CN112380641B - 一种应急柴油机健康状态评价方法及计算机终端 - Google Patents
一种应急柴油机健康状态评价方法及计算机终端 Download PDFInfo
- Publication number
- CN112380641B CN112380641B CN202011157364.2A CN202011157364A CN112380641B CN 112380641 B CN112380641 B CN 112380641B CN 202011157364 A CN202011157364 A CN 202011157364A CN 112380641 B CN112380641 B CN 112380641B
- Authority
- CN
- China
- Prior art keywords
- equipment
- diesel engine
- emergency diesel
- list
- importance
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种应急柴油机健康状态评价方法及计算机终端。本发明以应急柴油机故障树模型为指导,构建应急柴油机健康状态评估模型与评估体系,并通过监测数据自动采集与数据自动分析获得设备劣化度指标数据进行应急柴油机健康状态评估与展示,解决了由于缺少健康状态评估模型和监测数据而不能全面有效评估应急柴油机健康状态的问题。
Description
技术领域
本发明涉及核电站的应急柴油机可靠性管理领域,更具体地说,涉及一种应急柴油机健康状态评价方法及计算机终端。
背景技术
应急柴油机(EDG)是核电厂内独立的应急电源。当厂用工作电源和厂外备用电源失去时,柴油发电机组为应急厂用设备提供电能,以确保核电站的安全停堆和人员环境的安全,并避免主要设备损坏,减少电厂的经济损失风险。如果对设备从正常状态到其完全失效这一过程进行整体把握,实时掌握设备的健康状态,预测故障发生时间,及时进行维修策略安排,可以有效避免故障发生,使设备保持高可靠运行状态。但以往健康状态评估方法大多直接从整体层面对系统进行性能评估,对组成系统的设备层面信息了解不足,为之后进行的维修和预测工作提供的指导有限。这是由于应急柴油机系统庞大且复杂,配套的子系统多,涉及设备种类多、结构复杂,很难通过设备综合判断其健康状态。因此,缺乏从设备层面开展应急柴油机详细的健康状态评估。
发明内容
本发明要解决的技术问题在于,针对在核电站中缺少应急柴油机健康状态评估模型来指导健康状态定量评估的现状,同时未能将反映应急柴油机的监测数据和运维信息量全部纳入健康数据管理中的问题,提供一种应急柴油机健康状态评价方法及计算机终端。
本发明解决其技术问题所采用的技术方案是:构造一种应急柴油机健康状态评价方法,包括:
步骤A,获取应急柴油机设备清单,建立从设备、子系统到应急柴油机的应急柴油机层次结构模型,根据所述应急柴油机设备清单确定可能引起设备故障的设备故障模式清单,根据所述设备故障模式清单搭建以应急柴油机启动失效和运行失效为顶事件的故障树,分析所述故障树生成设备故障模式最小割集清单,根据所述设备故障模式最小割集清单生成设备故障模式重要度清单;
步骤B,根据所述设备故障模式重要度清单,通过故障模式故障现象分析、特征参数分析,生成应急柴油机健康状态相关设备的设备特征参数清单和设备特征参数监测措施清单,根据所述设备特征参数监测措施清单生成设备监测数据分析模板;
步骤C,根据所述设备故障模式重要度清单生成应急柴油机健康状态相关设备的设备故障模式重要度权重系数清单、设备重要度权重系数清单、子系统重要度权重系数清单,根据所述应急柴油机层次结构模型、设备故障模式重要度权重系数清单、设备重要度权重系数清单、子系统重要度权重系数清单、设备故障模式特征参数清单、设备特征参数清单、子系统特征参数清单,建立应急柴油机健康状态评估模型;
步骤D,以所述设备特征参数监测措施清单为指导,自动采集相关业务系统中数据并将所述采集数据输入至所述设备监测数据分析模板以生成设备劣化度指标数据;
步骤E,将所述设备劣化度指标数据输入所述应急柴油机健康状态评估模型进行应急柴油机健康状态评价。
进一步,在本发明所述的应急柴油机健康状态评价方法中,所述应急柴油机层次结构模型包括r个子系统,子系统清单集表示为S=(S1,…,Si,…,Sr),其中Si(i=1,2,…,r)表示第i个子系统,r表示子系统数;相应的设备清单集可以表示为Si=(Si1,…,Sij,…,Sim),其中Sij(i=1,…,r;j=1,…,m)表示子系统Si的第j个设备,m表示子系统Si中的设备数。
进一步,在本发明所述的应急柴油机健康状态评价方法中,所述设备故障模式清单表示为Sij=(Sij1,…,Sijk,…,Sijn),其中Sijk(i=1,…,r;j=1,…,m;k=1,…,n)表示设备Sij的第k个故障模式,n表示设备Sij的故障模式数。
