CN112557069A - 一种设备振动故障检测方法、装置、系统及存储介质 - Google Patents
一种设备振动故障检测方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN112557069A CN112557069A CN201910910903.6A CN201910910903A CN112557069A CN 112557069 A CN112557069 A CN 112557069A CN 201910910903 A CN201910910903 A CN 201910910903A CN 112557069 A CN112557069 A CN 112557069A
- Authority
- CN
- China
- Prior art keywords
- vibration
- abnormal data
- target abnormal
- data
- equipment
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/004—Testing the effects of speed or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种设备振动故障检测方法、装置、系统及存储介质,涉及故障诊断技术领域。该设备振动故障检测方法基于待检测设备的振动数据以及振幅值,确定出预设周期内目标异常数据的数量。然后基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。可见,本方案通过确定预设周期内的异常数据的数量,进而确定设备是否发生振动故障,而预设周期内的异常数据是离散值,因此各异常数据之间没有关联,进而能够提高故障判断的准确度。
Description
技术领域
本发明涉及故障诊断技术领域,具体涉及一种设备振动故障检测方法、装置、系统及存储介质。
背景技术
目前,一些设备在进行正常运转时,会随之产生一系列的振动,例如,汽车发动机在转动时,车体会随之振动;洗衣机的电机在运行时,也会带来一定的振动。
通常,通过判定设备是否发生振动故障来评价设备的稳定性。因此,如何提供一种设备振动故障检测方法,能够提高故障判断的准确度,是本领域技术人员亟待解决的一大技术难题。
发明内容
鉴于上述问题,本发明提供一种克服上述问题的技术方案,如下:
一种设备振动故障检测方法,包括:
获取待检测设备的振动数据以及振幅值;
基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量;
基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
可选的,所述基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量,包括:
筛选出所述振动数据中绝对值大于所述振幅值的振动数据,作为所述目标异常数据;
统计所述预设周期内所述目标异常数据的数量。
可选的,所述基于所述目标异常数据的数量判断所述设备是否处于振动故障状态,包括:
判断所述目标异常数据的数量是否大于预设值;
当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态。
可选的,所述基于所述目标异常数据的数量判断所述设备是否处于振动故障状态,包括:
判断所述目标异常数据的数量是否大于预设值;
当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
可选的,还包括:
获取所述待检测设备的采集频率;
将所述采集频率与预设权重的乘积作为所述预设值。
一种设备振动故障检测装置,包括:
第一获取模块,用于获取待检测设备的振动数据以及振幅值;
第一确定模块,用于基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量;
第二确定模块,用于基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
可选的,所述第一确定模块包括:
筛选单元,用于筛选出所述振动数据中绝对值大于所述振幅值的振动数据,作为所述目标异常数据;
第一统计单元,用于统计所述预设周期内所述目标异常数据的数量。
可选的,第二确定模块包括:
第一判断单元,用于判断所述目标异常数据的数量是否大于预设值;
第一确定单元,用于当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态;
或,
第二判断单元,用于判断所述目标异常数据的数量是否大于预设值;
第一获取单元,用于当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
第三判断单元,用于判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
一种设备振动故障检测系统,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序运行时执行任意一项上述的设备振动故障检测方法。
一种存储介质,存储有程序,所述程序被处理器执行时实现任意一项上述的设备振动故障检测方法。
