CN112099393A - 烟机设备运行监控及异常判定系统及方法 - Google Patents
烟机设备运行监控及异常判定系统及方法 Download PDFInfo
- Publication number
- CN112099393A CN112099393A CN202010835571.2A CN202010835571A CN112099393A CN 112099393 A CN112099393 A CN 112099393A CN 202010835571 A CN202010835571 A CN 202010835571A CN 112099393 A CN112099393 A CN 112099393A
- Authority
- CN
- China
- Prior art keywords
- equipment
- voiceprint
- abnormal
- audio
- voiceprints
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了烟机设备运行监控及异常判定系统及方法，包括健康设备声纹图谱数据库、异常设备声纹图谱数据库、设备音频采集单元、声音降噪单元、声纹匹配单元：当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常；当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，对设备运行异常点进行自动判定。本发明可有效预防设备异常停机，使设备异常状态提前感知，避免设备异常运行导致的重大停机事故，并提高问题排查和检修效率，打破了经验判断带来的修理人员局限性壁垒。
Description
技术领域
本发明涉及烟草行业，具体涉及烟机设备运行状态监控技术，尤其涉及一种烟机设备运行监控及异常判定系统及方法。
背景技术
烟机设备的运行状态是否良好直接关系着产品的质量，而烟机设备在卷烟行业里主要分为两大分支，一是制丝设备，二是卷接包装设备。烟机设备的运行特点为流水线作业、高速运行，设备若偶发性停止，因运行特点将会造成巨大的物料损失。
公开号：CN110236221A的发明申请公开了一种卷烟厂用于制丝卷包联合防差错的系统及方法，该系统包括制造执行系统MES、烟丝库仓库管理系统WMS、卷包智慧化管理系统DAS、制丝集控系统PMD、卷烟机生产单元校验系统、喂丝工单校验系统、烟丝箱RFID读写设备、喂丝烟丝信息校验系统、烟丝翻箱控制系统以及喂丝机组与卷烟机。通过该发明，对制丝卷包各个设备系统运行工单细节和物流信息进行一致性比对，避免错牌质量事故的发生，降低质量风险隐患。
公开号：CN111103854A的发明申请公开了一种用于提升烟草烘丝机生产稳定性的系统及方法，属于烟草制丝生产技术领域。该系统包括数据采集模块、数据处理模块、稳定性评价模块、预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块等结构。本发明以工业大数据、人工智能等新一代信息技术为支撑，减少非稳态时间并提高稳态控制质量，进而有效地提升烘丝机整个生产过程的质量稳定性。
上述专利文献虽然可以提高设备运行的稳定性和产品质量，严格意义上并不是烟机设备运行状态、异常停机的在线监测技术，且无法实现设备故障的及时排查，现有技术中关于此技术问题的公开尚存在不足。
发明内容
为克服上述问题，本申请提供了一种烟机设备运行监控及异常判定系统及方法。
本发明适用于烟机设备运行状态监控，以及异常部位的智能判断，以提高设备运行稳定性，降低设备排故的难度。
本发明解决其技术问题所采用的技术方案为：
烟机设备运行监控及异常判定系统，包括
健康设备声纹图谱数据库，其内存储有设备正常运行时的声纹图谱数据；
异常设备声纹图谱数据库，其内存储有设备异常运行时的声纹图谱数据；
设备音频采集单元，其利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；
声音降噪单元，其用于对音频图谱数据进行降噪处理，生成设备运行声纹；
声纹匹配单元，其建立有SMV匹配模型，基于健康设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，实时监测设备运行状态：
当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至健康设备声纹图谱数据库内；
当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，进行设备运行异常点的自动判定。
作为上述技术方案的改进，所述设备音频采集单元通过在线声音收集器实时采集设备运行音频，并通过Sononym音频分析软件将所采集音频进行音频图谱化。
作为上述技术方案的改进，所述声音降噪单元通过三倍信噪比降噪、RNN二次降噪对音频图谱数据进行降噪处理。
作为上述技术方案的改进，所述三倍信噪比降噪是指：查找音频图谱中最小波峰，获取其纵坐标值，将该值乘以3获得该音频图谱的三倍信噪比，将该值纵坐标以下的音频图谱进行净化处理，以降低轻微噪声的干扰。
作为上述技术方案的改进，所述RNN二次降噪是指：将目标物声纹进一步与非目标物声纹进行分离。
作为上述技术方案的改进，所述系统包括异常声纹采集单元，其通过人为制造故障采集声纹和/或系统实时运行采集偶发声纹的方式进行异常声纹采集。
作为上述技术方案的改进，所述人为制造故障采集声纹是指：通过使用以往损坏件采集其声纹或人为设置故障采集其声纹，以填补实时运行采集偶发声纹的空白。
作为上述技术方案的改进，所述SMV匹配模型通过方差分析、格兰杰因果关系检验及apriori算法构建而成。
本发明同时提供了一种烟机设备运行监控及异常判定方法，所述方法应用于上述任一项所述的烟机设备运行监控及异常判定系统，其包括以下步骤：
步骤一，声纹图谱数据库建立
建立健康设备声纹图谱数据库和异常设备声纹图谱数据库；
步骤二，设备声纹采集
利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；
对音频图谱数据进行降噪处理，生成设备运行声纹；
步骤三，声纹匹配