进一步,在本发明所述的应急柴油机健康状态评价方法中,所述故障树中启动失效故障树定性分析求解出y个最小割集,则其启动失效相关设备故障模式最小割集清单集表示为C=(C1,…,Ci,…,Cy),相应的第i个最小割集表示为Ci=(Ci1,…,Cij,…,Cim),其中Ci(i=1,2,…,r)表示第i个最小割集,y表示最小割集数;Cij(i=1,2,…,y;j=1,2,…,m)表示第i个最小割集的第j个底事件,m表示第i个最小割集的割集阶数。
进一步,在本发明所述的应急柴油机健康状态评价方法中,所述故障树中运行失效故障树定性分析求解出z个最小割集,则其运行失效设备故障模式最小割集清单集表示为D=(D1,…,Di,…,Dz),相应的第i个最小割集表示为Di=(Di1,…,Dij,…,Dim),其中Di(i=1,2,…,z)表示第i个最小割集,z表示最小割集数;Dij(i=1,2,…,z;j=1,2,…,m)表示第i个最小割集的第j个底事件,m表示第i个最小割集的割集阶数。
进一步,在本发明所述的应急柴油机健康状态评价方法中,所述设备故障模式重要度清单中设备故障模式在应急柴油机启动失效最小割集清单和运行失效最小割集清单中阶数表征重要度,阶数与设备故障模式重要度成反比。
进一步,在本发明所述的应急柴油机健康状态评价方法中,根据技术特性将设备故障模式特征参数分为性能退化型特征参数和寿命损耗型特征参数,并使用劣化度表征所述性能退化型特征参数和所述寿命损耗型特征参数;
所述性能退化型特征参数的劣化度计算公式为:
其中:lijk表示Uijk的劣化度计算值,PNijk为性能参数的正常值,PAijk为性能参数的故障报警值,Pijk某一监测时刻性能参数的测量值;
所述寿命损耗型特征参数的劣化度计算公式为:
其中:Tijk表示设备平均使用寿命,tijk设备累积工作时间。
进一步,在本发明所述的应急柴油机健康状态评价方法中,应急柴油机健康状态相关设备的设备故障模式重要度权重系数计算公式:
其中,Wijk表示设备故障模式Sijk重要度权重系数,Qijk表示设备故障模式Sijk在应急柴油机启动失效中的重要度;Yijk表示设备故障模式Sijk在应急柴油机运行失效中的重要度;
应急柴油机健康状态相关设备的设备重要度权重系数计算公式:
其中,Wij表示设备Sij重要度权重系数,Qij表示设备Sij在应急柴油机启动失效中的重要度;Yij表示设备Sij在应急柴油机运行失效中的重要度;
应急柴油机健康状态相关子系统重要度权重系数计算公式:
其中,Wi表示子系统Si重要度权重系数。
进一步,在本发明所述的应急柴油机健康状态评价方法中,所述应急柴油机健康状态评估模型为:
其中,H表示的应急柴油机健康度,H的范围为0—1,0表示应急柴油机故障不可用,1表示应急柴油机完全健康。
另外,本发明还提供一种计算机终端,包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如上述的应急柴油机健康状态评价方法。
实施本发明的一种应急柴油机健康状态评价方法及计算机终端,具有以下有益效果:本发明以应急柴油机故障树模型为指导,构建应急柴油机健康状态评估模型与评估体系,并通过监测数据自动采集与数据自动分析获得设备劣化度指标数据进行应急柴油机健康状态评估与展示,解决了由于缺少健康状态评估模型和监测数据而不能全面有效评估应急柴油机健康状态的问题。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是一实施例提供的一种应急柴油机健康状态评价方法的流程图;
图2是一实施例提供的设备故障模式重要度计算方法的流程图;
图3是一实施例提供的设备重要度计算方法的流程图;
图4和图5是一实施例提供的应急柴油机健康状态评价清单集模版。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
实施例1
参考图1至图5,本实施例的应急柴油机健康状态评价方法包括下述步骤:
步骤A,获取应急柴油机设备清单,建立从设备、子系统到应急柴油机的应急柴油机层次结构模型,根据应急柴油机设备清单确定可能引起设备故障的设备故障模式清单,设备故障模式清单包括多种设备故障模式。进一步,根据设备故障模式清单搭建以应急柴油机启动失效和运行失效为顶事件的故障树,故障树包括启动失效故障树和运行失效故障树,分析故障树生成设备故障模式最小割集清单,设备故障模式最小割集清单包括多个设备故障模式最小割集;根据设备故障模式最小割集清单生成设备故障模式重要度清单,设备故障模式重要度清单包括多个设备故障模式重要度。
步骤B,根据设备故障模式重要度清单,通过故障模式故障现象分析、特征参数分析,生成应急柴油机健康状态相关设备的设备特征参数清单和设备特征参数监测措施清单,其中设备特征参数包括多个设备特征参数,设备特征参数监测措施清单包括多个设备特征参数监测措施。进一步,根据设备特征参数监测措施清单生成设备监测数据分析模板,也就是设备劣化度指标计算模型。