借由上述技术方案,本发明提供的一种设备振动故障检测方法,基于待检测设备的振动数据以及振幅值,确定出预设周期内目标异常数据的数量。然后基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。可见,本方案通过确定预设周期内的异常数据的数量,进而确定设备是否发生振动故障,而预设周期内的异常数据是离散值,因此各异常数据之间没有关联,进而能够提高故障判断的准确度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种设备振动故障检测方法的流程示意图;
图2示出了本发明实施例提供的一种设备振动故障检测方法的又一流程示意图;
图3示出了本发明实施例提供的一具体示例的示意图;
图4示出了本发明实施例提供的一种设备振动故障检测方法的又一流程示意图;
图5示出了本发明实施例提供的一种设备振动故障检测方法的又一流程示意图;
图6示出了本发明实施例提供的一种设备振动故障检测方法的又一流程示意图;
图7示出了本发明实施例提供的又一具体示例的示意图;
图8示出了本发明实施例提供的一种设备振动故障检测装置的结构示意图;
图9示出了本发明实施例提供的一种设备的硬件架构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
正如背景技术所述,目前通过判定设备是否发生振动故障,进而评价设备的稳定性。具体的,现有的故障判定方式为:当设备振动幅度长时间超过当前设备的幅度的上限值或下限值时,确定当前设备发生了振动故障。
而发明人发现,该故障判定方式会存在振动故障不能检测的情况,进而出现振动故障漏检。
基于此,如图1所示,本方案提供了一种设备振动故障检测方法,包括:
S11、获取待检测设备的振动数据以及振幅值;
其中,待检测设备的振动数据可以通过传感器进行检测。而待检测设备的振幅值是待检测设备的属性参数之一,因此,可以通过查询待检测设备的属性信息获取当前设备的振幅值。该振幅值表征待检测设备的可允许的振动范围。
S12、基于所述振动数据以及目标振幅值,确定出预设周期内目标异常数据的数量;
在本实施例中,可以有多种基于所述振动数据以及目标振幅值,确定出预设周期内目标异常数据的数量的具体实现方式。例如,如图2所示,可以包括:
S21、筛选出所述振动数据中绝对值大于所述目标振幅值的振动数据,作为所述目标异常数据;
S22、统计所述预设周期内所述目标异常数据的数量。
即,确定振动数据中绝对值大于目标振幅值的振动数据为目标异常数据,结合图3可知,假设目标振幅值为30,那么在本实施例中,确定振动数据中大于30的数据为目标异常数据,即图中A点、B点以及C点为目标异常数据。
除此,在本实施例中,目标振幅值30可以是根据待检测设备的属性参数获取到的振幅值,还可以是基于待检测设备的振幅值确定出的一阈值,例如,可以为振幅值的101%或99%。
S13、基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
在本实施例中,基于目标异常数据的数量,进行振动故障状态的判断,例如,可以当目标异常数据的数量大于预设值时,则确定当前设备处于振动故障状态。可见,在本实施例中,是通过采集超过振幅值的目标异常数据的个数来判定待检测设备是否发生振动故障,相比于现有技术中需要同时满足长时间内振动数据均超过振幅值的情况下,能够提前对振动故障进行鉴别,进而提高了振动故障识别的准确性。
在上述实施例的基础上,如图4所示,本实施例还提供了基于所述目标异常数据的数量判断所述设备是否处于振动故障状态的一种具体实现方式,包括步骤:
S41、判断所述目标异常数据的数量是否大于预设值;
S42、当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态。
其中,预设值可以为经验值,还可以基于如图5所示的方法获取,包括步骤:
S51、获取所述待检测设备的采集频率;
S52、确定所述采集频率与预设权重的乘积为所述预设值。
具体的,传感器是按照预设的采集频率对待检测设备进行振动数据的获取,例如,采集频率为50Hz,则说明该传感器在1s内采集50个振动数据。在本实施例中,预设值优选为采集频率的1%。例如,当采集频率为100Hz时,则预设值为1。相应的,当预设周期1s内的100振动数据中,有1个超过振幅值的振动数据,即确定当前设备发生了振动故障。
除此,如图6所示,本实施例提供的基于所述目标异常数据的数量判断所述设备是否处于振动故障状态的另一种具体实现方式,包括:
S61、判断所述目标异常数据的数量是否大于预设值;
S62、当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
S63、判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
具体的,结合图7,在本实施例中,假设振幅值为20,那么可以确定出目标异常数据为A点、B点以及C点对应的振动数据,又由于预设值为1,那么上述实施例可以确定出设备处于振动故障状态。但,本实施例不同的是,在确定了目标异常数据的数量大于预设值后,进一步获取这些目标异常数据的采集时间,例如,A点的采集时间为t2、B点的采集时间为t4、C点的采集时间为t8。
而本实施例中,各振动数据是按照t1、t2……tn的顺序进行采集。即t1与t2为相邻的时刻,t2和t3为相邻的时刻,以此类推,tn-1与tn为相邻的时刻,任意两个相邻的采集时间之间的时间间隔为t。
进而,计算出目标异常数据A点的采集时间t2与目标异常数据B点的采集时间t4之间的时间间隔为2t。而目标异常数据B点的采集时间t4与目标异常数据C点的采集时间t8之间的时间间隔为4t。
