CN112541163A - 载荷谱数据的处理方法、装置及电子设备 - Google Patents
载荷谱数据的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112541163A CN112541163A CN202011443812.5A CN202011443812A CN112541163A CN 112541163 A CN112541163 A CN 112541163A CN 202011443812 A CN202011443812 A CN 202011443812A CN 112541163 A CN112541163 A CN 112541163A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- distribution function
- estimation result
- accumulated frequency
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 127
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000005315 distribution function Methods 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000015654 memory Effects 0.000 claims description 31
- 238000005553 drilling Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000013517 stratification Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 13
- 238000013178 mathematical model Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 11
- 230000001186 cumulative effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及载荷谱技术领域，具体涉及载荷谱数据的处理方法、装置及电子设备，所述方法包括获取目标对象的工况数据，所述工况数据包括载荷数据；对载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次；基于载荷幅值累计频次以及载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果；利用至少一种预设分布函数对载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第二分布式估计结果；基于第一分布式估计结果以及第二分布式估计结果，得到最优分布函数，以确定目标对象载荷谱数据。通过实测模型以及数学模型进行最优函数的确定，可以保证最优函数确定的准确性，从而可以得到准确的载荷谱数据。
Description
技术领域
本发明涉及载荷谱技术领域，具体涉及载荷谱数据的处理方法、装置及电子设备。
背景技术
载荷谱是对一个承载体在约定的参变量及范围内，荷载量值变化的描述。传动系统在实际工作中，受到的载荷是变化的，体现为扭矩和速度是变化的，不同档位所使用的频繁程度即每档所用时间也不相同，三者之间对应关系，就是载荷谱。有了实际工作的载荷谱，即有了准确的设计输入条件，就可以对系统疲劳设计等等。因此，准确的载荷谱编制是至关重要的。
现有技术中在对各个处理对象，例如旋挖钻具，进行载荷谱编制时，大部分采用的均是雨流计数法对实际采集到的工况数据进行分析得到的。其中，在雨流计数法中需要对统计出的累积频次进行拟合，确定最优分布函数。再基于最优分布函数得到用于载荷谱数据。但是，所述的拟合过程均是采集到的数据进行分布式参数拟合得到的，所得到的最优分布函数可以认为是实测函数模型。然而，在这一技术方案中，实测函数模型是基于采集到的数据得到的，由于各种采集误差的存在导致采集到的数据存在误差，再用存在误差的数据进行拟合，所得到的最优分布函数也会存在误差，从而导致载荷谱数据的准确性较低。
发明内容
有鉴于此，本发明实施例提供了一种载荷谱数据的处理方法、装置及电子设备，以解决载荷谱数据的准确性较低的问题。
根据第一方面，本发明实施例提供了一种载荷谱数据的处理方法，包括：
获取目标对象的工况数据，所述工况数据包括载荷数据；
对所述载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次；
基于所述载荷幅值累计频次以及所述载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果；
利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次进行拟合估计，得到第二分布式估计结果，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数；
基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据。
本发明实施例提供的载荷谱数据的处理方法，利用载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第一分布式估计结果，再利用预设分布函数对其进行拟合估计，得到第二分布式估计结果，其中第一分布式结果可以理解为实测模型，而第二分布式估计结果可以理解为数学模型，通过实测模型以及数学模型进行最优函数的确定，可以保证最优函数确定的准确性，从而可以得到准确的载荷谱数据。