步骤C,根据设备故障模式重要度清单生成应急柴油机健康状态相关设备的设备故障模式重要度权重系数清单、设备重要度权重系数清单、子系统重要度权重系数清单,其中设备故障模式重要度权重系数清单包括多个设备故障模式重要度权重系数,设备重要度权重系数清单包括多个设备重要度权重系数,子系统重要度权重系数清单包括多个子系统重要度权重系数。进一步,根据应急柴油机层次结构模型、设备故障模式重要度权重系数清单、设备重要度权重系数清单、子系统重要度权重系数清单、设备故障模式特征参数清单、设备特征参数清单、子系统特征参数清单,建立应急柴油机健康状态评估模型,其中设备故障模式特征参数清单包括多个设备故障模式特征参数,子系统特征参数清单包括多个子系统特征参数。
步骤D,以设备特征参数监测措施清单为指导,自动采集相关业务系统中数据并将采集数据输入至设备监测数据分析模板以生成设备劣化度指标数据。
步骤E,将设备劣化度指标数据输入应急柴油机健康状态评估模型进行应急柴油机健康状态评价。
本实施例以应急柴油机故障树模型为指导,构建应急柴油机健康状态评估模型与评估体系,并通过监测数据自动采集与数据自动分析获得设备劣化度指标数据进行应急柴油机健康状态评估与展示,解决了由于缺少健康状态评估模型和监测数据而不能全面有效评估应急柴油机健康状态的问题。
作为选择,一些实施例的应急柴油机健康状态评价方法中,应急柴油机层次结构模型包括r个子系统,子系统清单集表示为S=(S1,…,Si,…,Sr),其中Si(i=1,2,…,r)表示第i个子系统,r表示子系统数;相应的设备清单集可以表示为Si=(Si1,…,Sij,…,Sim),其中Sij(i=1,…,r;j=1,…,m)表示子系统Si的第j个设备,m表示子系统Si中的设备数。
作为选择,一些实施例的应急柴油机健康状态评价方法中,设备故障模式清单表示为Sij=(Sij1,…,Sijk,…,Sijn),其中Sijk(i=1,…,r;j=1,…,m;k=1,…,n)表示设备Sij的第k个故障模式,n表示设备Sij的故障模式数。
作为选择,一些实施例的应急柴油机健康状态评价方法中,故障树中启动失效故障树定性分析求解出y个最小割集,则其启动失效相关设备故障模式最小割集清单集表示为C=(C1,…,Ci,…,Cy),相应的第i个最小割集表示为Ci=(Ci1,…,Cij,…,Cim),其中Ci(i=1,2,…,r)表示第i个最小割集,y表示最小割集数;Cij(i=1,2,…,y;j=1,2,…,m)表示第i个最小割集的第j个底事件,m表示第i个最小割集的割集阶数。
作为选择,一些实施例的应急柴油机健康状态评价方法中,故障树中运行失效故障树定性分析求解出z个最小割集,则其运行失效设备故障模式最小割集清单集表示为D=(D1,…,Di,…,Dz),相应的第i个最小割集表示为Di=(Di1,…,Dij,…,Dim),其中Di(i=1,2,…,z)表示第i个最小割集,z表示最小割集数;Dij(i=1,2,…,z;j=1,2,…,m)表示第i个最小割集的第j个底事件,m表示第i个最小割集的割集阶数。
作为选择,一些实施例的应急柴油机健康状态评价方法中,设备故障模式重要度清单中设备故障模式在应急柴油机启动失效最小割集清单和运行失效最小割集清单中阶数表征重要度,阶数与设备故障模式重要度成反比,即阶数越小、频次越高说明设备故障模式越重要。
作为选择,一些实施例的应急柴油机健康状态评价方法中,根据技术特性将设备故障模式特征参数分为性能退化型特征参数和寿命损耗型特征参数,并使用劣化度表征性能退化型特征参数和寿命损耗型特征参数;
性能退化型特征参数的劣化度计算公式为:
其中:lijk表示Uijk的劣化度计算值,PNijk为性能参数的正常值,PAijk为性能参数的故障报警值,Pijk某一监测时刻性能参数的测量值;
寿命损耗型特征参数的劣化度计算公式为:
其中:Tijk表示设备平均使用寿命,tijk设备累积工作时间。
作为选择,一些实施例的应急柴油机健康状态评价方法中,应急柴油机健康状态相关设备的设备故障模式重要度权重系数计算公式:
其中,Wijk表示设备故障模式Sijk重要度权重系数,Qijk表示设备故障模式Sijk在应急柴油机启动失效中的重要度;Yijk表示设备故障模式Sijk在应急柴油机运行失效中的重要度;
应急柴油机健康状态相关设备的设备重要度权重系数计算公式:
其中,Wij表示设备Sij重要度权重系数,Qij表示设备Sij在应急柴油机启动失效中的重要度;Yij表示设备Sij在应急柴油机运行失效中的重要度;
应急柴油机健康状态相关子系统重要度权重系数计算公式:
其中,Wi表示子系统Si重要度权重系数。
作为选择,一些实施例的应急柴油机健康状态评价方法中,应急柴油机健康状态评估模型为:
其中,H表示的应急柴油机健康度,H的范围为0—1,0表示应急柴油机故障不可用,1表示应急柴油机完全健康。进一步,可将应急柴油机(EDG)的健康状态分为:健康、良好、注意、恶化、严重,详细分级准则如下表1所示。