那么步骤S63则是判断上述三个目标异常数据对应的采集时间t2、t4以及t8中的任意两个采集顺序相邻的目标异常数据是否处于预设时间间隔,例如,判定采集时间t2与采集时间t4是否处于预设时间间隔,判断采集时间t4与采集时间t8是否处于预设时间间隔。
假设本实施例中,预设之间间隔为4t,那么,结合本实施例中的采集顺序,可知,采集时间t2与采集时间t4的时间间隔处于预设时间间隔,采集时间t4与采集时间t8的时间间隔也处于预设时间间隔,因此确定待检测设备处于振动故障状态。
即本实施例相较于上述实施例,能够避免了多个目标异常数据过于分散的情况下被误判,进一步保障了振动故障确定的准确度,排除了杂质数据。
例如,当目标异常数据为3个时,其采集时间分别为t1,t9以及t15,那么采集顺序相邻的目标异常数据t1和t9之间的时间间隔为8t,而目标异常数据t9和目标异常数据t15之间的时间间隔为6t,无论是6t还是8t均大于预设的时间间隔4t。因此,在这种情况下,则确定待检测设备未处于振动故障状态,可见本实施例允许在预设时间周期内有一定的振动浮动,例如,当采集时间t2采集到的数据为目标异常数据时,但接下来的一个时间周期内,均为出现目标异常数据,则认为在t2时刻,设备发生临时性的振动,并非设备发生了振动故障。即在本实施例中,只有当两个目标异常数据的采集时间的间隔大于预设时间间隔,则认为设备未发生振动故障,进一步提高振动故障判断的准确性。
在上述实施例的基础上,如图8所示,本实施例还提供了一种设备振动故障检测装置,包括:
第一获取模块81,用于获取待检测设备的振动数据以及振幅值;
第一确定模块82,用于基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量;
第二确定模块83,用于基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
其中,所述第一确定模块可以包括:
筛选单元,用于筛选出所述振动数据中绝对值大于所述振幅值的振动数据,作为所述目标异常数据;
第一统计单元,用于统计所述预设周期内所述目标异常数据的数量。
除此,本实施例提供的设备振动故障检测装置中,第二确定模块还包括:
第一判断单元,用于判断所述目标异常数据的数量是否大于预设值;
第一确定单元,用于当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态;
或,
第二判断单元,用于判断所述目标异常数据的数量是否大于预设值;
第一获取单元,用于当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
第三判断单元,用于判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
除此,本实施例提供的设备振动故障检测装置,还可以包括:
第二获取模块,用于获取所述待检测设备的采集频率;
第三确定模块,用于将所述采集频率与预设权重的乘积作为所述预设值。
该设备振动故障检测装置的工作原理请参见上述方法实施例,在此不重复叙述。
该设备振动故障检测装置包括处理器和存储器,上述第一获取模块、第一确定模块以及第二确定模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高振动故障判断的准确度。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述设备振动故障检测方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述设备振动故障检测方法。
本发明实施例提供了一种设备,如图9所示,设备包括至少一个处理器91、以及与处理器连接的至少一个存储器92、总线93;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的设备振动故障检测方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
一种设备振动故障检测方法,包括:
获取待检测设备的振动数据以及振幅值;
基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量;
基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
可选的,所述基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量,包括:
筛选出所述振动数据中绝对值大于所述振幅值的振动数据,作为所述目标异常数据;
统计所述预设周期内所述目标异常数据的数量。
可选的,所述基于所述目标异常数据的数量判断所述设备是否处于振动故障状态,包括:
判断所述目标异常数据的数量是否大于预设值;
当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态。
可选的,所述基于所述目标异常数据的数量判断所述设备是否处于振动故障状态,包括:
判断所述目标异常数据的数量是否大于预设值;
当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
可选的,还包括:
获取所述待检测设备的采集频率;
将所述采集频率与预设权重的乘积作为所述预设值。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种设备振动故障检测方法,其特征在于,包括:
获取待检测设备的振动数据以及振幅值;