结合第一方面，在第一方面第一实施方式中，所述利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次，得到第二分布式估计结果，包括：
利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次建立分布模型；
对所述分布模型进行拟合度检测，得到所述第二分布式估计结果。
本发明实施例提供的载荷谱数据的处理方法，对利用预设分布模型建立的分布模型进行拟合度检测，提高了所得到的第二分布式估计结果的可靠性。
结合第一方面第一实施方式，在第一方面第二实施方式中，所述基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据，包括：
对比所述第一分布式估计结果与所述第二分布式估计结果的相关性，确定最优分布函数；
基于所述最优分布函数，确定所述目标对象的第一载荷谱数据，所述第一载荷谱数据用于疲劳设计。
本发明实施例提供的载荷谱数据的处理方法，将第一分布式估计结果与第二分布式估计结果的相关性，可以对第一分布式估计结果进行修正，提高了最优分布函数的可靠性，再利用所述的最优分布函数得到用于疲劳涉及的第一载荷谱数据，保证了第一载荷谱数据的可靠性。
结合第一方面，在第一方面第三实施方式中，所述方法还包括：
对所述载荷数据进行分析，确定所述载荷数据的最大值以及均值；
对所述最大值进行筛选，得到所述目标对象的第二载荷谱数据，所述第二载荷谱数据用于静态设计。
本发明实施例提供的载荷谱数据的处理方法，通过对载荷数据进行数据分析，得到用于静态设计的第二载荷谱数据，为后续载荷谱的编制提供了丰富的数据支持。
结合第一方面，或第一方面第一实施方式至第三实施方式中任一项，在第一方面第四实施方式中，所述工况数据还包括振动数据，所述方法还包括：
计算所述振动数据的功率谱密度以及统计信息，所述统计信息包括相关性分析结果、方差以及均值中的至少一种；
利用所述功率谱密度以及所述统计信息，确定所述目标对象的第三载荷谱数据，所述第三载荷谱数据用于随机振动分析。
本发明实施例提供的载荷谱数据的处理方法，通过对振动信号进行互相关性分析和功率谱分析，得到目标对象在振动激励下各响应的关系和相应频段的能量成分，从而可以进一步分析目标对象各部分的损伤机理，为目标对象的优化设计、疲劳设计提供理论依据。
结合第一方面第四实施方式，在第一方面第五实施方式中，所述方法还包括：
对所述振动数据进行频域变换处理，得到所述振动数据的频域信号，以确定所述振动数据对应的振幅谱；
利用所述振幅谱确定所述目标对象的第四载荷谱数据，所述第四载荷谱数据用于模态分析。
本发明实施例提供的载荷谱数据的处理方法，振动数据的时域信号通过频域变换处理，得到振幅谱，用于模态分析。
结合第一方面，在第一方面第六实施方式中，所述获取目标对象的工况数据，包括：
获取所述目标对象在不同工况下的数据样本；
依据所述目标对象钻进岩土的地质分层，对所述不同工况下的数据样本进行分段，得到所述目标对象在不同工况的不同地质层下的数据样本；
对所述不同工况的不同地质层下的数据样本进行数据解耦，得到所述工况数据。
本发明实施例提供的载荷谱数据的处理方法，由于钻具在钻进过程中会贯穿不同的地质层，不同地质层的力学参数差异很大，相应地，采集数据变化范围大；钻具在不同工况下，采集到的数据样本的变化范围也有很大差异，因此在进行载荷谱数据分析之前，需要对数据样本进行分段处理，提高了数据的准确性。
根据第二方面，本发明实施例还提供了一种载荷谱数据的处理装置，包括：
获取模块，用于获取目标对象的工况数据，所述工况数据包括载荷数据；
计数模块，用于对所述载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次；
第一分布估计模块，用于基于所述载荷幅值累计频次以及所述载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果；
第二分布估计模块，用于利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次进行拟合估计，得到第二分布式估计结果，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数；
确定模块，用于基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据。
本发明实施例提供的载荷谱数据的处理装置，利用载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第一分布式估计结果，再利用预设分布函数对其进行拟合估计，得到第二分布式估计结果，其中第一分布式结果可以理解为实测模型，而第二分布式估计结果可以理解为数学模型，通过实测模型以及数学模型进行最优函数的确定，可以保证最优函数确定的准确性，从而可以得到准确的载荷谱数据。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的载荷谱数据的处理方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的载荷谱数据的处理方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的载荷谱数据的处理方法的流程图；
图2是根据本发明实施例的载荷谱数据的处理方法的流程图；
图3是根据本发明实施例的载荷谱数据的处理方法的流程图；
图4是根据本发明实施例的载荷谱数据的处理示意图；
图5是根据本发明实施例的载荷谱数据的处理装置的结构框图；
图6是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
