CN112633093A - 一种装备状态检测方法及系统 - Google Patents

一种装备状态检测方法及系统 Download PDF

Info

Publication number
CN112633093A
CN112633093A CN202011452299.6A CN202011452299A CN112633093A CN 112633093 A CN112633093 A CN 112633093A CN 202011452299 A CN202011452299 A CN 202011452299A CN 112633093 A CN112633093 A CN 112633093A
Authority
CN
China
Prior art keywords
data
equipment
spectrum
equipment state
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.)
Granted
Application number
CN202011452299.6A
Other languages
English (en)
Other versions
CN112633093B (zh
Inventor
韩宁
樊浩
刘金伟
连云峰
张鹏
高润冬
孙晶
康科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
32181 Troops of PLA
Original Assignee
32181 Troops of PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 32181 Troops of PLA filed Critical 32181 Troops of PLA
Priority to CN202011452299.6A priority Critical patent/CN112633093B/zh
Publication of CN112633093A publication Critical patent/CN112633093A/zh
Application granted granted Critical
Publication of CN112633093B publication Critical patent/CN112633093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种装备状态检测方法及系统，获取装备底层状态数据；利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；对所述装备状态谱数据按照频率进行分类；基于分类后的所述装备状态谱数据确定装备的状态。可见，本发明在得到装备底层数据后，通过现代谱分析中的功率ARMA谱估计完成频谱的高分辨估计，得到具有更高分辨精度的频谱数据，进而通过频谱分析对装备状态进行精细化的层次划分，能够更准确的判断装备的状态，从而实现装备状态分类的精细化、智能化管理。