基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量;
基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
2.根据权利要求1所述的设备振动故障检测方法,其特征在于,所述基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量,包括:
筛选出所述振动数据中绝对值大于所述振幅值的振动数据,作为所述目标异常数据;
统计所述预设周期内所述目标异常数据的数量。
3.根据权利要求1所述的设备振动故障检测方法,其特征在于,所述基于所述目标异常数据的数量判断所述设备是否处于振动故障状态,包括:
判断所述目标异常数据的数量是否大于预设值;
当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态。
4.根据权利要求1所述的设备振动故障检测方法,其特征在于,所述基于所述目标异常数据的数量判断所述设备是否处于振动故障状态,包括:
判断所述目标异常数据的数量是否大于预设值;
当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
5.根据权利要求3或4所述的设备振动故障检测方法,其特征在于,还包括:
获取所述待检测设备的采集频率;
将所述采集频率与预设权重的乘积作为所述预设值。
6.一种设备振动故障检测装置,其特征在于,包括:
第一获取模块,用于获取待检测设备的振动数据以及振幅值;
第一确定模块,用于基于所述振动数据以及振幅值,确定出预设周期内目标异常数据的数量;
第二确定模块,用于基于所述目标异常数据的数量判断所述设备是否处于振动故障状态。
7.根据权利要求6所述的设备振动故障检测装置,其特征在于,所述第一确定模块包括:
筛选单元,用于筛选出所述振动数据中绝对值大于所述振幅值的振动数据,作为所述目标异常数据;
第一统计单元,用于统计所述预设周期内所述目标异常数据的数量。
8.根据权利要求7所述的设备振动故障检测装置,其特征在于,第二确定模块包括:
第一判断单元,用于判断所述目标异常数据的数量是否大于预设值;
第一确定单元,用于当所述目标异常数据的数量大于所述预设值时,确定所述设备处于振动故障状态;
或,
第二判断单元,用于判断所述目标异常数据的数量是否大于预设值;
第一获取单元,用于当所述目标异常数据的数量大于所述预设值时,进一步获取所述目标异常数据的采集时间;
第三判断单元,用于判断任意采集顺序相邻的两个所述目标异常数据的采集时间是否处于预设时间间隔,如果是,确定所述设备处于振动故障状态。
9.一种设备振动故障检测系统,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序运行时执行如权利要求1-5中任意一项所述的设备振动故障检测方法。
10.一种存储介质,其特征在于,存储有程序,所述程序被处理器执行时实现如权利要求1-5中任意一项所述的设备振动故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910903.6A CN112557069A (zh) | 2019-09-25 | 2019-09-25 | 一种设备振动故障检测方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910903.6A CN112557069A (zh) | 2019-09-25 | 2019-09-25 | 一种设备振动故障检测方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112557069A true CN112557069A (zh) | 2021-03-26 |
Family
ID=75029579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910910903.6A Pending CN112557069A (zh) | 2019-09-25 | 2019-09-25 | 一种设备振动故障检测方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112557069A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554224A (zh) * | 2021-07-20 | 2021-10-26 | 上海航天测控通信研究所 | 多点统计与健康趋势预测相结合的故障诊断方法和系统 |
CN113703401A (zh) * | 2021-07-28 | 2021-11-26 | 西门子工厂自动化工程有限公司 | 异常检测算法的配置方法、装置、电子设备和存储介质 |
CN114252147A (zh) * | 2021-12-22 | 2022-03-29 | 昆山丘钛微电子科技股份有限公司 | 一种震动台的检测方法及装置 |
CN114318766A (zh) * | 2022-01-04 | 2022-04-12 | 海信(山东)冰箱有限公司 | 基于振动装置的故障检测方法及装置、可读存储介质 |
CN114543982A (zh) * | 2022-03-11 | 2022-05-27 | 珠海格力电器股份有限公司 | 设备的振动检测方法、装置、振动检测设备及存储介质 |
CN114940424A (zh) * | 2022-05-30 | 2022-08-26 | 重庆紫光华山智安科技有限公司 | 一种电梯检测方法、系统、计算机设备及可读介质 |
