CN111322082B - 一种tbm滚刀状态监测及故障诊断方法、系统 - Google Patents
一种tbm滚刀状态监测及故障诊断方法、系统 Download PDFInfo
- Publication number
- CN111322082B CN111322082B CN202010155515.4A CN202010155515A CN111322082B CN 111322082 B CN111322082 B CN 111322082B CN 202010155515 A CN202010155515 A CN 202010155515A CN 111322082 B CN111322082 B CN 111322082B
- Authority
- CN
- China
- Prior art keywords
- signal
- tbm
- fault
- cutter head
- processing
- 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 27
- 238000003745 diagnosis Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000008054 signal transmission Effects 0.000 claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- E21D9/10—Making by using boring or cutting machines
- E21D9/108—Remote control specially adapted for machines for driving tunnels or galleries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
-
- 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
- E21D9/10—Making by using boring or cutting machines
- E21D9/11—Making by using boring or cutting machines with a rotary drilling-head cutting simultaneously the whole cross-section, i.e. full-face machines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于TBM滚刀安全运行技术领域,公开了一种TBM滚刀状态监测及故障诊断方法、系统,所述系统包括信号采集模块、信号传输模块和上位机;信号采集模块安装于TBM滚刀的刀盘上,用于采集刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号;信号传输模块用于实现信号采集模块与上位机的通信传输,以将数字信号传输至上位机;上位机设立在TBM主控室中,用于接收信号传输模块传输的信号,并对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态;综上,能有效实现TBM滚刀的实时监测和诊断,并且还有效避免了采集信号失真、信号背景混杂的问题,从而大大提高了监测及诊断的准确性。
Description
技术领域
本发明属于TBM滚刀安全运行技术领域,具体涉及一种TBM滚刀状态监测及故障诊断方法、系统。
背景技术
TBM滚刀是一种破碎坚硬岩石的挖掘工具,其作用是切割掌子面岩石并将岩石从掌子面上剥落下来。广泛应用于地下空间工程中的地铁隧道、铁路隧道、引水隧道、地下矿物开采隧洞以及城市地下管网的施工作业。
上述TBM滚刀的磨损状态是影响TBM正常掘进的关键因素之一,而TBM滚刀属于易损件、易耗件,且成本比较高;具体,在掘进过程中,TBM滚刀的损耗占整个工程耗资的五分之一到四分之一,有的高达三分之一,并且刀具进货周期比较长。
另外现有技术中关于TBM滚刀的检查、维修和更换均较为复杂,无法准确地判断TBM滚刀的磨损状态,若换刀过早会造成资源的浪费,若换刀过晚又会影响工程的进度,这都会直接影响到工程的造价和工期。因此准确判断滚刀的磨损状态就显得十分必要。
发明内容
鉴于此,本发明的目的在于提供一种TBM滚刀状态监测及故障诊断方法、系统,具体基于TBM主轴振动信号和主电机电流信号在线监测TBM滚刀的磨损状态,进而精确确定TBM滚刀是否需要更换。
为实现上述目的,本发明提供如下技术方案:
一种TBM滚刀状态监测及故障诊断系统,包括:
所述信号采集模块安装于TBM滚刀的刀盘上,用于采集刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号;