Description

一种装备状态检测方法及系统
技术领域
本发明涉及装备状态的智能管理领域，特别是涉及一种装备状态检测方法及系统。
背景技术
现有的装备底层数据通过人工采集的方式完成，在人工完成装备底层数据采集后，基于傅里叶分析的方式完成数据频谱信息的挖掘，利用频谱信息判断装备状态，完成装备的状态分类。此种处理方式存在频谱信息分辨率不高，进而导致装备状态检测不精准，装备状态分类不精细，无法实现精细化、智能化管理的缺点。
针对上述问题，本发明提出了一种装备状态检测方法及系统，能够更精准的判断出装备的状态，进而能够准确的采取应对措施。
发明内容
本发明的目的是提供一种装备状态检测方法及系统，能够解决现有技术中对装备底层数据进行频谱分析时，得到的频谱信息分辨率不高，进而导致基于该频谱信息确定装备状态时检测精度低，装备状态分类不精细，无法实现精细化、智能化管理的缺点，所以本发明方案能够提高频谱信息分辨率精度，提高装备状态检测的精度。
为实现上述目的，本发明提供了如下方案：
一种装备状态检测方法，包括：
获取装备底层状态数据；
利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；
对所述装备状态谱数据按照频率进行分类；
基于分类后的所述装备状态谱数据确定装备的状态。
可选的，所述利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据，具体包括：
对所述装备底层数据依据频率点进行分组，得到若干个分组数据；
选取后一所述分组数据中的若干个数据分配至前一所述分组数据中，第一个所述分组数据中的若干个数据分配至最后一个所述分组数据中，得到若干组分配后的数据；
对若干组所述分配后的数据分别进行傅里叶变换，得到若干组变换后的数据；
将若干组所述变换后的数据组合得到ARMA谱估计的频谱数据，所述ARMA谱估计的频谱数据为所述装备状态谱数据。
可选的，将后一所述分组数据中前若干个数据作为前一所述分组数据中后若干个数据。
可选的，所述对所述装备状态谱数据按照频率进行分类，具体包括：
确定所述装备状态谱数据中的频率点；
取所述装备状态谱数据前m1个频率点为第一类频率点；
取所述装备状态谱数据中间m2个频率点为第二类频率点；
取所述装备状态谱数据后m3个频率点为第三类频率点。
可选的，m1与m3相同。
可选的，所述基于分类后的所述装备状态谱数据确定装备的状态，具体包括：
当仅有第一类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为正常；
当仅有第二类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为堪用；
当仅有第三类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为异常。
一种装备状态检测系统，包括：
数据采集模块，用于获取装备底层状态数据；
装备状态谱数据获取模块，用于利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；
分类模块，用于对所述装备状态谱数据按照频率进行分类；
装备的状态划分模块，用于基于分类后的所述装备状态谱数据确定装备的状态。
可选的，所述装备状态谱数据获取模块包括：
分组单元，用于对所述装备底层数据依据频率点进行分组，得到若干个分组数据；
数据分配单元，用于选取后一所述分组数据中的若干个数据分配至前一所述分组数据中，第一个所述分组数据中的若干个数据分配至最后一个所述分组数据中，得到若干组分配后的数据；
傅里叶变换单元，用于对若干个所述分配后的数据分别进行傅里叶变换，得到若干组变换后的数据；
频谱数据获取单元，用于将若干组所述变换后的数据组合得到ARMA谱估计的频谱数据，所述ARMA谱估计的频谱数据为所述装备状态谱数据。
可选的，所述分类模块包括：
频率点确定单元，用于确定所述装备状态谱数据中的频率点；
第一类频率点确定单元，用于取所述装备状态谱数据前m1个频率点为第一类频率点；
第二类频率点确定单元，用于取所述装备状态谱数据中间m2个频率点为第二类频率点；
第三类频率点确定单元，用于取所述装备状态谱数据后m3个频率点为第三类频率点。
可选的，所述装备的状态划分模块具体包括：
当仅有第一类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为正常；
当仅有第二类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为堪用；