需要说明的是，本发明实施例中的目标对象可以是旋挖钻具，也可以是桅杆等等，在此并不做任何限制。
根据本发明实施例，提供了一种载荷谱数据的处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种载荷谱数据的处理方法，可用于电子设备，如电脑、手机、平板电脑等，图1是根据本发明实施例的载荷谱数据的处理方法的流程图，如图1所示，该流程包括如下步骤：
S11，获取目标对象的工况数据。
其中，所述工况数据包括载荷数据。
目标对象的工况数据可以是在目标对象的工作过程中，根据实际需求采集得到的。所述的工况数据可以是存储在电子设备中的，也可以是电子设备从外界获取到的，在此对电子设备获取工况数据的具体方式并不做任何限制。
S12，对载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次。
载荷谱编制需要得到载荷的均值、幅值与频次的关系，同时要保留载荷次序和载荷中值等基本信息。电子设备在获取到载荷数据之后，可以利用雨流计数法对载荷数据进行循环计数，雨流计数方法采用双参数统计，能够满足载荷谱编制的需求。为进行载荷频次的外推，需得到随机载荷总体的概率分布函数。根据雨流计数方法得到载荷幅值累计频次以及载荷均值累计频次，其中，载荷幅值累计频次可以采用载荷幅值累计频次直方图表示，载荷均值累计频次可以采用均值累计频次直方图表示。
S13，基于载荷幅值累计频次以及载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果。
电子设备在得到载荷幅值累计频次以及载荷均值累计频次之后，采用对这两个参数进行分布式拟合参数估计，得到第一分布式估计结果。其中，分布式拟合参数估计的方式可以采用曲线拟合，也可以采用其他方式进行拟合，在此对第一分布式估计结果的确定方式并不做任何限制。
S14，利用至少一种预设分布函数对载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第二分布式估计结果。
其中，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数。
电子设备还利用预设分布函数对上述S12中得到的载荷幅值累计频次以及载荷均值累计频次进行拟合估计，即利用已有的数学模型进行拟合估计，从数学模型角度得到第二分布式估计结果。
需要说明的是，上文所述的预设分布函数仅仅是一些可选实施方式，但是本发明的保护范围并不限于此，也可以采用其他分布函数进行拟合估计等等。此外，在实际使用过程中，使用哪个或哪些预设分布函数也是根据实际情况进行的设置，在此并不做任何限制。
S15，基于第一分布式估计结果以及第二分布式估计结果，得到最优分布函数，以确定目标对象载荷谱数据。
电子设备在得到第二分布式估计结果之后，可以利用第二分布式估计结果对第一分布式估计结果进行修改，从而得到最优分布函数；也可以是先对第二分布式估计结果进行拟合检验，再利用检验之后的第二分布式估计结果与第一分布式估计结果进行对比分析，得到最优分布函数。
在得到最优分布函数之后，可以利用最优分布函数分别进行幅值统计以及雨流计数，相应地，可以得到最大动荷系数以及相对变程分布，利用最大动荷系数以及相对变程分布的对应关系，确定目标对象载荷谱数据。
本实施例提供的载荷谱数据的处理方法，利用载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第一分布式估计结果，再利用预设分布函数对其进行拟合估计，得到第二分布式估计结果，其中第一分布式结果可以理解为实测模型，而第二分布式估计结果可以理解为数学模型，通过实测模型以及数学模型进行最优函数的确定，可以保证最优函数确定的准确性，从而可以得到准确的载荷谱数据。
在本实施例中提供了一种载荷谱数据的处理方法，可用于电子设备，如电脑、手机、平板电脑等，图2是根据本发明实施例的载荷谱数据的处理方法的流程图，如图2所示，该流程包括如下步骤：
S21，获取目标对象的工况数据。
其中，所述工况数据包括载荷数据。
具体地，上述S21可以包括如下步骤：
S211，获取目标对象在不同工况下的数据样本。
当目标对象在不同工况下，例如，下钻、钻进、起拔、甩土以及回转等等，采集系统所采集到的载荷数据、运动数据的变化范围有很大的差异。因此，所采集的数据样本是在不同工况下采集的，即工况与数据样本之间存在对应关系。
S212，依据目标对象钻进岩土的地质分层，对不同工况下的数据样本进行分段，得到目标对象在不同工况的不同地质层下的数据样本。
目标对象在钻进过程中会贯穿不同的地质层，因为不同地址层的力学参数差异很大，因此采集的数据变化范围大。因此，需要将采集的数据根据岩土的地质分层进行分段。
因此，电子设备就需要将采集到的数据样本根据岩土的地质分层以及钻机的工况进行分段处理。
S213，对不同工况的不同地质层下的数据样本进行数据解耦，得到工况数据。
目标对象在工作过程中，同时受到轴向力和扭矩的共同作用，采集到的载荷数据时通过应变得到的，而钻具测点的应变是轴向力和扭矩共同作用的结果。因此，需要对不同工况的不同地质层下的数据样本进行数据解耦，得到工况数据。
具体地，钻具钻进时同时受到轴向压力和扭矩的作用，截齿齿座受到压力和切削力的作用，二者的应力状态都为复杂应力状态，在钻筒上测得的应变包括轴向压力引起的应变和扭转力矩引起的应变。
在采集数据时采用全桥T1和P1测扭矩和压力，各测点测得的应变值可用下式表示：
KTiT+KpiP＝ε (1)
式中，ε-任一测点的应变；
T-扭矩，KN·m；
P-轴向压力，KN；
KTi-转矩识别系数，即单位转矩在该测点所产生的应变，με/(KN·m)；
Kpi-轴向加压力识别系数，即单位压力在该测点所产生的应变，με/KN。