所述信号传输模块用于实现所述信号采集模块与所述上位机的通信传输,以将所述数字信号传输至上位机;
所述上位机设立在TBM主控室中,用于接收所述信号传输模块传输的信号,并对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态;
其中:
对接收信号进行处理分析的方式为:采用时域分析、频域分析或时频域分析中的一种执行处理分析,以获取处理分析数据;
获取运行状态的方式为:提取处理分析数据中刀盘及TBM滚刀的状态特征,且状态特征为均值、均方值和幅值谱中的一种或多种;
获取故障状态的方式为:基于PCA主元量分析法获取处理分析数据中刀盘及TBM滚刀的故障特征;基于训练好的BP神经网络,建立滚刀故障识别数学模型;结合故障特征与数学模型,判断刀盘及TBM滚刀是否发生故障及发生故障的位置。
优选的,所述BP神经网络包括输入层、隐层和输出层,其中所述输入层输入故障特征,所述输出层输出刀盘及TBM滚刀的故障种类。
优选的,所述信号采集模块包括传感器、采集板卡、AD转换芯片和存储器,其中:所述传感器包括振动传感器和电流传感器,分别安装于TBM刀盘的主轴承和主电机上,以对TBM刀盘的主轴承的振动信号和主电机的电流信号进行采集;所述采集板卡包括集成放大电路和滤波电路,以将采集的振动信号和电流信号转化为模拟信号;所述AD转换芯片将所述模拟信号转换成数字信号,并将所述数字信号保存到所述存储器中。
优选的,所述信号传输模块采用WIFI无线传输模块,以基于WIFI无线网络将所述存储器中的数字信号传输至上位机。
优选的,所述上位机中包括信号接收模块、信号处理模块、状态检测模块和故障诊断模块;其中:所述信号接收模块用于接收信号传输模块传输的信号;所述信号处理模块包括振动信号处理电路和电流信号处理电路,以分别实现对振动信号和电流信号的处理分析;所述状态检测模块基于处理分析数据提取状态特征,以获取刀盘及TBM滚刀的当前运行状态;所述故障诊断模块基于处理分析数据提取故障特征,并基于故障特征判断刀盘及TBM滚刀的当前故障状态。
优选的,所述上位机还包括报警模块,且报警模块在刀盘或TBM滚刀故障时执行警报。
所述时域信号采样序列S(i)中仅有有限个极值点、连续或只有有限个第一类间断点,基于所述时域信号采样序列S(i):所述幅值谱为:X(ω)=∫x(t)e-∫ωtdt。
一种TBM滚刀状态监测及故障诊断方法,包括如下步骤:
S1.构建信号采集模块、信号传输模块和上位机;
S2.基于所述信号采集模块采集TBM滚刀刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号;
S3.基于所述信号传输模块将数字信号传输至上位机;
S4.基于所述上位机对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态;
其中,所述步骤S4中包括:
S41.采用时域分析、频域分析或时频域分析中的一种对接收信号进行处理分析,以获得处理分析数据;
S42.获取处理分析数据中刀盘及TBM滚刀的状态特征,以获得刀盘及TBM滚刀的当前运行状态;
S43.获取处理分析数据中刀盘及TBM滚刀的故障特征,以获得刀盘及TBM滚刀的当前故障状态。
本发明与现有技术相比,具有以下有益效果:
在本发明中,利用高精度传感器采集刀盘主轴承的振动信号和主电机的电流信号,并将信号实时反馈给上位机,上位机进行信号处理,从而实现TBM滚刀的实时监测和在线故障诊断。
并且,在其故障诊断过程中,利用BP神经网络,构建故障诊断的数学模型,以有效实现TBM滚刀故障的精准监测,进而保证TBM滚刀更换的及时性。
另外,基于本发明的系统,还有效避免了采集信号失真、信号背景混杂的问题,从而大大提高了TBM滚刀状态监测和故障诊断的准确性。
附图说明
图1为本发明所提供的状态监测及故障诊断系统的结构框图;
图2为监测系统的上位机中BP神经网络的结构示意图;
图3为本发明所提供的状态监测及故障诊断方法的流程图;
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。
实施例1
请参阅图1所示,为本实施例所提供的一种TBM滚刀状态监测及故障诊断系统的结构框图,由图示可知,整体系统具体包括:信号采集模块、信号传输模块和上位机;
作为具体的实施方式:
(1)信号采集模块安装于TBM滚刀的刀盘上,用于采集刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号;
具体信号采集模块包括传感器、采集板卡、AD转换芯片和存储器;其中:
传感器包括振动传感器和电流传感器,分别安装于TBM刀盘的主轴承和主电机上,以对TBM刀盘的主轴承的振动信号和主电机的电流信号进行采集;
采集板卡包括集成放大电路和滤波电路,以将采集的振动信号和电流信号转化为模拟信号;
AD转换芯片将模拟信号转换成数字信号,并将数字信号保存到存储器中。