当仅有第三类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为异常。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明涉及一种装备状态检测方法及系统，获取装备底层状态数据；利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；对所述装备状态谱数据按照频率进行分类；基于分类后的所述装备状态谱数据确定装备的状态。可见，本发明在得到装备底层数据后，通过现代谱分析中的功率ARMA谱估计完成频谱的高分辨估计，得到具有更高分辨精度的频谱数据，进而通过频谱分析对装备状态进行精细化的层次划分，能够更准确的判断装备的状态，从而实现装备状态分类的精细化、智能化管理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种装备状态检测方法流程图；
图2为本发明实施例2提供的一种装备状态检测系统框图。
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。
本发明的目的是提供一种装备状态检测方法及系统，能够解决现有技术中对装备底层数据进行频谱分析时，得到的频谱信息分辨率不高，进而导致基于该频谱信息确定装备状态时检测精度低，装备状态分类不精细，无法实现精细化、智能化管理的缺点，所以本发明方案能够提高频谱信息分辨率精度，提高装备状态检测的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提供了一种装备状态检测方法，包括：
步骤S1：获取装备底层状态数据；
其中，采集装备底层状态数据，可通过人工操作采集办卡的方式，对装备输出的正弦状态数据进行采集，并将采集的数据存储于快速读写卡。装备底层状态数据也可以从数据库中直接调取。
步骤S2：利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；
步骤S2具体包括：
步骤S201：对所述装备底层数据依据频率点进行分组，得到若干个分组数据；
步骤S202：选取后一所述分组数据中的若干个数据分配至前一所述分组数据中，第一个所述分组数据中的若干个数据分配至最后一个所述分组数据中，得到若干组分配后的数据；
需要说明的是，将后一所述分组数据中前若干个数据作为前一所述分组数据中后若干个数据。
步骤S203：对若干组所述分配后的数据分别进行傅里叶变换，得到若干组变换后的数据；
步骤S204：将若干组所述变换后的数据组合得到ARMA谱估计的频谱数据，所述ARMA谱估计的频谱数据为所述装备状态谱数据。
步骤S3：对所述装备状态谱数据按照频率进行分类；
步骤S3具体包括：
步骤S301：确定所述装备状态谱数据中的频率点；
步骤S302：取所述装备状态谱数据前m1个频率点为第一类频率点；
步骤S303：取所述装备状态谱数据中间m2个频率点为第二类频率点；
步骤S304：取所述装备状态谱数据后m3个频率点为第三类频率点。
其中，m1、m2与m3可以设置为相同的值，也可以不同的值，根据实际需要确定m1、m2与m3具体的值。
步骤S4：基于分类后的所述装备状态谱数据确定装备的状态。
步骤S4具体包括：
步骤S401：当仅有第一类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为正常；
步骤S402：当仅有第二类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为堪用；
步骤S403：当仅有第三类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为异常。
当第一类频率点对应的幅值和第二类频率点对应的幅值中均存在大于预设值的值时，则判定装备的状态为堪用；
当第一类频率点对应的幅值和第三类频率点对应的幅值中均存在大于预设值的值时，则判定装备的状态为异常；
当第二类频率点对应的幅值和第三类频率点对应的幅值中均存在大于预设值的值时，则判定装备的状态为异常；
当第一类频率点对应的幅值、第二类频率点对应的幅值和第三类频率点对应的幅值中均存在大于预设值的值时，则判定装备的状态为异常。
根据分类后的所述装备状态谱数据确定装备的状态时，可以根据装备状态对应表确定预设值，所以也可以将第一类频率点、第二类频率点和第三类频率点对照装备状态对应表，直接明显的得出装备的状态。另外，预设值也可以根据实际需求任意确定。
为了使本领域技术人员能够更好的理解本发明的技术方案，给出一个具体例子进行说明：
假设装备的正弦状态数据(装备底层状态数据)为s，数据中有120个频率点，则按如下过程对s进行处理：
将120个频率点依次按30个频率点一组进行分组，分为L1，L2，L3，L4共4组。