实际情况下，在转矩和轴向力单独作用下，全桥T1和全桥P1均有相应的应力值变化。由式(1)得到，当转矩T单独作用时，其在全桥T1、P1处产生的应变分别为；当加压力P单独作用时，其在全桥T1、P1处产生的应变公式为：
KT1T+Kp1P＝εT (2)
KT2T+Kp2P＝εp (3)
将式(2)和(3)联求解可得到转矩和加压力的计算公式：
采用准静态法对转矩和压力的载荷识别系数进行标定，标定实验采用静态应变仪测量记录钻具的应编制。转矩标定时，实施转矩值有压力传感器的读数与力臂的乘积获得。加压力标定时，实时加压力值由钻具测点处放置的压力传感器显示。将得到的载荷与应编制进行拟合，获得两者之间的线性关系的斜率值即为载荷测识别系数。
标定时直接测量的是载荷与应变之间的对应关系，所以转矩的载荷识别系数KT1与KT2的量纲为με/(KN·m)。加压力的载荷识别系数Kp1与Kp2的量纲为με/KN。将标定好的载荷识别系数带到公式(4)和(5)，即可得到计算钻具的扭矩和加压力的计算表达式。
由于钻具在钻进过程中会贯穿不同的地质层，不同地质层的力学参数差异很大，相应地，采集数据变化范围大；钻具在不同工况下，采集到的数据样本的变化范围也有很大差异，因此在进行载荷谱数据分析之前，需要对数据样本进行分段处理，提高了数据的准确性。
S22，对载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次。
详细请参见图1所示实施例的S12，在此不再赘述。
S23，基于载荷幅值累计频次以及载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果。
详细请参见图1所示实施例的S13，在此不再赘述。
S24，利用至少一种预设分布函数对载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第二分布式估计结果。
所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数。
具体地，上述S24可以包括如下步骤：
S241，利用至少一种预设分布函数对载荷幅值累计频次以及载荷均值累计频次建立分布模型。
电子设备结合假设统计模型，例如，正态分布函数、威布尔分布函数、对数分布函数、指数分布函数或瑞利分布函数，对载荷幅值累计频次以及载荷均值累计频次建立数学模型，得到分布模型。
S242，对分布模型进行拟合度检测，得到第二分布式估计结果。
在得到各个分布模型之后，再对分布模型进行拟合度检测，得到第二分布式估计结果。其中，所述的拟合度检测就是比较各个分布模型的预测结果与实际发生情况的吻合程度。
S25，基于第一分布式估计结果以及第二分布式估计结果，得到最优分布函数，以确定目标对象载荷谱数据。
具体地，上述S25可以包括如下步骤：
S251，对比第一分布式估计结果与第二分布式估计结果的相关性，确定最优分布函数。
电子设备在得到第二分布式估计结果之后，分析第一分布式估计结果与第二分布式估计结果的相关性，可以将相关性最高的第二分布式估计结果确定为最优分布函数。
S252，基于最优分布函数，确定目标对象的第一载荷谱数据。
其中，所述第一载荷谱数据用于疲劳设计。
详细请参见图1所示实施例的S15，在此不再赘述。
S26，对载荷数据进行分析，确定载荷数据的最大值以及均值。
进一步地，对于载荷数据而言，电子设备还可以对其进行数值比较与计算，确定载荷数据的最大值以及均值。
S27，对最大值进行筛选，得到目标对象的第二载荷谱数据。
其中，所述第二载荷谱数据用于静态设计。
电子设备在确定出载荷数据的最大值之后，对其进行一些危险点的筛选。例如，可以设置最大值对应的阈值，将分析得到最大值与该阈值进行比较，将大于该阈值的最大值删除，最后将筛选后的最大值与均值作为目标对象的第二载荷谱数据。
本实施例提供的载荷谱数据的处理方法，对利用预设分布模型建立的分布模型进行拟合度检测，提高了所得到的第二分布式估计结果的可靠性；通过对载荷数据进行数据分析，得到用于静态设计的第二载荷谱数据，为后续载荷谱的编制提供了丰富的数据支持。
在本实施例中提供了一种载荷谱数据的处理方法，可用于电子设备，如电脑、手机、平板电脑等。本发明实施例中的工况数据还包括振动数据，在本实施例中以振动数据进行详细描述。图3是根据本发明实施例的载荷谱数据的处理方法的流程图，如图3所示，该流程包括如下步骤：
S301，获取目标对象的工况数据，所述工况数据包括载荷数据。详细请参见图2所示实施例的S21，在此不再赘述。
S302，对载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次。详细请参见图2所示实施例的S22，在此不再赘述。
S303，基于载荷幅值累计频次以及所述载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果。详细请参见图2所示实施例的S23，在此不再赘述。
S304，利用至少一种预设分布函数对载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第二分布式估计结果，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数。详细请参见图2所示实施例的S24，在此不再赘述。
S305，基于第一分布式估计结果以及第二分布式估计结果，得到最优分布函数，以确定目标对象载荷谱数据。详细请参见图2所示实施例的S25，在此不再赘述。
S306，对载荷数据进行分析，确定载荷数据的最大值以及均值。详细请参见图2所示实施例的S26，在此不再赘述。
S307，对最大值进行筛选，得到目标对象的第二载荷谱数据，其中，所述第二载荷谱数据用于静态设计。详细请参见图2所示实施例的S27，在此不再赘述。
S308，计算振动数据的功率谱密度以及统计信息。
其中，所述统计信息包括相关性分析结果、方差以及均值中的至少一种。