(2)信号传输模块用于实现信号采集模块与上位机的通信传输,具体采用WIFI无线传输模块,以基于WIFI无线网络将上述信号采集模块中存储与储存器内的数字信号传输至上位机。
(3)上位机设立在TBM主控室中,用于接收信号传输模块传输的信号,并对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态。
具体,上位机包括信号接收模块、信号处理模块、状态检测模块和故障诊断模块;其中:
信号接收模块用于接收信号传输模块传输的信号。
信号处理模块包括振动信号处理电路和电流信号处理电路,以分别实现对振动信号和电流信号的处理分析;容易解释的,处理分析具体采用时域分析、频域分析或时频域分析中的一种执行处理分析,以获取处理分析数据。
状态检测模块基于处理分析数据提取状态特征,以获取刀盘及TBM滚刀的当前运行状态;容易解释的,状态特征为均值、均方值和幅值谱中的一种或多种;
作为一具体实施例,以时域分析为例,在分析过程中包括时域信号采样序列S(i),由此可获取:
对于时域信号采样序列S(i),若该时域信号满足仅有有限个极值点、连续或只有有限个第一类间断点,则该时域信号中存在傅里叶变换,且获取幅值谱为:X(ω)=∫x(t)e-∫ωtdt。
故障诊断模块基于处理分析数据提取故障特征,并基于故障特征判断刀盘的当前故障状态;具体,获取故障状态的方式为:
基于PCA主元量分析法获取处理分析数据中刀盘及TBM滚刀的故障特征;
训练的BP神经网络,并建立滚刀故障识别数学模型;作为一具体实施方式,结合图2所示的结构,关于BP神经网络具体包括:输入层、隐层和输出层,且其训练过程为:
a)数据前向传递:由输入层输入训练数据,传输至隐层,再传输至输出层,以获取输出数据;在此过程中,每层神经元的状态只影响下一层神经元,以实现数据的前向传递;
b)误差反向传播:基于数据前向传递,在输出层中获取输出数据,若输出数据不是期望的目标数据,即输出数据与目标数据之间存在误差,则执行输出数据的反向传播,在此传播过程中,基于预定的误差不断调整神经结构的权值和阔值,以此使得最终的输出数据能无限逼近目标数据(即输出数据近似等于目标数据)。
另外,在上述训练过程中,关于预定的误差,使用权向量误差梯度下降原则进行优化,从而有效提高输出数据与目标数据之间的接近程度,即降低BP神经网络中的误差概率。
而在实际的故障诊断中,向输入层输入故障特征,经对应的BP神经网络数学模型处理后,由输出层输出刀盘及TBM滚刀的故障种类,由此实现整体对TBM滚刀的实时故障诊断。
作为进一步的可实施方式,上位机中还包括报警模块,且报警模块在刀盘或TBM滚刀故障时执行警报,由此对TBM主控室中的工作人员进行提醒,以及时进行TBM滚刀的更换。
实施例2
请参阅图3所示,为本实施例所提供的一种TBM滚刀状态监测及故障诊断方法的流程图,由图可知,整体方法具体包括如下步骤:
S1.构建信号采集模块、信号传输模块和上位机;
S2.基于信号采集模块采集TBM滚刀刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号;
S3.基于信号传输模块将数字信号传输至上位机;
S4.基于上位机对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态。
其中,步骤S4中包括:
S41.采用时域分析、频域分析或时频域分析中的一种对接收信号进行处理分析,以获得处理分析数据;
S42.获取处理分析数据中刀盘及TBM滚刀的状态特征,以获得刀盘及TBM滚刀的当前运行状态;
S43.获取处理分析数据中刀盘及TBM滚刀的故障特征,以获得刀盘及TBM滚刀的当前故障状态。
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 (8)
1.一种TBM滚刀状态监测及故障诊断系统,其特征在于:包括信号采集模块、信号传输模块和上位机;
所述信号采集模块安装于TBM滚刀的刀盘上,用于采集刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号,所述信号采集模块包括传感器、采集板卡、AD转换芯片和存储器,其中:
所述传感器包括振动传感器和电流传感器,分别安装于TBM刀盘的主轴承和主电机上,以对TBM刀盘的主轴承的振动信号和主电机的电流信号进行采集;
所述采集板卡包括集成放大电路和滤波电路,以将采集的振动信号和电流信号转化为模拟信号;
所述AD转换芯片将所述模拟信号转换成数字信号,并将所述数字信号保存到所述存储器中;
所述信号传输模块用于实现所述信号采集模块与所述上位机的通信传输,以将所述数字信号传输至上位机;
所述上位机设立在TBM主控室中,用于接收所述信号传输模块传输的信号,并对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态;
其中:
对接收信号进行处理分析的方式为:采用时域分析、频域分析或时频域分析中的一种执行处理分析,以获取处理分析数据;
