＝{c1,c2,c3,c4},c∈Ω；
3a-2:对于每个样本xm分别计算它与ck的距离
Figure FDA0003724029400000012
将它归类到离它最近的聚类中心,d(x,y)→Rj,j＝k＝4，Rj＝{r1,r2,r3,...,rm}；
3a-3:对于每个类别Rj,计算该类别所有样本的均值作为新的聚类中心，
新的样本中心为
Figure FDA0003724029400000013
m为R中类别的数量；
3a-4:重复3a-2和3a-3，直至聚类中心稳定，并将所述聚类中心作为基准聚类中心；
步骤S2：将设备调为工作模式，实时采集设备的磁感应强度样本，计算出设备磁感应强度样本的实时簇类中心；其中实时簇类中心获取的子步骤如下：
将开关拨到“运行”档位时，此时设备处于工作模式：
1b.连续采集60s数据S0＝{x1,x2,...,xm}，进行傅立叶变换去除噪声，形成S1＝{xi},i＝1,2,...,n；
2b.对样本集合S1进行相似性度量：
2b-1:计算聚类簇数k，k表明状态数量，
采用Gap Statistic方法，聚类k数取k＝1,2,...,K，
将数据分为k类C1,C2,...,Ck，在此，Cr表示观测点属于第r类，nr＝|Cr|为属于Cr观测点个数；
2b-1-1:计算每个数据集群内总变异Wk：
dii'是样本i和i'之间距离
dii'＝∑(xi-xi')2，
r类中任两点之间的距离和
Figure FDA0003724029400000021
群内总变异Wk
Figure FDA0003724029400000022
2b-1-2:生成B个参考数据集，计算Wkb，b＝1,2,...,B,k＝1,2,...,K，计算Gap值
Figure FDA0003724029400000023
2b-1-3:令
Figure FDA0003724029400000024
计算标准差
Figure FDA0003724029400000025
定义
Figure FDA0003724029400000026
2b-1-4:计算满足下述条件的k值
Gap(k)≥Gap(k+1)-sk+1；
2b-2:从S1随机选取一个样本作为第一个聚类中心c1；
2b-3:计算S1每个样本与当前选择类聚中心最短距离，用D(x)表示，
Figure FDA0003724029400000027
2b-4:选择新聚类中心：
每个样本点被选为下一个聚类中心的概率
Figure FDA0003724029400000031
选出概率最大的值对应的点作为下一个中心ci＝x∈S1；
2b-5:重复5e-4直到选出k个聚类中心c，即c1，c2，...ck；
2b-6:对于每个样本xi分别计算它与ck的距离
Figure FDA0003724029400000032
将它归类到离它最近的聚类中心,d(x,y)→Rj,j＝k，Rj＝{r1,r2,...,rk}；
2b-7:对于每个类别Rj,计算该类别所有样本的均值作为新的聚类中心：
新的样本中心为
Figure FDA0003724029400000033
m为R中类别的数量；
2b-8:重复5e-6和5e-7，直至聚类中心稳定，并将所述聚类中心作为实时聚类中心；
步骤S3：比较实时簇类中心与状态基线以判断设备所处的状态。
2.根据权利要求1所述的一种基于霍尔效应监测设备运行状态的方法，其特征在于：所述设备的工作状态包括关机状态、开机状态、运行状态和休眠状态；所述关机状态、开机状态、运行状态、休眠状态分别对应于关机基线、开机基线、运行基线、休眠基线。
3.根据权利要求2所述的一种基于霍尔效应监测设备运行状态的方法，其特征在于：所述设备以设定频率作为样本采集的采样频率。
4.根据权利要求3所述的一种基于霍尔效应监测设备运行状态的方法，其特征在于：所述设备设有关机持续时间阈 值，所述步骤S2中实时簇类中心持续低于关机基线，且持续时间超过所述持续时间阀值时，所述采样频率降低，采样间隔加大，当所述实时簇类中心高于所述关机基线，设备恢复至设定频率和采样间隔。
5.一种基于霍尔传感器监测设备的运行状态的装置，所述装置设有霍尔传感器模块和处理器模块，霍尔传感器模块和处理器模块相连，所述霍尔传感器模块用于以设定频率采集所述设备由于电流变化而产生的磁场强度样本；所述处理器模块用于分析和处理来自所述霍尔传感器模块采集的磁场强度样本，以获得所述设备所处的运行状态信息；其特征在于：所述装置通过权利要求1-4中任一项所述的方法实现对所述设备的运行状态的判断。
6.根据权利要求5所述的一种基于霍尔传感器监测设备的运行状态的装置，其特征在于：所述设定频率可变。
CN201911198349.XA 2019-11-29 2019-11-29 一种基于霍尔传感器监测设备的运行状态的方法及装置 Active CN111257805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911198349.XA CN111257805B (zh) 2019-11-29 2019-11-29 一种基于霍尔传感器监测设备的运行状态的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911198349.XA CN111257805B (zh) 2019-11-29 2019-11-29 一种基于霍尔传感器监测设备的运行状态的方法及装置

Publications (2)

Publication Number Publication Date
CN111257805A CN111257805A (zh) 2020-06-09
CN111257805B true CN111257805B (zh) 2022-09-06