电子设备除了可以对采集到的载荷数据进行上述分析之外，还可以结合采集到的振动数据进行载荷数据的分析。具体地，所采集到的振动数据为时域数据，对其进行频域转换，得到振动数据的功率谱数据。此外，还可以对振动数据进行相关性分析、计算方差以及均值等等，得到振动数据的统计信息。
S309，利用功率谱密度以及统计信息，确定目标对象的第三载荷谱数据。
其中，所述第三载荷谱数据用于随机振动分析。
电子设备将功率谱密度以及统计信息，确定为目标对象的第三载荷谱数据，该数据可以用作随机振动分析，或随机诊断等等。
S310，对振动数据进行频域变换处理，得到振动数据的频域信号，以确定振动数据对应的振幅谱。
进一步地，电子设备在得到振动数据之后，可以采用离散傅里叶变换对其进行频域变换处理，得到振动数据的频域信号。在得到频域信号之后，就可以得到相应的振幅谱。
S311，利用振幅谱确定目标对象的第四载荷谱数据。
其中，所述第四载荷谱数据用于模态分析。
电子设备可以利用振幅谱进行后续的模态分析，或其他处理等等。
本实施例提供的载荷谱数据的处理方法，通过对振动信号进行互相关性分析和功率谱分析，得到目标对象在振动激励下各响应的关系和相应频段的能量成分，从而可以进一步分析目标对象各部分的损伤机理，为目标对象的优化设计、疲劳设计提供理论依据；此外，振动数据的时域信号通过频域变换处理，得到振幅谱，用于模态分析。
需要说明的是，上文所述实施例中第一载荷数据、第二载荷数据、第三载荷数据以及第四载荷数据的确定，并不做必然的先后有顺序关系，这四种载荷数据的确定可以是同时进行，也可以是分批处理的，在此对其并不做任何限制，具体可以根据实际情况进行相应的设置。
此外，在本发明实施例中，并不是上述四种载荷数据均是需要确定的，可以只确定其中的一种，或两种，等等。具体也是可以根据实际需求进行相应的处理，在此并不做任何限制。
作为本实施例的一个具体实施方式，图4示出了本实施例中载荷谱数据的处理架构示意图。如图4所示，电子设备获取实际工况的动态特性测量，其中，所用到的工况数据是经过分段和解耦处理后的数据，即不同工况不同岩石层的工况数据。所述的工况数据包括应变数据和振动数据，其均为时域数据。
具体地，电子设备对应变数据进行雨流计数法的处理，得到频域信号，所得到的载荷谱数据用作疲劳分析。所述的第一载荷谱数据请参见图2所示实施例的相关描述。
进一步地，电子设备还对应变数据进行最大值以及均值的计算处理，得到第二载荷谱数据，用作静态设计。所述的第二载荷谱数据请参见图2所示实施例的相关描述。
可选地，电子设备还对振动数据进行功率谱密度以及统计信息的计算，得到第三载荷谱数据，用于随机振动分析，所述的第三载荷谱数据请参见图3所示实施例的相关描述。
电子设备还可以利用离散傅里叶变换对振动数据进行频域信号的处理，得到振幅谱，从而可以确定出第四载荷谱数据，用于模态分析，所述的第四载荷谱数据请参见图3所示实施例的相关描述。
在本实施例中还提供了一种载荷谱数据的处理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种载荷谱数据的处理装置，如图5所示，包括：
获取模块41，用于获取目标对象的工况数据，所述工况数据包括载荷数据；
计数模块42，用于对所述载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次；
第一分布估计模块43，用于基于所述载荷幅值累计频次以及所述载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果；
第二分布估计模块44，用于利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次进行拟合估计，得到第二分布式估计结果，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数；
确定模块45，用于基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据。
本实施例提供的载荷谱数据的处理装置，利用载荷幅值累计频次以及载荷均值累计频次进行拟合估计，得到第一分布式估计结果，再利用预设分布函数对其进行拟合估计，得到第二分布式估计结果，其中第一分布式结果可以理解为实测模型，而第二分布式估计结果可以理解为数学模型，通过实测模型以及数学模型进行最优函数的确定，可以保证最优函数确定的准确性，从而可以得到准确的载荷谱数据。
本实施例中的载荷谱数据的处理装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种电子设备，具有上述图6所示的载荷谱数据的处理装置。
请参阅图6，图6是本发明可选实施例提供的一种电子设备的结构示意图，如图6所示，该电子设备可以包括：至少一个处理器51，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口53，存储器54，至少一个通信总线52。其中，通信总线52用于实现这些组件之间的连接通信。其中，通信接口53可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口53还可以包括标准的有线接口、无线接口。存储器54可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器54可选的还可以是至少一个位于远离前述处理器51的存储装置。其中处理器51可以结合图5所描述的装置，存储器54中存储应用程序，且处理器51调用存储器54中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线52可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线52可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器54可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器54还可以包括上述种类的存储器的组合。