对L1组中的30个频率点数据之后加入L2组10个频率点数据，其中选择L2组中的前10个频率点数据加入L1组中，此时L1组中有40个频率点数据，对40个频率点数据进行傅里叶变换；
同理，将L3组的前10个数据加入至L2组的数据中作为后10个频率点，得到L2组中有40个频率点数据，对40个频率点数据进行傅里叶变换；将L4组的前10个数据加入至L3组的数据中作为后10个频率点，得到L3组中有40个频率点数据，对L3组的40个频率点数据进行傅里叶变换；将L1组的前10个数据加入至L4组的数据中作为后10个频率点，得到L4组中有40个频率点数据，对L4组的40个频率点数据进行傅里叶变换；
将所得到的4组共160个频率点数据组合形成ARMA谱估计的频谱分析结果，其排列方式为，L1组的40个频率点、L2组的40个频率点、L3组的40个频率点、L4组的40个频率点，共160个频率点；
160个频率点即为对120个频率点进行ARMA谱估计得到的频谱分析数据(装备状态谱数据)。
若仅有前30个频率点对应的频谱数据中有大于0.8的，则判定装备的状态“正常”；若仅有后30个频率点对应的频谱数据中有大于0.8的，则判定装备的状态“异常”。若仅有中间的100个频率点对应的频谱数据中有大于0.8的，则判定装备的状态为“堪用”。
将前30个频率点对应的频谱数据记为区间1；将中间的100个频率点对应的频谱数据记为区间2；将后30个频率点对应的频谱数据记为区间3；
当区间1和区间2同时有大于0.8的数据，则装备状态判定为堪用；
当区间1和区间3同时有大于0.8的数据，则装备状态判定为异常；
当区间2和区间3同时有大于0.8的数据，则装备状态判定为异常；
当区间1和区间2和区间3同时都有大于0.8的数据，则装备状态判定为异常。
对于“正常”状态的装备，则选择继续使用；对于“异常”状态的装备，则需要联系大修厂进行修理；对于“堪用”状态的装备，则需要在严密监督下进行使用。
本发明采集装备底层状态数据，利用ARMA谱估计的方法对装备的正弦状态数据进行谱估计。得到高分辨率的装备状态谱数据，并对装备状态谱数据按照频率进行分类，基于分类后的装备状态谱数据，可参考装备状态对应表，得到精细化的装备状态分类，完成装备状态的精细化管理。
实施例2
如图2所示，本实施例提供了一种装备状态检测系统，包括：
数据采集模块，用于获取装备底层状态数据；
装备状态谱数据获取模块，用于利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；
其中，装备状态谱数据获取模块包括：
分组单元，用于对所述装备底层数据依据频率点进行分组，得到若干个分组数据；
数据分配单元，用于选取后一所述分组数据中的若干个数据分配至前一所述分组数据中，第一个所述分组数据中的若干个数据分配至最后一个所述分组数据中，得到若干组分配后的数据；
傅里叶变换单元，用于对若干个所述分配后的数据分别进行傅里叶变换，得到若干组变换后的数据；
频谱数据获取单元，用于将若干组所述变换后的数据组合得到ARMA谱估计的频谱数据，所述ARMA谱估计的频谱数据为所述装备状态谱数据。
分类模块，用于对所述装备状态谱数据按照频率进行分类；
其中，分类模块包括：
频率点确定单元，用于确定所述装备状态谱数据中的频率点；
第一类频率点确定单元，用于取所述装备状态谱数据前m1个频率点为第一类频率点；
第二类频率点确定单元，用于取所述装备状态谱数据中间m2个频率点为第二类频率点；
第三类频率点确定单元，用于取所述装备状态谱数据后m3个频率点为第三类频率点。
装备的状态划分模块，用于基于分类后的所述装备状态谱数据确定装备的状态；装备的状态划分模块具体包括：
当仅有第一类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为正常；
当仅有第二类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为堪用；
当仅有第三类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为异常。
本发明在得到装备底层数据后，通过现代谱分析中的功率ARMA谱估计完成频谱的高分辨估计，得到具有更高分辨精度的频谱数据，进而通过频谱分析得到精细化的装备状态划分层次，实现装备状态分类的精细化、智能化管理。
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。对于实施例公开的系统而言，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。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种装备状态检测方法，其特征在于，包括：
获取装备底层状态数据；
利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；
对所述装备状态谱数据按照频率进行分类；
基于分类后的所述装备状态谱数据确定装备的状态。
2.根据权利要求1所述的方法，其特征在于，所述利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据，具体包括：
对所述装备底层数据依据频率点进行分组，得到若干个分组数据；
选取后一所述分组数据中的若干个数据分配至前一所述分组数据中，第一个所述分组数据中的若干个数据分配至最后一个所述分组数据中，得到若干组分配后的数据；
对若干组所述分配后的数据分别进行傅里叶变换，得到若干组变换后的数据；
将若干组所述变换后的数据组合得到ARMA谱估计的频谱数据，所述ARMA谱估计的频谱数据为所述装备状态谱数据。
3.根据权利要求2所述的方法，其特征在于，将后一所述分组数据中前若干个数据作为前一所述分组数据中后若干个数据。
4.根据权利要求1所述的方法，其特征在于，所述对所述装备状态谱数据按照频率进行分类，具体包括：
确定所述装备状态谱数据中的频率点；
取所述装备状态谱数据前m1个频率点为第一类频率点；
取所述装备状态谱数据中间m2个频率点为第二类频率点；
取所述装备状态谱数据后m3个频率点为第三类频率点。
5.根据权利要求4所述的方法，其特征在于，m1与m3相同。
6.根据权利要求4或5所述的方法，其特征在于，所述基于分类后的所述装备状态谱数据确定装备的状态，具体包括：
当仅有第一类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为正常；
当仅有第二类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为堪用；
当仅有第三类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为异常。
7.一种装备状态检测系统，其特征在于，包括：
数据采集模块，用于获取装备底层状态数据；
装备状态谱数据获取模块，用于利用功率ARMA谱估计的方法对所述装备底层数据进行频谱分析，得到装备状态谱数据；
分类模块，用于对所述装备状态谱数据按照频率进行分类；
装备的状态划分模块，用于基于分类后的所述装备状态谱数据确定装备的状态。
8.根据权利要求7所述的系统，其特征在于，所述装备状态谱数据获取模块包括：
分组单元，用于对所述装备底层数据依据频率点进行分组，得到若干个分组数据；
数据分配单元，用于选取后一所述分组数据中的若干个数据分配至前一所述分组数据中，第一个所述分组数据中的若干个数据分配至最后一个所述分组数据中，得到若干组分配后的数据；
傅里叶变换单元，用于对若干个所述分配后的数据分别进行傅里叶变换，得到若干组变换后的数据；
频谱数据获取单元，用于将若干组所述变换后的数据组合得到ARMA谱估计的频谱数据，所述ARMA谱估计的频谱数据为所述装备状态谱数据。
9.根据权利要求7所述的系统，其特征在于，所述分类模块包括：
频率点确定单元，用于确定所述装备状态谱数据中的频率点；
第一类频率点确定单元，用于取所述装备状态谱数据前m1个频率点为第一类频率点；
第二类频率点确定单元，用于取所述装备状态谱数据中间m2个频率点为第二类频率点；
第三类频率点确定单元，用于取所述装备状态谱数据后m3个频率点为第三类频率点。
10.根据权利要求9所述的系统，其特征在于，所述装备的状态划分模块具体包括：
当仅有第一类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为正常；
当仅有第二类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为堪用；
当仅有第三类频率点对应的幅值存在大于预设值的值时，则判定装备的状态为异常。
CN202011452299.6A 2020-12-10 2020-12-10 一种装备状态检测方法及系统 Active CN112633093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011452299.6A CN112633093B (zh) 2020-12-10 2020-12-10 一种装备状态检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011452299.6A CN112633093B (zh) 2020-12-10 2020-12-10 一种装备状态检测方法及系统

Publications (2)

Publication Number Publication Date
CN112633093A true CN112633093A (zh) 2021-04-09
CN112633093B CN112633093B (zh) 2024-04-16

Family

ID=75310341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011452299.6A Active CN112633093B (zh) 2020-12-10 2020-12-10 一种装备状态检测方法及系统

Country Status (1)

Country Link
CN (1) CN112633093B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010066244A (ja) * 2008-09-13 2010-03-25 Chugoku Electric Power Co Inc:The 設備異常診断方法およびシステム
JP2011045524A (ja) * 2009-08-27 2011-03-10 Kddi Corp 所持している者の運動強度及び／又は消費カロリーを推定する装置
CN103559392A (zh) * 2013-10-28 2014-02-05 中国石油化工股份有限公司 一种基于多传感信息融合的机组状态评估方法
CN103674578A (zh) * 2012-09-14 2014-03-26 南车青岛四方机车车辆股份有限公司 高速列车运行动力学性能状态的检测方法
CN106326929A (zh) * 2016-08-24 2017-01-11 北京工商大学 轨道列车走行部滚动轴承故障的诊断方法
US20190050985A1 (en) * 2016-02-08 2019-02-14 Koninklijke Philips N.V. Device, system and method for pulsatility detection
CN110631810A (zh) * 2018-05-31 2019-12-31 新疆金风科技股份有限公司 风力发电机组振动异常的检测方法和设备及风力发电机组
CN111339986A (zh) * 2020-03-06 2020-06-26 北京波尔通信技术股份有限公司 基于时域/频域分析的装备用频规律挖掘方法和系统
CN111639621A (zh) * 2020-06-08 2020-09-08 深圳时珍智能物联技术有限公司 一种传感器信号诊断故障的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010066244A (ja) * 2008-09-13 2010-03-25 Chugoku Electric Power Co Inc:The 設備異常診断方法およびシステム
JP2011045524A (ja) * 2009-08-27 2011-03-10 Kddi Corp 所持している者の運動強度及び／又は消費カロリーを推定する装置
CN103674578A (zh) * 2012-09-14 2014-03-26 南车青岛四方机车车辆股份有限公司 高速列车运行动力学性能状态的检测方法
CN103559392A (zh) * 2013-10-28 2014-02-05 中国石油化工股份有限公司 一种基于多传感信息融合的机组状态评估方法
US20190050985A1 (en) * 2016-02-08 2019-02-14 Koninklijke Philips N.V. Device, system and method for pulsatility detection
CN106326929A (zh) * 2016-08-24 2017-01-11 北京工商大学 轨道列车走行部滚动轴承故障的诊断方法
CN110631810A (zh) * 2018-05-31 2019-12-31 新疆金风科技股份有限公司 风力发电机组振动异常的检测方法和设备及风力发电机组
CN111339986A (zh) * 2020-03-06 2020-06-26 北京波尔通信技术股份有限公司 基于时域/频域分析的装备用频规律挖掘方法和系统
CN111639621A (zh) * 2020-06-08 2020-09-08 深圳时珍智能物联技术有限公司 一种传感器信号诊断故障的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
段旺旺;金炜东;: "基于AR功率谱的高速列车转向架故障信号分析", 噪声与振动控制, no. 02, 18 April 2015 (2015-04-18) *
蔡剑华;胡惟文;王先春;: "基于边际谱的功率谱估计方法", 核电子学与探测技术, no. 09 *
蔡剑华;胡惟文;王先春;: "基于边际谱的功率谱估计方法", 核电子学与探测技术, no. 09, 20 September 2011 (2011-09-20) *

Also Published As

Publication number Publication date
CN112633093B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN107478455B (zh) 一种适用于威布尔分布型产品的定时截尾可靠性试验方法
CN114113987B (zh) 一种芯片检验追踪方法及系统
CN108197774B (zh) 一种分布式光伏发电量异常诊断的方法及装置
WO2018080523A1 (en) Data cost effective fast similarity search with priority access
CN110244185A (zh) 一种多源谐波责任划分方法、终端设备及存储介质
CN114384896A (zh) 轨道交通列控车载设备模拟电路级健康度预测方法及系统
CN118033409B (zh) 一种gcb灭弧室开关电阻测试方法
CN116523329A (zh) 台区线损异常诊断方法
CN108957347B (zh) 一种电池组soc的高精度动态估计方法和系统
CN113655370B (zh) 确定芯片异常测试工况的方法、装置、系统及相关设备
CN117932236A (zh) 一种电压互感器计量误差预测方法、介质及终端
CN112633093A (zh) 一种装备状态检测方法及系统
CN116540038A (zh) 一种电容器组的绝缘状态监测方法和装置
CN115207909B (zh) 一种台区拓扑识别方法、装置、设备及存储介质
CN106332163A (zh) 一种功能模块测试方法及系统
CN115618286A (zh) 变压器局部放电类型识别方法、系统、设备、终端及应用
CN111160712B (zh) 一种用户的用电参数调节方法及装置
US11255705B2 (en) Method for setting quality thresholds of products for testing purposes and device employing method
CN113608863A (zh) 一种海量数据分布式采集方法及系统
CN109521312B (zh) 一种非技术线损检测方法、装置及系统
CN113283316A (zh) 一种基于声音信号的开关机械故障诊断方法、装置及设备
CN108229095A (zh) 油中溶解气体体积分数的预测方法及终端设备
CN109597013A (zh) 电池测试设备电流精度确定的方法及可读存储介质
CN103018658A (zh) 一种基于伏安特性曲线的线路板健康状态监测方法
CN116358902B (zh) 一种车辆功能的测试方法、装置、电子设备及存储介质

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