获取运行状态的方式为:提取处理分析数据中刀盘及TBM滚刀的状态特征,且状态特征为均值、均方值和幅值谱中的一种或多种;
获取故障状态的方式为:基于PCA主元量分析法获取处理分析数据中刀盘及TBM滚刀的故障特征;基于训练好的BP神经网络,建立滚刀故障识别数学模型;结合故障特征与数学模型,判断刀盘及TBM滚刀是否发生故障及发生故障的位置。
2.根据权利要求1所述的一种TBM滚刀状态监测及故障诊断系统,其特征在于,所述BP神经网络包括输入层、隐层和输出层,其中所述输入层输入故障特征,所述输出层输出刀盘及TBM滚刀的故障种类。
3.根据权利要求2所述的一种TBM滚刀状态监测及故障诊断系统,其特征在于:所述信号传输模块采用WIFI无线传输模块,以基于WIFI无线网络将所述存储器中的数字信号传输至上位机。
4.根据权利要求3所述的一种TBM滚刀状态监测及故障诊断系统,其特征在于,所述上位机中包括信号接收模块、信号处理模块、状态检测模块和故障诊断模块;其中:
所述信号接收模块用于接收信号传输模块传输的信号;
所述信号处理模块包括振动信号处理电路和电流信号处理电路,以分别实现对振动信号和电流信号的处理分析;
所述状态检测模块基于处理分析数据提取状态特征,以获取刀盘及TBM滚刀的当前运行状态;
所述故障诊断模块基于处理分析数据提取故障特征,并基于故障特征判断刀盘及TBM滚刀的当前故障状态。
5.根据权利要求4所述的一种TBM滚刀状态监测及故障诊断系统,其特征在于,所述上位机还包括报警模块,且报警模块在刀盘或TBM滚刀故障时执行警报。
7.根据权利要求6所述的一种TBM滚刀状态监测及故障诊断系统,其特征在于,所述时域信号采样序列S(i)中仅有有限个极值点、连续或只有有限个第一类间断点,基于所述时域信号采样序列S(i):
所述幅值谱为:X(ω)=∫x(t)e-∫ωtdt。
8.一种TBM滚刀状态监测及故障诊断方法,其特征在于,包括如下步骤:
S1.构建信号采集模块、信号传输模块和上位机;
S2.基于所述信号采集模块采集TBM滚刀刀盘的主轴承的振动信号和主电机的电流信号,并将采集的信号转换为可传输的数字信号;
S3.基于所述信号传输模块将数字信号传输至上位机;
S4.基于所述上位机对接收信号进行处理分析,以获取刀盘及TBM滚刀当前运行状态和故障状态;
其中,所述步骤S4中包括:
S41.采用时域分析、频域分析或时频域分析中的一种对接收信号进行处理分析,以获得处理分析数据;
S42.获取处理分析数据中刀盘及TBM滚刀的状态特征,以获得刀盘及TBM滚刀的当前运行状态;
S43.获取处理分析数据中刀盘及TBM滚刀的故障特征,以获得刀盘及TBM滚刀的当前故障状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010155515.4A CN111322082B (zh) | 2020-03-09 | 2020-03-09 | 一种tbm滚刀状态监测及故障诊断方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010155515.4A CN111322082B (zh) | 2020-03-09 | 2020-03-09 | 一种tbm滚刀状态监测及故障诊断方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111322082A CN111322082A (zh) | 2020-06-23 |
CN111322082B true CN111322082B (zh) | 2021-10-22 |
Family
ID=71167601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010155515.4A Active CN111322082B (zh) | 2020-03-09 | 2020-03-09 | 一种tbm滚刀状态监测及故障诊断方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111322082B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112392458A (zh) * | 2020-08-05 | 2021-02-23 | 北京中煤矿山工程有限公司 | 反井钻机刀盘和钻杆振动监测方法及系统 |
CN112456430B (zh) * | 2020-12-11 | 2021-11-09 | 重庆忽米网络科技有限公司 | 一种集成式多功能微机电传感器 |
CN114091544A (zh) * | 2021-11-29 | 2022-02-25 | 西南交通大学 | 基于振动信号与神经网络的tbm盘形滚刀磨损识别系统 |