Family

ID=70948513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911198349.XA Active CN111257805B (zh) 2019-11-29 2019-11-29 一种基于霍尔传感器监测设备的运行状态的方法及装置

Country Status (1)

Country Link
CN (1) CN111257805B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631242A (zh) * 2020-12-07 2021-04-09 国网四川省电力公司电力科学研究院 一种家居电器设备的功率滥测分析方法及装置
CN112866857B (zh) * 2021-01-07 2022-08-02 深圳市博陆科电子科技有限公司 蓝牙耳机自动回连方法、蓝牙耳机充电盒及可读存储介质
CN114019226A (zh) * 2021-10-27 2022-02-08 北京大学 一种无接触式电量测量与记录装置
CN115015618B (zh) * 2022-08-08 2022-10-14 深圳市恒运昌真空技术有限公司 一种射频电源信号采集方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104422474A (zh) * 2013-09-10 2015-03-18 费希尔控制国际公司 具有诊断能力的霍尔效应传感器系统
CN105510693A (zh) * 2015-11-24 2016-04-20 杭州市第一人民医院 一种基于霍尔电流和图像变化监测大型医用设备使用状态的方法
CN105911433A (zh) * 2016-06-30 2016-08-31 上海交通大学 输电线路雷击种类的识别方法
CN206248787U (zh) * 2016-12-02 2017-06-13 杭州明特科技有限公司 基于定量磁场的继电器状态检测电路
CN107643499A (zh) * 2016-07-22 2018-01-30 深圳长城开发科技股份有限公司 一种高斯计和用于测量磁场强度的微控制器及控制方法
CN209624318U (zh) * 2018-12-14 2019-11-12 天津大学 定量表征混凝土中钢筋锈蚀程度的电磁感应装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020135474A1 (en) * 2001-03-21 2002-09-26 Sylliassen Douglas G. Method and device for sensor-based power management of a consumer electronic device
EP1884787A1 (en) * 2006-07-10 2008-02-06 S. THIIM ApS A current sensor for measuring electric current in a conductor and a short circuit indicator system comprising such a sensor
CN103246814A (zh) * 2013-05-10 2013-08-14 哈尔滨工业大学 一种基于K-means建模的个人用电设备状态识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104422474A (zh) * 2013-09-10 2015-03-18 费希尔控制国际公司 具有诊断能力的霍尔效应传感器系统
CN105510693A (zh) * 2015-11-24 2016-04-20 杭州市第一人民医院 一种基于霍尔电流和图像变化监测大型医用设备使用状态的方法
CN105911433A (zh) * 2016-06-30 2016-08-31 上海交通大学 输电线路雷击种类的识别方法
CN107643499A (zh) * 2016-07-22 2018-01-30 深圳长城开发科技股份有限公司 一种高斯计和用于测量磁场强度的微控制器及控制方法
CN206248787U (zh) * 2016-12-02 2017-06-13 杭州明特科技有限公司 基于定量磁场的继电器状态检测电路
CN209624318U (zh) * 2018-12-14 2019-11-12 天津大学 定量表征混凝土中钢筋锈蚀程度的电磁感应装置

Also Published As

Publication number Publication date
CN111257805A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN111257805B (zh) 一种基于霍尔传感器监测设备的运行状态的方法及装置
CN105528280B (zh) 系统日志与健康监控关系决定日志告警等级的方法及系统
CN104410163B (zh) 一种基于电能管理系统的安全生产与节能方法
JP2019023937A5 (zh)
CN105424395A (zh) 设备故障的确定方法和装置
JP6144408B2 (ja) エネルギー計測情報ラベリングシステムおよびエネルギー計測情報ラベリングサーバ
CN105975748B (zh) 一种基于历史数据的工业报警系统
CN108197817A (zh) 一种基于大数据的非侵入式负荷暂态监测的方法
CN110132358B (zh) 一种基于云计算的污水处理设备故障监测系统
CN114973628B (zh) 基于人工智能和大数据分析的智能监控终端
CN111179109A (zh) 用于独居老人检测的用电数据处理方法
CN109491339B (zh) 一种基于大数据的变电站设备运行状态预警系统
CN112905671A (zh) 时间序列异常处理方法、装置、电子设备及存储介质
CN109165396A (zh) 一种故障演化趋势的设备剩余使用寿命预测方法
CN106022977A (zh) 一种变电站工作现场安全分析方法
CN103246814A (zh) 一种基于K-means建模的个人用电设备状态识别方法
CN116304835B (zh) 基于ai的动设备工况监测管理方法、系统、设备及介质
CN110287256B (zh) 一种基于云计算的电网数据并行处理系统及其处理方法
CN112381130A (zh) 一种基于聚类分析的配电房多元数据异常检测方法
WO2023168834A1 (zh) 体征信号的质量评估方法、装置、电子设备和存储介质
CN114326554B (zh) 一种机电设备智能监测管理系统
CN113051990B (zh) 站位姿态标准程度分析平台及方法
CN202374374U (zh) 基于远程图像的卖场人流动态管理系统
CN113792477B (zh) 一种用电异常识别方法、系统、装置和火灾预警系统
Zhang et al. Improved graph convolutional neural networks based on Granger causality analysis for EEG emotion recognition

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