表1 EDG健康状态分级表
实施例2
本实施例的计算机终端包括处理器和存储器,存储器存储有计算机程序,计算机程序被处理器执行时实现如上述的应急柴油机健康状态评价方法。
本实施例以应急柴油机故障树模型为指导,构建应急柴油机健康状态评估模型与评估体系,并通过监测数据自动采集与数据自动分析获得设备劣化度指标数据进行应急柴油机健康状态评估与展示,解决了由于缺少健康状态评估模型和监测数据而不能全面有效评估应急柴油机健康状态的问题。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
Claims (5)
1.一种应急柴油机健康状态评价方法,其特征在于,包括:
步骤A,获取应急柴油机设备清单,建立从设备、子系统到应急柴油机的应急柴油机层次结构模型,根据所述应急柴油机设备清单确定可能引起设备故障的设备故障模式清单,根据所述设备故障模式清单搭建以应急柴油机启动失效和运行失效为顶事件的故障树,分析所述故障树生成设备故障模式最小割集清单,根据所述设备故障模式最小割集清单生成设备故障模式重要度清单;
步骤B,根据所述设备故障模式重要度清单,通过故障模式故障现象分析、特征参数分析,生成应急柴油机健康状态相关设备的设备特征参数清单和设备特征参数监测措施清单,根据所述设备特征参数监测措施清单生成设备监测数据分析模板;
步骤C,根据所述设备故障模式重要度清单生成应急柴油机健康状态相关设备的设备故障模式重要度权重系数清单、设备重要度权重系数清单、子系统重要度权重系数清单,根据所述应急柴油机层次结构模型、设备故障模式重要度权重系数清单、设备重要度权重系数清单、子系统重要度权重系数清单、设备故障模式特征参数清单、设备特征参数清单、子系统特征参数清单,建立应急柴油机健康状态评估模型;
步骤D,以所述设备特征参数监测措施清单为指导,自动采集相关业务系统中数据并将所述采集数据输入至所述设备监测数据分析模板以生成设备劣化度指标数据;
步骤E,将所述设备劣化度指标数据输入所述应急柴油机健康状态评估模型进行应急柴油机健康状态评价;
所述应急柴油机层次结构模型包括r个子系统,子系统清单集表示为S=(S1,…,Si,…,Sr),其中Si(i=1,2,…,r)表示第i个子系统,r表示子系统数;相应的设备清单集表示为Si=(Si1,…,Sij,…,Sim),其中Sij(i=1,…,r;j=1,…,m)表示子系统Si的第j个设备,m表示子系统Si中的设备数;
所述设备故障模式清单表示为Sij=(Sij1,…,Sijk,…,Sijn),其中Sijk(i=1,…,r;j=1,…,m;k=1,…,n)表示设备Sij的第k个故障模式,n表示设备Sij的故障模式数;
根据技术特性将设备故障模式特征参数分为性能退化型特征参数和寿命损耗型特征参数,并使用劣化度表征所述性能退化型特征参数和所述寿命损耗型特征参数;
所述性能退化型特征参数的劣化度计算公式为:
其中:lijk表示Uijk的劣化度计算值,PNijk为性能参数的正常值,PAijk为性能参数的故障报警值,Pijk某一监测时刻性能参数的测量值;
所述寿命损耗型特征参数的劣化度计算公式为:
其中:Tijk表示设备平均使用寿命,tijk设备累积工作时间;
应急柴油机健康状态相关设备的设备故障模式重要度权重系数计算公式:
其中,Wijk表示设备故障模式Sijk重要度权重系数,Qijk表示设备故障模式Sijk在应急柴油机启动失效中的重要度;Yijk表示设备故障模式Sijk在应急柴油机运行失效中的重要度;
应急柴油机健康状态相关设备的设备重要度权重系数计算公式:
其中,Wij表示设备Sij重要度权重系数,Qij表示设备Sij在应急柴油机启动失效中的重要度;Yij表示设备Sij在应急柴油机运行失效中的重要度;
应急柴油机健康状态相关子系统重要度权重系数计算公式:
其中,Wi表示子系统Si重要度权重系数;
所述应急柴油机健康状态评估模型为:
其中,H表示的应急柴油机健康度,H的范围为0—1,0表示应急柴油机故障不可用,1表示应急柴油机完全健康;
Ui为子系统特征参数,Uij为设备特征参数,Uijk为设备故障模式特征参数。
2.根据权利要求1所述的应急柴油机健康状态评价方法,其特征在于,所述故障树中启动失效故障树定性分析求解出y个最小割集,则其启动失效相关设备故障模式最小割集清单集表示为C=(C1,…,Ci,…,Cy),相应的第i个最小割集表示为Ci=(Ci1,…,Cij,…,Cim),其中Ci(i=1,2,…,r)表示第i个最小割集,y表示最小割集数;Cij(i=1,2,…,y;j=1,2,…,m)表示第i个最小割集的第j个底事件,m表示第i个最小割集的割集阶数。
3.根据权利要求2所述的应急柴油机健康状态评价方法,其特征在于,所述故障树中运行失效故障树定性分析求解出z个最小割集,则其运行失效设备故障模式最小割集清单集表示为D=(D1,…,Di,…,Dz),相应的第i个最小割集表示为Di=(Di1,…,Dij,…,Dim),其中Di(i=1,2,…,z)表示第i个最小割集,z表示最小割集数;Dij(i=1,2,…,z;j=1,2,…,m)表示第i个最小割集的第j个底事件,m表示第i个最小割集的割集阶数。