CN114707669A (zh) * | 2022-06-02 | 2022-07-05 | 湖南师范大学 | 滚刀故障诊断模型训练方法、诊断方法、装置及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03257317A (ja) * | 1990-03-08 | 1991-11-15 | Komatsu Ltd | 地中掘進機械の磁界受信器保持装置 |
CN109946075A (zh) * | 2018-12-25 | 2019-06-28 | 东北大学 | 一种轴承状态监测及故障诊断方法 |
CN209485669U (zh) * | 2018-12-29 | 2019-10-11 | 中铁工程装备集团有限公司 | 一种滚刀信息监测装置 |
CN110439558A (zh) * | 2019-06-29 | 2019-11-12 | 中铁工程装备集团隧道设备制造有限公司 | 一种悬臂掘进机截齿磨损状态检测系统及方法 |
-
2020
- 2020-03-09 CN CN202010155515.4A patent/CN111322082B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111322082A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111322082B (zh) | 一种tbm滚刀状态监测及故障诊断方法、系统 | |
CN111947928B (zh) | 一种多源信息融合的轴承故障预测系统及方法 | |
CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
CN109489977B (zh) | 基于KNN-AdaBoost的轴承故障诊断方法 | |
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN111563524A (zh) | 一种多站融合系统运行态势异常监测和告警合并方法 | |
CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN111209934B (zh) | 风机故障预报警方法及系统 | |
CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN111260822B (zh) | 一种基于大数据的轨道交通车辆健康状态分析方法及终端 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
US20210065021A1 (en) | Working condition state modeling and model correcting method | |
CN111125895B (zh) | 一种风力发电机整机服役功率特性在线评估方法 | |
CN118092401B (zh) | 煤矿井下设备故障诊断与预测性维护平台 | |
CN113869603A (zh) | 一种基于掘进指数的异常工况预警方法 | |
CN110348683A (zh) | 电能质量扰动事件主成因分析方法、装置设备及存储介质 | |
CN114707669A (zh) | 滚刀故障诊断模型训练方法、诊断方法、装置及电子设备 | |
CN117728587B (zh) | 一种新能源发电设备运行数据的实时监控系统及方法 | |
CN117610591B (zh) | 一种适用于智能扫码终端的运行监测方法 | |
CN118309644A (zh) | 基于数字孪生的管道泵运行流量监测方法及系统 | |
CN117593853A (zh) | 基于透地通信信号变化的地质灾害辅助监测系统和方法 | |
CN115994845B (zh) | 一种基于互联网的山水治理监管方法和系统 | |
CN104573864A (zh) | 一种基于自回归预测的数据分析报警方法 | |
CN116523722A (zh) | 一种具备机器学习能力的环境监测分析系统 | |
CN113435497B (zh) | 基于硬度特性的煤岩界面多传感信息融合偏好识别方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230511 Address after: No. 6 Tongxin Road, Dayushan Pump Industry Park, Huludao City, Liaoning Province, 110000 Patentee after: HULUDAO LITIAN HEAVY INDUSTRY MACHINERY Co.,Ltd. Address before: 610031 No. two, section 111, ring road, Chengdu, Sichuan, China Patentee before: SOUTHWEST JIAOTONG University |
|
TR01 | Transfer of patent right |