基于健康设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配；
步骤四，设备运行监控
当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至健康设备声纹图谱数据库内；
当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，并进行下一步；
步骤五，设备异常判定
基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，进行设备运行异常点的自动判定。
作为上述技术方案的改进，步骤一中，为建立异常设备声纹图谱数据库，通过异常声纹采集单元人为制造故障采集声纹和/或系统实时运行采集偶发声纹。
本发明带来的有益效果有：
本发明可有效预防设备异常停机，使设备异常状态提前感知，避免设备异常运行导致的重大停机事故；且本发明还为设备故障检修提供了坏损点位查找依据，有效缩短检修时间，提高问题排查和检修效率，而且打破了经验判断带来的修理人员局限性壁垒。
附图说明
下面结合附图及具体实施例对本发明作进一步说明，
附图1是本发明的系统模块图；
附图2是本发明的SMV匹配模型构建过程示意图；
附图3是本发明实施例2的流程框图；
附图4是本发明实施例3的应用效果示意图。
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
本实施例为烟机设备运行监控及异常判定系统，参照图1，包括
健康设备声纹图谱数据库，其内存储有设备正常运行时的声纹图谱数据；
异常设备声纹图谱数据库，其内存储有设备异常运行时的声纹图谱数据；
设备音频采集单元，其利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；
声音降噪单元，其用于对音频图谱数据进行降噪处理，生成设备运行声纹；
声纹匹配单元，其建立有SMV匹配模型，基于健康设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，实时监测设备运行状态：
当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至健康设备声纹图谱数据库内；
当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，进行设备运行异常点的自动判定。
具体的：
设备音频采集单元通过在线声音收集器实时采集设备运行音频，并通过Sononym音频分析软件将所采集音频进行音频图谱化。
声音降噪单元通过三倍信噪比降噪、RNN二次降噪对音频图谱数据进行降噪处理。
三倍信噪比降噪是指：查找音频图谱中最小波峰，获取其纵坐标值，将该值乘以3获得该音频图谱的三倍信噪比，将该值纵坐标以下的音频图谱进行净化处理，以降低轻微噪声的干扰。
RNN(循环神经网络)二次降噪是指：将目标物声纹进一步与非目标物声纹进行分离。
此外，本系统还包括异常声纹采集单元，其通过人为制造故障采集声纹和/或系统实时运行采集偶发声纹的方式进行异常声纹采集。
人为制造故障采集声纹是指：通过使用以往损坏件采集其声纹或人为设置故障采集其声纹，以填补实时运行采集偶发声纹的空白。
在本实施例中：
参照图2，SMV匹配模型可通过标偏分析法构建而成。
SMV匹配模型的具体构建过程：
标偏计算公式：
式中：S-标准偏差；
n-试样总数或测量次数；
xi某音频的各次测量值。
音频量化：
声音模拟数据→采样→量化→绘制量化曲线。
匹配度计算：
利用标偏计算公式，与标准数据库数据进行对比计算，偏差小于等于0.2则为判定设备运行正常，偏差大于0.2判定设备运行异常。
实施例2
本实施例为一种烟机设备运行监控及异常判定方法，参照图3，所述方法应用于实施例1所述的烟机设备运行监控及异常判定系统，其包括以下步骤：
步骤一，声纹图谱数据库建立
建立健康设备声纹图谱数据库和异常设备声纹图谱数据库；
步骤二，设备声纹采集
利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；
对音频图谱数据进行降噪处理，生成设备运行声纹；
步骤三，声纹匹配
基于健康设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配；
步骤四，设备运行监控
当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至健康设备声纹图谱数据库内；
当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，并进行下一步；
步骤五，设备异常判定
基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，进行设备运行异常点的自动判定。
其中，步骤一为建立异常设备声纹图谱数据库，通过异常声纹采集单元人为制造故障采集声纹和/或系统实时运行采集偶发声纹。
实施例3
利用实施例1所建立SMV匹配模型实时监测设备运行状态，基于实施例2烟机设备运行监控及异常判定方法，对热风润叶设备运行状态进行实时监测。
热风润叶设备健康运行状态声纹图谱以及实时监测图谱对比见图4。
于热风润叶工序应用SMV匹配模型后发现，热风润叶设备运行良好，其实时监测的运行声纹与健康设备声纹图谱数据库内声纹一致，该设备无异常。
将系统上线至各烟机设备后，有效降低了设备异常停机次数，其中异常停机率由实施前的9.8％降低至5.2％，设备异常点判定准确率达到96.4％。
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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.烟机设备运行监控及异常判定系统，其特征在于：包括
健康设备声纹图谱数据库，其内存储有设备正常运行时的声纹图谱数据；
异常设备声纹图谱数据库，其内存储有设备异常运行时的声纹图谱数据；
设备音频采集单元，其利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；