其中，处理器51可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器51还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器54还用于存储程序指令。处理器51可以调用程序指令，实现如本申请图1至3实施例中所示的载荷谱数据的处理方法。
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的载荷谱数据的处理方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种载荷谱数据的处理方法，其特征在于，包括：
获取目标对象的工况数据，所述工况数据包括载荷数据；
对所述载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次；
基于所述载荷幅值累计频次以及所述载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果；
利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次进行拟合估计，得到第二分布式估计结果，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数；
基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据。
2.根据权利要求1所述的方法，其特征在于，所述利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次，得到第二分布式估计结果，包括：
利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次建立分布模型；
对所述分布模型进行拟合度检测，得到所述第二分布式估计结果。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据，包括：
对比所述第一分布式估计结果与所述第二分布式估计结果的相关性，确定最优分布函数；
基于所述最优分布函数，确定所述目标对象的第一载荷谱数据，所述第一载荷谱数据用于疲劳设计。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述载荷数据进行分析，确定所述载荷数据的最大值以及均值；
对所述最大值进行筛选，得到所述目标对象的第二载荷谱数据，所述第二载荷谱数据用于静态设计。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述工况数据还包括振动数据，所述方法还包括：
计算所述振动数据的功率谱密度以及统计信息，所述统计信息包括相关性分析结果、方差以及均值中的至少一种；
利用所述功率谱密度以及所述统计信息，确定所述目标对象的第三载荷谱数据，所述第三载荷谱数据用于随机振动分析。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
对所述振动数据进行频域变换处理，得到所述振动数据的频域信号，以确定所述振动数据对应的振幅谱；
利用所述振幅谱确定所述目标对象的第四载荷谱数据，所述第四载荷谱数据用于模态分析。
7.根据权利要求1所述的方法，其特征在于，所述获取目标对象的工况数据，包括：
获取所述目标对象在不同工况下的数据样本；
依据所述目标对象钻进岩土的地质分层，对所述不同工况下的数据样本进行分段，得到所述目标对象在不同工况的不同地质层下的数据样本；
对所述不同工况的不同地质层下的数据样本进行数据解耦，得到所述工况数据。
8.一种载荷谱数据的处理装置，其特征在于，包括：
获取模块，用于获取目标对象的工况数据，所述工况数据包括载荷数据；
计数模块，用于对所述载荷数据进行循环计数，得到载荷幅值累计频次以及载荷均值累计频次；
第一分布估计模块，用于基于所述载荷幅值累计频次以及所述载荷均值累计频次，进行分布拟合参数估计，得到第一分布式估计结果；
第二分布估计模块，用于利用至少一种预设分布函数对所述载荷幅值累计频次以及所述载荷均值累计频次进行拟合估计，得到第二分布式估计结果，所述预设分布函数包括正态分布函数、威布尔分布函数、对数分布函数或指数分布函数；
确定模块，用于基于所述第一分布式估计结果以及所述第二分布式估计结果，得到最优分布函数，以确定所述目标对象载荷谱数据。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的载荷谱数据的处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的载荷谱数据的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011443812.5A CN112541163A (zh) | 2020-12-08 | 2020-12-08 | 载荷谱数据的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011443812.5A CN112541163A (zh) | 2020-12-08 | 2020-12-08 | 载荷谱数据的处理方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112541163A true CN112541163A (zh) | 2021-03-23 |