4.根据权利要求3所述的应急柴油机健康状态评价方法,其特征在于,所述设备故障模式重要度清单中设备故障模式在应急柴油机启动失效最小割集清单和运行失效最小割集清单中阶数表征重要度,阶数与设备故障模式重要度成反比。
5.一种计算机终端,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4任一项所述的应急柴油机健康状态评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157364.2A CN112380641B (zh) | 2020-10-26 | 2020-10-26 | 一种应急柴油机健康状态评价方法及计算机终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157364.2A CN112380641B (zh) | 2020-10-26 | 2020-10-26 | 一种应急柴油机健康状态评价方法及计算机终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112380641A CN112380641A (zh) | 2021-02-19 |
CN112380641B true CN112380641B (zh) | 2023-05-05 |
Family
ID=74577746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011157364.2A Active CN112380641B (zh) | 2020-10-26 | 2020-10-26 | 一种应急柴油机健康状态评价方法及计算机终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112380641B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115270993B (zh) * | 2022-08-23 | 2023-06-23 | 南通思诺船舶科技有限公司 | 柴油机组状态检测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853320A (zh) * | 2010-05-17 | 2010-10-06 | 北京航空航天大学 | 一种适用于飞机结构腐蚀损伤的模糊综合评判方法 |
CN109407507A (zh) * | 2017-08-17 | 2019-03-01 | 苏州热工研究院有限公司 | 一种用于核电设计阶段的改进型可用性评价方法 |
CN110163284A (zh) * | 2019-05-23 | 2019-08-23 | 电子科技大学 | 风力发电机组齿轮箱行星传动系统fmeca分析方法 |
CN110992204A (zh) * | 2019-11-08 | 2020-04-10 | 广东核电合营有限公司 | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 |
CN111353236A (zh) * | 2020-03-16 | 2020-06-30 | 福建省特种设备检验研究院 | 基于多因素的石化常压储油罐健康状态评估系统 |
CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107941537B (zh) * | 2017-10-25 | 2019-08-27 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
-
2020
- 2020-10-26 CN CN202011157364.2A patent/CN112380641B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853320A (zh) * | 2010-05-17 | 2010-10-06 | 北京航空航天大学 | 一种适用于飞机结构腐蚀损伤的模糊综合评判方法 |
CN109407507A (zh) * | 2017-08-17 | 2019-03-01 | 苏州热工研究院有限公司 | 一种用于核电设计阶段的改进型可用性评价方法 |
CN110163284A (zh) * | 2019-05-23 | 2019-08-23 | 电子科技大学 | 风力发电机组齿轮箱行星传动系统fmeca分析方法 |
CN110992204A (zh) * | 2019-11-08 | 2020-04-10 | 广东核电合营有限公司 | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 |
CN111353236A (zh) * | 2020-03-16 | 2020-06-30 | 福建省特种设备检验研究院 | 基于多因素的石化常压储油罐健康状态评估系统 |
CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112380641A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102633236B1 (ko) | 시뮬레이션 방법 및 시스템 | |
RU2389117C2 (ru) | Система и способ централизованного мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга | |
US20120053983A1 (en) | Risk management system for use with service agreements | |
US20120053984A1 (en) | Risk management system for use with service agreements | |
Dinwoodie et al. | Analysis of offshore wind turbine operation and maintenance using a novel time domain meteo-ocean modeling approach | |
US12092269B2 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN112380641B (zh) | 一种应急柴油机健康状态评价方法及计算机终端 | |
CN113722655A (zh) | 一种基于风险评估的电力设备检修策略优化方法和系统 | |
CN113610443A (zh) | 一种风电机组健康度与服役质量评估方法 | |
CN113537681A (zh) | 用于炼化企业设备管理信息化的方法及系统 | |
Tao et al. | An opportunistic joint maintenance strategy for two offshore wind farms | |
CN105024379B (zh) | 一种风机检修管理调度系统 | |
CN111146800B (zh) | 风力发电场发电功率损失预测方法、装置和存储介质 | |
Xiang et al. | A preliminary study of power system reliability considering cloud service reliability | |
Anderson et al. | On the sensitivity of wind turbine failure rate estimates to failure definitions | |
Bezzaoucha et al. | Multi-agent modeling and simulation of wind turbine behavior with failure propagation consideration | |
CN117150032B (zh) | 一种水电站发电机组的智能维护系统及方法 | |
CN118246695B (zh) | 一种光伏新能源运维调度系统 | |
CN117371662A (zh) | 一种虚拟电厂调节能力的评估系统及其方法 | |
Kazarinov et al. | Estimate method of residual life of power plant equipment | |
Cai et al. | Statistical Distribution Analysis and Prediction of Time Between Failures in On-board Train Control Equipment | |
Cajazeira et al. | RAM factors in the operation and maintenance phase of wind turbines | |
Brilhante et al. | Development of Methodology and Performance Indicators for Wind Farms Monitoring | |
Gebremichael | Wind Turbine System Performance and Reliability Trend Analysis |
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 |