CN115618206A (zh) * | 2022-10-27 | 2023-01-17 | 圣名科技(广州)有限责任公司 | 干扰数据确定方法、装置、电子设备及存储介质 |
CN116369874A (zh) * | 2023-03-27 | 2023-07-04 | 浙江想能睡眠科技股份有限公司 | 一种基于床垫数据的人体健康检测方法、系统和存储介质 |
CN116593145A (zh) * | 2023-05-16 | 2023-08-15 | 利维智能(深圳)有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5895857A (en) * | 1995-11-08 | 1999-04-20 | Csi Technology, Inc. | Machine fault detection using vibration signal peak detector |
CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
US20110290024A1 (en) * | 2010-05-28 | 2011-12-01 | Lefler Kenneth A | System and method of mechanical fault detection based on signature detection |
CN103998362A (zh) * | 2011-12-14 | 2014-08-20 | 因温特奥股份公司 | 电梯设备及其部件借助传感器的故障诊断 |
CN107061186A (zh) * | 2017-06-09 | 2017-08-18 | 北京金风慧能技术有限公司 | 风力发电机组振动异常预警方法和装置 |
JP2017150885A (ja) * | 2016-02-23 | 2017-08-31 | Ntn株式会社 | 異常診断装置および異常診断方法 |
CN108087210A (zh) * | 2017-12-19 | 2018-05-29 | 北京金风科创风电设备有限公司 | 风力发电机组叶片异常识别方法及装置 |
CN109239265A (zh) * | 2018-09-11 | 2019-01-18 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
CN109581122A (zh) * | 2018-12-24 | 2019-04-05 | 北京新能源汽车股份有限公司 | 一种车辆异常唤醒的检测方法、装置及系统 |
-
2019
- 2019-09-25 CN CN201910910903.6A patent/CN112557069A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5895857A (en) * | 1995-11-08 | 1999-04-20 | Csi Technology, Inc. | Machine fault detection using vibration signal peak detector |
CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
US20110290024A1 (en) * | 2010-05-28 | 2011-12-01 | Lefler Kenneth A | System and method of mechanical fault detection based on signature detection |
CN103998362A (zh) * | 2011-12-14 | 2014-08-20 | 因温特奥股份公司 | 电梯设备及其部件借助传感器的故障诊断 |
JP2017150885A (ja) * | 2016-02-23 | 2017-08-31 | Ntn株式会社 | 異常診断装置および異常診断方法 |
CN107061186A (zh) * | 2017-06-09 | 2017-08-18 | 北京金风慧能技术有限公司 | 风力发电机组振动异常预警方法和装置 |
CN108087210A (zh) * | 2017-12-19 | 2018-05-29 | 北京金风科创风电设备有限公司 | 风力发电机组叶片异常识别方法及装置 |
CN109239265A (zh) * | 2018-09-11 | 2019-01-18 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
CN109581122A (zh) * | 2018-12-24 | 2019-04-05 | 北京新能源汽车股份有限公司 | 一种车辆异常唤醒的检测方法、装置及系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554224A (zh) * | 2021-07-20 | 2021-10-26 | 上海航天测控通信研究所 | 多点统计与健康趋势预测相结合的故障诊断方法和系统 |
CN113554224B (zh) * | 2021-07-20 | 2022-11-25 | 上海航天测控通信研究所 | 多点统计与健康趋势预测相结合的故障诊断方法和系统 |