Family
ID=75018301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011443812.5A Pending CN112541163A (zh) | 2020-12-08 | 2020-12-08 | 载荷谱数据的处理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112541163A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113360852A (zh) * | 2021-06-25 | 2021-09-07 | 东风汽车集团股份有限公司 | 一种道路载荷谱高效清洗方法、系统、装置及存储介质 |
| CN113357101A (zh) * | 2021-07-05 | 2021-09-07 | 湖南工程学院 | 一种风力发电机电磁时空耦合载荷的识别方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012005679A1 (de) * | 2012-03-21 | 2012-09-20 | Daimler Ag | Verfahren zur lastkollektiv-basierten Betriebsoptimierung eines Kraftfahrzeugs |
| CN105022860A (zh) * | 2015-05-20 | 2015-11-04 | 工业和信息化部电子第五研究所 | Pcb焊点随机振动疲劳寿命预测方法与系统 |
| CN105651478A (zh) * | 2015-12-15 | 2016-06-08 | 西安交通大学青岛研究院 | 一种基于振动信号测试零部件疲劳寿命的分析方法 |
| CN106383959A (zh) * | 2016-09-23 | 2017-02-08 | 南京航空航天大学 | 一种基于最大熵模型的材料疲劳寿命的预测方法 |
| CN106886638A (zh) * | 2017-01-22 | 2017-06-23 | 北京理工大学 | 一种基于核密度估计的履带车辆传动轴载荷谱编制方法 |
| CN108829985A (zh) * | 2018-06-21 | 2018-11-16 | 上海理工大学 | 一种悬架动态k&c试验台单向加载谱的编制方法 |
| CN108959795A (zh) * | 2018-07-16 | 2018-12-07 | 上海理工大学 | 一种试验场载荷谱标准化方法 |
| CN111460583A (zh) * | 2020-04-14 | 2020-07-28 | 华东理工大学 | 一种针对复杂几何结构件的蠕变-疲劳寿命设计方法 |
| CN111581893A (zh) * | 2020-04-03 | 2020-08-25 | 上海理工大学 | 一种电驱动总成机械系统可靠性试验载荷谱的编制方法 |
-
2020
- 2020-12-08 CN CN202011443812.5A patent/CN112541163A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012005679A1 (de) * | 2012-03-21 | 2012-09-20 | Daimler Ag | Verfahren zur lastkollektiv-basierten Betriebsoptimierung eines Kraftfahrzeugs |
| CN105022860A (zh) * | 2015-05-20 | 2015-11-04 | 工业和信息化部电子第五研究所 | Pcb焊点随机振动疲劳寿命预测方法与系统 |
| CN105651478A (zh) * | 2015-12-15 | 2016-06-08 | 西安交通大学青岛研究院 | 一种基于振动信号测试零部件疲劳寿命的分析方法 |
| CN106383959A (zh) * | 2016-09-23 | 2017-02-08 | 南京航空航天大学 | 一种基于最大熵模型的材料疲劳寿命的预测方法 |
| CN106886638A (zh) * | 2017-01-22 | 2017-06-23 | 北京理工大学 | 一种基于核密度估计的履带车辆传动轴载荷谱编制方法 |
| CN108829985A (zh) * | 2018-06-21 | 2018-11-16 | 上海理工大学 | 一种悬架动态k&c试验台单向加载谱的编制方法 |
| CN108959795A (zh) * | 2018-07-16 | 2018-12-07 | 上海理工大学 | 一种试验场载荷谱标准化方法 |
| CN111581893A (zh) * | 2020-04-03 | 2020-08-25 | 上海理工大学 | 一种电驱动总成机械系统可靠性试验载荷谱的编制方法 |
| CN111460583A (zh) * | 2020-04-14 | 2020-07-28 | 华东理工大学 | 一种针对复杂几何结构件的蠕变-疲劳寿命设计方法 |
Non-Patent Citations (10)
| Title |
|---|
| 刘巧斌;史文库;陈志勇;商国旭;: "工程车辆车桥位移谱统计分布建模及分步参数识别", 农业工程学报, no. 23, 27 November 2018 (2018-11-27), pages 67 - 75 * |
| 刘文飞 等: "基于样本信息重构的小子样P-S-N曲线拟合方法", 铁道学报, vol. 40, no. 7, 15 July 2018 (2018-07-15), pages 47 - 53 * |
| 刘文飞 等: "基于样本信息重构的小子样P-S-N曲线拟合方法", 铁道学报, vol. 40, no. 7, 31 July 2018 (2018-07-31), pages 47 - 53 * |
| 刘海鸥;张文胜;徐宜;赵梓烨;: "基于核密度估计的履带车辆传动轴载荷谱编制", 兵工学报, no. 09, 15 September 2017 (2017-09-15), pages 1830 - 1838 * |
| 牛文铁 等: "基于自适应带宽核密度估计的载荷外推方法研究", 农业机械学报, vol. 52, no. 1, 29 October 2020 (2020-10-29), pages 375 - 384 * |
| 王义强, 贾亚洲, 于骏一, 申桂香, 朱振民: "数控车床载荷谱数据库的建立", 吉林工业大学自然科学学报, no. 01, 30 January 1998 (1998-01-30), pages 5 * |
| 王继新 等: "基于AIC-K-means的载荷分段混合分布估计", 吉林大学学报(工学版), vol. 48, no. 4, 12 March 2018 (2018-03-12), pages 1092 - 1098 * |
| 陈代伟 等: "基于Ｓ试件的加工中心电主轴载荷谱编制", 清华大学学报（自然科学版）, vol. 58, no. 12, 31 December 2018 (2018-12-31), pages 1107 - 1114 * |
| 陈传海 等: "考虑多种误差影响的数控机床载荷谱编制", 2015光学精密工程论坛论文集, 10 July 2015 (2015-07-10), pages 366 - 371 * |
| 雷晓波;文敏;雷蒂远;张霞妹;: "利用Pearson-Ⅲ分布预测某飞机法向过载极值", 机械强度, no. 01, 8 February 2018 (2018-02-08), pages 106 - 110 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113360852A (zh) * | 2021-06-25 | 2021-09-07 | 东风汽车集团股份有限公司 | 一种道路载荷谱高效清洗方法、系统、装置及存储介质 |
| CN113360852B (zh) * | 2021-06-25 | 2023-08-29 | 东风汽车集团股份有限公司 | 一种道路载荷谱高效清洗方法、系统、装置及存储介质 |
| CN113357101A (zh) * | 2021-07-05 | 2021-09-07 | 湖南工程学院 | 一种风力发电机电磁时空耦合载荷的识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112034789B (zh) | 一种数控机床关键部件及整机的健康评估方法，系统及评估终端机 | |
| CN102749539B (zh) | 一种具有量化电磁干扰的电磁兼容快速测试诊断系统 | |
| CN112541163A (zh) | 载荷谱数据的处理方法、装置及电子设备 | |
| CN105579922A (zh) | 信息处理装置以及分析方法 | |
| CN115931319B (zh) | 故障诊断方法、装置、电子设备及存储介质 | |
| CN114548280A (zh) | 故障诊断模型的训练、故障诊断方法及电子设备 | |
| CN110726542B (zh) | 一种弹簧疲劳寿命的分析方法 | |
| CN110411730B (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
| CN112459765B (zh) | 旋挖钻具载荷数据的采集系统及方法 | |
| CN115643231A (zh) | 车载终端设备检测的方法、装置、电子设备及存储介质 | |
| CN113466939B (zh) | 微动勘探方法和微动勘探系统 | |
| CN214196284U (zh) | 旋挖钻具载荷数据的采集系统 | |
| CN110375939B (zh) | 一种航天器结构振动试验健康状态评估的改进方法 | |
| CN114037215A (zh) | 变步长多尺度复杂度融合指标的故障严重程度评估方法 | |
| KR20220133026A (ko) | 휴대용 진단 장치 및 구동 방법 | |
| US11898930B2 (en) | Systems and methods for measuring shaft-relative vibration | |
| CN115655764B (zh) | 振动趋势分析方法、装置、电子设备及存储介质 | |
| CN118065445A (zh) | 桩基完整性检测方法、装置、可读存储介质及终端设备 | |
| CN117703883A (zh) | 液压系统的性能监控方法、装置和系统 | |
| CN117972365A (zh) | 一种隧底群桩压力承载监测系统和监测方法 | |
| CN115235749A (zh) | 一种机器设备故障诊断方法及装置 | |
| CN117664423A (zh) | 一种螺栓预紧力测量方法及装置 | |
| CN117967335A (zh) | Tbm卡机预警方法、装置、电子设备及存储介质 | |
| CN115075808A (zh) | 泥页岩地层孔隙压力预测方法和装置 | |
| CN117309396A (zh) | 一种基于自编码器的球磨机轴承故障预测方法和系统 |
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 |