声音降噪单元，其用于对音频图谱数据进行降噪处理，生成设备运行声纹；
声纹匹配单元，其建立有SMV匹配模型，基于健康设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，实时监测设备运行状态：
当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至健康设备声纹图谱数据库内；
当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，进行设备运行异常点的自动判定。
2.根据权利要求1所述的烟机设备运行监控及异常判定系统，其特征在于：所述设备音频采集单元通过在线声音收集器实时采集设备运行音频，并通过Sononym音频分析软件将所采集音频进行音频图谱化。
3.根据权利要求1所述的烟机设备运行监控及异常判定系统，其特征在于：所述声音降噪单元通过三倍信噪比降噪、RNN二次降噪对音频图谱数据进行降噪处理。
4.根据权利要求3所述的烟机设备运行监控及异常判定系统，其特征在于：所述三倍信噪比降噪是指：查找音频图谱中最小波峰，获取其纵坐标值，将该值乘以3获得该音频图谱的三倍信噪比，将该值纵坐标以下的音频图谱进行净化处理，以降低轻微噪声的干扰。
5.根据权利要求3所述的烟机设备运行监控及异常判定系统，其特征在于：所述RNN二次降噪是指：将目标物声纹进一步与非目标物声纹进行分离。
6.根据权利要求1所述的烟机设备运行监控及异常判定系统，其特征在于：所述系统包括异常声纹采集单元，其通过人为制造故障采集声纹和/或系统实时运行采集偶发声纹的方式进行异常声纹采集。
7.根据权利要求6所述的烟机设备运行监控及异常判定系统，其特征在于：所述人为制造故障采集声纹是指：通过使用以往损坏件采集其声纹或人为设置故障采集其声纹，以填补实时运行采集偶发声纹的空白。
8.根据权利要求1所述的烟机设备运行监控及异常判定系统，其特征在于：所述SMV匹配模型通过方差分析、格兰杰因果关系检验及apriori算法构建而成。
9.烟机设备运行监控及异常判定方法，其特征在于：所述方法应用于权利要求1～8任一项所述的烟机设备运行监控及异常判定系统，其包括以下步骤：
步骤一，声纹图谱数据库建立
建立健康设备声纹图谱数据库和异常设备声纹图谱数据库；
步骤二，设备声纹采集
利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；
对音频图谱数据进行降噪处理，生成设备运行声纹；
步骤三，声纹匹配
基于健康设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配；
步骤四，设备运行监控
当设备运行声纹与健康设备声纹图谱数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至健康设备声纹图谱数据库内；
当设备运行声纹与健康设备声纹图谱数据库内对应声纹不一致时，判定该设备异常：发出预警信号，并进行下一步；
步骤五，设备异常判定
基于异常设备声纹图谱数据库和SMV匹配模型，对设备运行声纹进行声纹匹配，进行设备运行异常点的自动判定。
10.根据权利要求9所述的烟机设备运行监控及异常判定方法，其特征在于：步骤一中，为建立异常设备声纹图谱数据库，通过异常声纹采集单元人为制造故障采集声纹和/或系统实时运行采集偶发声纹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010835571.2A CN112099393A (zh) | 2020-08-19 | 2020-08-19 | 烟机设备运行监控及异常判定系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010835571.2A CN112099393A (zh) | 2020-08-19 | 2020-08-19 | 烟机设备运行监控及异常判定系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112099393A true CN112099393A (zh) | 2020-12-18 |
Family
ID=73753946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010835571.2A Pending CN112099393A (zh) | 2020-08-19 | 2020-08-19 | 烟机设备运行监控及异常判定系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112099393A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112710446A (zh) * | 2020-12-21 | 2021-04-27 | 北京和中普方新能源科技有限公司 | 电动车电池系统振动试验的判断方法、系统及存储介质 |
| CN113674447A (zh) * | 2021-07-09 | 2021-11-19 | 深圳市慧友安电子技术有限公司 | 一种工业设备声纹故障检测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4638817A (en) * | 1984-05-08 | 1987-01-27 | Japan Tobacco, Inc. | Device for controlling contents of tobacco on cigarette machine |
| CN102919995A (zh) * | 2012-11-01 | 2013-02-13 | 上海烟草集团有限责任公司 | 一种烟草制丝过程中的质量控制与诊断分析方法及系统 |
| CN204191569U (zh) * | 2014-09-29 | 2015-03-11 | 河南中烟工业有限责任公司 | 一种用于烟厂风力喂丝机的智能声光报警系统 |
| CN108875964A (zh) * | 2017-05-12 | 2018-11-23 | 深圳烟草工业有限责任公司 | 一种卷烟制造设备点检分析方法及系统 |
| CN110236221A (zh) * | 2019-06-11 | 2019-09-17 | 浙江中烟工业有限责任公司 | 一种卷烟厂用于制丝卷包联合防差错系统及方法 |
| CN110861988A (zh) * | 2019-12-23 | 2020-03-06 | 江苏省特种设备安全监督检验研究院 | 一种电梯异常的声纹识别及故障诊断监控报警系统 |
| CN111103854A (zh) * | 2019-12-10 | 2020-05-05 | 云南昆船设计研究院有限公司 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
-
2020
- 2020-08-19 CN CN202010835571.2A patent/CN112099393A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4638817A (en) * | 1984-05-08 | 1987-01-27 | Japan Tobacco, Inc. | Device for controlling contents of tobacco on cigarette machine |
| CN102919995A (zh) * | 2012-11-01 | 2013-02-13 | 上海烟草集团有限责任公司 | 一种烟草制丝过程中的质量控制与诊断分析方法及系统 |
| CN204191569U (zh) * | 2014-09-29 | 2015-03-11 | 河南中烟工业有限责任公司 | 一种用于烟厂风力喂丝机的智能声光报警系统 |
| CN108875964A (zh) * | 2017-05-12 | 2018-11-23 | 深圳烟草工业有限责任公司 | 一种卷烟制造设备点检分析方法及系统 |
| CN110236221A (zh) * | 2019-06-11 | 2019-09-17 | 浙江中烟工业有限责任公司 | 一种卷烟厂用于制丝卷包联合防差错系统及方法 |
| CN111103854A (zh) * | 2019-12-10 | 2020-05-05 | 云南昆船设计研究院有限公司 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
| CN110861988A (zh) * | 2019-12-23 | 2020-03-06 | 江苏省特种设备安全监督检验研究院 | 一种电梯异常的声纹识别及故障诊断监控报警系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112710446A (zh) * | 2020-12-21 | 2021-04-27 | 北京和中普方新能源科技有限公司 | 电动车电池系统振动试验的判断方法、系统及存储介质 |
| CN113674447A (zh) * | 2021-07-09 | 2021-11-19 | 深圳市慧友安电子技术有限公司 | 一种工业设备声纹故障检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460144B (zh) | 一种基于机器学习的煤炭设备故障预警系统及方法 | |
| CN108038553A (zh) | 轧机设备状态在线监测与诊断系统及监测诊断方法 | |
| CN111639921B (zh) | 一种基于专家系统的设备故障智判与辅助处置方法 | |
| CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
| CN112099393A (zh) | 烟机设备运行监控及异常判定系统及方法 | |
| CN108010305B (zh) | 一种综合能源管理平台数据采集故障的自诊断方法 | |
| CN111922095A (zh) | 一种冷轧机轧辊扭振故障异常的振动诊断方法 | |
| CN107038453A (zh) | 一种风电机组的故障预警系统及判断方法 | |
| CN111738308A (zh) | 基于聚类及半监督学习的监控指标动态阈值检测方法 | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| CN110807245B (zh) | 一种设备故障预警的自动建模方法和系统 | |
| CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
| CN116680113B (zh) | 一种设备检测实施控制系统 | |
| CN115511367B (zh) | 生产线的质量智能管理系统 | |
| CN112801313A (zh) | 基于大数据技术综采工作面故障判定方法 | |
| CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
| CN115640698A (zh) | 一种水电站运行设备故障预警系统 | |
| CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
| CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
| CN110208028B (zh) | 基于粉尘浓度的混凝土生产设备在线故障检测方法及系统 | |
| CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
| CN112132316A (zh) | 制丝环节在线设备异常监控系统及方法 | |
| CN113464414A (zh) | 一种空压站的节能运行方法 | |
| CN111626542B (zh) | 一种用于发电机励磁系统的基于大数据的检测方法 | |
| CN113159517A (zh) | 一种三维可视化电网运行数据分析系统 |
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 |