CN113703401B (zh) * | 2021-07-28 | 2023-05-09 | 西门子工厂自动化工程有限公司 | 异常检测算法的配置方法、装置、电子设备和存储介质 |
CN113703401A (zh) * | 2021-07-28 | 2021-11-26 | 西门子工厂自动化工程有限公司 | 异常检测算法的配置方法、装置、电子设备和存储介质 |
CN114252147A (zh) * | 2021-12-22 | 2022-03-29 | 昆山丘钛微电子科技股份有限公司 | 一种震动台的检测方法及装置 |
CN114318766A (zh) * | 2022-01-04 | 2022-04-12 | 海信(山东)冰箱有限公司 | 基于振动装置的故障检测方法及装置、可读存储介质 |
CN114318766B (zh) * | 2022-01-04 | 2024-03-01 | 海信冰箱有限公司 | 基于振动装置的故障检测方法及装置、可读存储介质 |
CN114543982A (zh) * | 2022-03-11 | 2022-05-27 | 珠海格力电器股份有限公司 | 设备的振动检测方法、装置、振动检测设备及存储介质 |
CN114543982B (zh) * | 2022-03-11 | 2023-09-08 | 珠海格力电器股份有限公司 | 设备的振动检测方法、装置、振动检测设备及存储介质 |
CN114940424B (zh) * | 2022-05-30 | 2023-10-03 | 重庆紫光华山智安科技有限公司 | 一种电梯检测方法、系统、计算机设备及可读介质 |
CN114940424A (zh) * | 2022-05-30 | 2022-08-26 | 重庆紫光华山智安科技有限公司 | 一种电梯检测方法、系统、计算机设备及可读介质 |
CN115618206A (zh) * | 2022-10-27 | 2023-01-17 | 圣名科技(广州)有限责任公司 | 干扰数据确定方法、装置、电子设备及存储介质 |
CN116369874A (zh) * | 2023-03-27 | 2023-07-04 | 浙江想能睡眠科技股份有限公司 | 一种基于床垫数据的人体健康检测方法、系统和存储介质 |
CN116369874B (zh) * | 2023-03-27 | 2023-12-12 | 浙江想能睡眠科技股份有限公司 | 一种基于床垫数据的人体健康检测方法、系统和存储介质 |
CN116593145A (zh) * | 2023-05-16 | 2023-08-15 | 利维智能(深圳)有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
CN116593145B (zh) * | 2023-05-16 | 2024-01-09 | 利维智能(深圳)有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112557069A (zh) | 一种设备振动故障检测方法、装置、系统及存储介质 | |
CN109347653B (zh) | 一种指标异常发现方法和装置 | |
CN110222936B (zh) | 一种业务场景的根因定位方法、系统及电子设备 | |
CN109509166B (zh) | 印刷电路板图像检测方法和装置 | |
CN111147313B (zh) | 一种报文异常监控方法、装置、存储介质及电子设备 | |
CN108121633B (zh) | 异常捕获方法及装置 | |
CN110874932B (zh) | 识别车轴数量的方法、装置及系统 | |
CN111062100A (zh) | 轴承剩余寿命预测模型建立方法及装置 | |
CN109145981A (zh) | 深度学习自动化模型训练方法及设备 | |
CN111898059A (zh) | 网站页面质量评估和监控方法及其系统 | |
CN110858166A (zh) | 一种应用异常的处理方法、装置、存储介质及处理器 | |
CN111121910A (zh) | 检测尿素消耗偏差的方法、装置、存储介质及电子设备 | |
CN109062793B (zh) | 一种滚轮控件的测试方法、装置及电子设备 | |
CN210834175U (zh) | 便携式检测装置 | |
CN102799523B (zh) | 动态探测程序执行路径的方法、装置和计算机系统 | |
CN110780198B (zh) | 一种伺服焊接系统运动的波形识别方法及设备 | |
CN112559565A (zh) | 一种异常检测方法、系统及装置 | |
CN112668727A (zh) | 检测设备故障的方法和装置 | |
CN108628744B (zh) | 故障诊断方法、装置及电子设备 | |
CN113497721A (zh) | 网络故障定位方法与装置 | |
CN111181957A (zh) | 物联网设备安全验证方法、系统及中央控制设备 | |
CN116482460A (zh) | 电网设备故障诊断方法及相关设备 | |
CN112559313A (zh) | 测试用例的设置方法及装置、存储介质、电子设备 | |
CN113123955A (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN113468384B (zh) | 网络情报源信息的处理方法、装置、存储介质及处理器 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |