CN113514148B - 基于低延迟数据平滑的设备振动预警方法及系统 - Google Patents
基于低延迟数据平滑的设备振动预警方法及系统 Download PDFInfo
- Publication number
- CN113514148B CN113514148B CN202110780160.2A CN202110780160A CN113514148B CN 113514148 B CN113514148 B CN 113514148B CN 202110780160 A CN202110780160 A CN 202110780160A CN 113514148 B CN113514148 B CN 113514148B
- Authority
- CN
- China
- Prior art keywords
- vibration data
- data
- current vibration
- preset
- average value
- 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Emergency Alarm Devices (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于信号分析和数据处理领域,公开了一种基于低延迟数据平滑的设备振动预警方法及系统,通过获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据,判断当前振动数据是否满足预设的断崖式下降条件;当满足时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据,并根据其进行设备振动预警。避免由于振动数据平滑的滞后效应,引发的误报警及漏报警。
Description
技术领域
本发明属于信号分析和数据处理领域,涉及一种基于低延迟数据平滑的设备振动预警方法及系统。
背景技术
近年来,振动在线监测技术在工业现场应用越来越广泛,现场关键设备几乎都配备了振动传感器实现设备状态监测。目前,振动在线监测所获取的振动特征参数从原始采集振动数据中提取得到,并未根据历史振动数据的结果对当前振动特征进行校准和统计处理。单一的实时振动数据,可能受采集条件或者现场多种因素干扰影响,因此,通过历史多次采集的振动数据对当前振动数据进行平滑校准处理,成为去除干扰影响的重要手段。
数据平滑方法的原理,是通过一段历史数据(包含当前数据)计算统计指标代表当前数据,本质上数据平滑是一种“低通滤波器”,它将数据中的高频干扰过滤,保留低频趋势数据。由于没有利用“未来”振动数据,平滑方法一定会引入数据滞后影响。在振动在线监测中,如果振动数据存在滞后影响,一方面,将导致基于振动上升的真实报警存在报警滞后问题;另一方面,将导致设备维修后状态正常,振动下降存在误报警问题。因此,振动平滑方法的滞后延迟问题急需解决,避免数据平滑影响设备状态监测效果。
发明内容
本发明的目的在于克服上述现有技术中,振动平滑方法存在较大滞后延迟,导致设备振动预警不准确的缺点,提供一种基于低延迟数据平滑的设备振动预警方法及系统。
为达到上述目的,本发明采用以下技术方案予以实现:
本发明第一方面,一种基于低延迟数据平滑的设备振动预警方法,包括以下步骤:
获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据;
根据设备的当前振动数据以及当前振动数据前一个振动数据,判断当前振动数据是否满足预设的断崖式下降条件;
当当前振动数据满足断崖式下降条件时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据;其中,第二预设数量<第一预设数量;
根据当前振动数据的平滑数据,进行设备振动预警。
本发明基于低延迟数据平滑的设备振动预警方法进一步的改进在于:
所述第一预设数量为≥2的偶数。
所述阈值>0.5。
所述第一权重序列为W_arr1:
其中,W为第一预设数量加1。
所述第一权重序列为W_arr1:
W_arr1=[β·(1-β)0,β·(1-β)1,…,β·(1-β)w-2,β·(1-β)w-1];
其中,W为第一预设数量加1,β为预设参数,0<β<1。
所述第二权重序列为W_arr2:
其中,h为第二预设数量加1。
所述第二权重序列为W_arr2:
W_arr2=[β·(1-β)0,β·(1-β)1,…,β·(1-β)h-2,β·(1-β)h-1]
所述根据第一平均值和第二平均值,得到当前振动数据的平滑数据的具体方法为:当前振动数据的平滑数据=n×第二平均值-第一平均值;其中,n为第一预设数量与第二预设数量的比值。
本发明第二方面,一种基于低延迟数据平滑的设备振动预警系统,包括:
数据获取模块,用于获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据;
条件判定模块,用于根据设备的当前振动数据以及当前振动数据前一个振动数据,判断当前振动数据是否满足预设的断崖式下降条件;
平滑处理模块,用于当当前振动数据满足断崖式下降条件时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据;其中,第二预设数量<第一预设数量;
预警模块,用于根据当前振动数据的平滑数据,进行设备振动预警。
与现有技术相比,本发明具有以下有益效果:
本发明基于低延迟数据平滑的设备振动预警方法,通过获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据,然后基于预设的断崖式下降条件,判定当前振动数据是否存在断崖式下降特性,进而分配了不同的处理方式,若振动数据存在断崖式下降特性,平滑数据就取当前振动数据的原始值,可避免下降数据经普通平滑导致振动过大,进而引发错误报警的问题。反之则通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;然后根据第一平均值和第二平均值,得到当前振动数据的平滑数据。通过对两段不同时长振动数据的加权平均值计算得到最终的平滑数据,以此减缓具有上升趋势数据经普通平滑后导致的滞后问题,可避免上升趋势数据经普通平滑导致振动过小,进而引发漏报警的问题。可见,该基于低延迟数据平滑的设备振动预警方法,有效消除了在线监测系统振动特征数据频繁变化波动的问题。
附图说明
图1为本发明的基于低延迟数据平滑的设备振动预警方法流程图;
图2为本发明与现有方法的数据平滑效果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
参见图1,本发明一实施例中,为解决单一实时振动数据受外界因素干扰和影响,进而导致基于振动数据的预警不准确的问题,基于低延迟的振动数据平滑方法,提出一种基于低延迟数据平滑的设备振动预警方法,低延迟的振动数据平滑方法不仅可以解决振动数据受单一测量值影响的问题,同时可减缓报警滞后,进而避免漏报警问题、尤其是避免误报警问题。具体的,该基于低延迟数据平滑的设备振动预警方法包括以下步骤。
S1:获取设备的当前振动数据,及当前振动数据前第一预设数量个振动数据。
具体的,从振动监测的历史数据中,获取包含当前采集振动数据vib1的一段长度为W的振动数据序列,记为V_arr:
V_arr=[vib1,vib2,…,vibi,vibw]
其中,vibi表示振动数据,i取值范围为1,2,…,W;vib1为当前时刻采集的当前振动数据,下标越小表示越靠近当前采集时刻,vibw为平滑起始点。
其中,W取值范围为大于等于3的奇数,即第一预设数量为大于等于2的偶数,保证平滑结果具有统计意义且保持稳定。若振动数据序列的长度低于W则无需进行平滑处理,需待数据采集振动数据超过W个后进行平滑处理。
S2:根据设备的当前振动数据以及当前振动数据前一个振动数据,判断当前振动数据是否满足预设的断崖式下降条件。
由于振动数据出现断崖式下降,是设备经历一次有效维修后必然出现的振动数据变化现象。因此,通过检测断崖式下降,调整振动数据平滑方式,以避免平滑处理后引发误报警的问题。
S3:当当前振动数据满足断崖式下降条件时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据;其中,第二预设数量<第一预设数量。
具体的,当当前振动数据满足断崖式下降条件时,当前振动数据无需平滑,直接将当前振动数据作为当前振动数据的平滑数据,且该当前振动数据为后续平滑的起点。反之则不存在断崖式下降,进入后续步骤进行平滑处理。
本实施例中,第一权重序列W_arr1设置两种形式,分别为线性加权权重序列和指数加权权重序列,具体使用时可以任选其一,一般建议使用指数加权权重序列计算加权平均值。
线性加权权重序列为:
其中,W为第一预设数量加1。
指数加权权重序列为:
W_arr1=[β·(1-β)0,β·(1-β)1,…,β·(1-β)w-2,β·(1-β)w-1]
其中,β为预设参数,0<β<1。
通过将振动数据序列V_arr和第一权重序列W_arr1中,对应元素相乘后再相加的结果作为第一平均值,并记为m。这里,对应所代表的含义为位置对应,即第一位置处的振动数据与第一位置处的权重值相乘。
本实施例中,第二权重序列W_arr2同样设置两种形式,分别为线性加权权重序列和指数加权权重序列,具体使用时可以任选其一。
线性加权权重序列:
指数加权权重序列:
W_arr2=[β·(1-β)0,β·(1-β)1,…,β·(1-β)h-2,β·(1-β)h-1]
其中,h为第二预设数量加1。
本实施例中,第二预设数量为第一预设数量的一半,具体的,从振动监测历史数据中,获取包含当前振动数据的一段长度为(W-1)/2的振动数据序列,记为V1_arr:
通过将振动数据序列V1_arr和第二权重序列W_arr2中,对应元素相乘后再相加的结果作为第二平均值,并记为m1。
所述根据第一平均值和第二平均值,得到当前振动数据的平滑数据的具体方法为:当前振动数据的平滑数据=n×第二平均值-第一平均值;其中,n为第一预设数量与第二预设数量的比值。
具体的,本实施例中,第一预设数量与第二预设数量的比值为2,因此,当前振动数据的平滑数据smthvib=2×m1-m。
S4:根据当前振动数据的平滑数据,进行设备振动预警。
具体的,判断当前振动数据的平滑数据是否在预设的正常振动数据范围内,当当前振动数据的平滑数据在预设的正常振动数据范围内时,设备振动正常;否则,设备振动异常,进行设备振动异常报警。
参见图2,某设备的振动数据低延迟平滑后的效果对比,横坐标为时间戳,单位为秒,纵坐标为振动加速度特征值,图中为加速度峰值,单位:m/s^2。图中实线为原始振动数据,实心小点为经过现有平滑方法(滑动平均)后的结果,实心大点为经本发明低延迟数据平滑方法平滑后的结果。
从图中可发现,本发明较现有的滑动平均方法具有低滞后,低延迟的优势,具体的可见A,B两处;其中,A处显示在上升趋势数据中,本发明的平滑效果较常规滑动平均结果具有更低的延迟滞后;B处显示在具有断崖式下降特性的数据中,本发明的平滑效果较常规滑动平均结果同样具有更低的延迟滞后。因此,基于低延迟数据平滑的优点,所得到的当前振动数据的平滑数据更能体现设备当前时刻的振动特性,提升基于振动数据预警的准确性。
综上所述,本发明基于低延迟数据平滑的设备振动预警方法,通过获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据,然后基于预设的断崖式下降条件,判定当前振动数据是否存在断崖式下降特性,进而分配了不同的处理方式,若振动数据存在断崖式下降特性,平滑数据就取当前振动数据的原始值,可避免下降数据经普通平滑导致振动过大,进而引发错误报警的问题。反之则通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;然后根据第一平均值和第二平均值,得到当前振动数据的平滑数据。通过对两段不同时长振动数据的加权平均值计算得到最终的平滑数据,以此减缓具有上升趋势数据经普通平滑后导致的滞后问题,可避免上升趋势数据经普通平滑导致振动过小,进而引发漏报警的问题。可见,该基于低延迟数据平滑的设备振动预警方法,有效消除了在线监测系统振动特征数据频繁变化波动的问题。
下述为本发明的装置实施例,可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节,请参照本发明方法实施例。
本发明再一实施例中,提供一种基于低延迟数据平滑的设备振动预警系统,能够用于实现上述的基于低延迟数据平滑的设备振动预警方法,具体的,该基于低延迟数据平滑的设备振动预警系统包括数据获取模块、条件判定模块、平滑处理模块以及预警模块。
其中,数据获取模块用于获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据;条件判定模块用于根据设备的当前振动数据以及当前振动数据前一个振动数据,判断当前振动数据是否满足预设的断崖式下降条件;平滑处理模块用于当当前振动数据满足断崖式下降条件时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据;其中,第二预设数量<第一预设数量;预警模块用于根据当前振动数据的平滑数据,进行设备振动预警。
本发明再一个实施例中,提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可用于基于低延迟数据平滑的设备振动预警方法的操作。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM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。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关基于低延迟数据平滑的设备振动预警方法的相应步骤。
本领域内的技术人员应明白,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。
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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (2)
1.一种基于低延迟数据平滑的设备振动预警方法,其特征在于,包括以下步骤:
获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据;
根据设备的当前振动数据以及当前振动数据前一个振动数据,判断当前振动数据是否满足预设的断崖式下降条件;
当当前振动数据满足断崖式下降条件时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据;其中,第二预设数量<第一预设数量;
根据当前振动数据的平滑数据,进行设备振动预警;
所述第一预设数量为≥2的偶数;
所述预设阈值>0.5;
所述第一权重序列为W_arr1:
其中,W为第一预设数量加1;
或者,所述第一权重序列为W_arr1:
W_arr1=[β·(1-β)0,β·(1-β)1,…,β·(1-β)w-2,β·(1-β)w-1];
其中,W为第一预设数量加1,β为预设参数,0<β<1;
所述第二权重序列为W_arr2:
其中,h为第二预设数量加1;
或者,所述第二权重序列为W_arr2:
W_arr2=[β·(1-β)0,β·(1-β)1,…,β·(1-β)h-2,β·(1-β)h-1]
其中,h为第二预设数量加1,β为预设参数,0<β<1;
所述根据第一平均值和第二平均值,得到当前振动数据的平滑数据的具体方法为:当前振动数据的平滑数据=n×第二平均值-第一平均值;其中,n为第一预设数量与第二预设数量的比值。
2.一种基于权利要求1所述基于低延迟数据平滑的设备振动预警方法的基于低延迟数据平滑的设备振动预警系统,其特征在于,包括:
数据获取模块,用于获取设备的当前振动数据,以及当前振动数据前第一预设数量个振动数据;
条件判定模块,用于根据设备的当前振动数据以及当前振动数据前一个振动数据,判断当前振动数据是否满足预设的断崖式下降条件;
平滑处理模块,用于当当前振动数据满足断崖式下降条件时,将当前振动数据作为当前振动数据的平滑数据;否则,通过预设的第一权重序列,计算当前振动数据及前第一预设数量个振动数据的加权平均值,得到第一平均值;通过预设的第二权重序列,计算当前振动数据及前第二预设数量个振动数据的加权平均值,得到第二平均值;根据第一平均值和第二平均值,得到当前振动数据的平滑数据;其中,第二预设数量<第一预设数量;
预警模块,用于根据当前振动数据的平滑数据,进行设备振动预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110780160.2A CN113514148B (zh) | 2021-07-09 | 2021-07-09 | 基于低延迟数据平滑的设备振动预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110780160.2A CN113514148B (zh) | 2021-07-09 | 2021-07-09 | 基于低延迟数据平滑的设备振动预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113514148A CN113514148A (zh) | 2021-10-19 |
CN113514148B true CN113514148B (zh) | 2023-06-27 |
Family
ID=78067307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110780160.2A Active CN113514148B (zh) | 2021-07-09 | 2021-07-09 | 基于低延迟数据平滑的设备振动预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514148B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009283947A (ja) * | 2003-06-27 | 2009-12-03 | Test Advantage Inc | データ分析用の方法および装置 |
CN106973355A (zh) * | 2016-01-14 | 2017-07-21 | 腾讯科技(深圳)有限公司 | 环绕立体声实现方法和装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR940001935B1 (ko) * | 1990-04-26 | 1994-03-11 | 미쓰비시덴키 가부시키가이샤 | 내연기관용 녹제어장치 및 방법 |
JPH11174095A (ja) * | 1997-12-12 | 1999-07-02 | Kawasaki Steel Corp | 周波数特性のズーミング方法及び装置 |
JP2992954B1 (ja) * | 1998-12-22 | 1999-12-20 | 東日本旅客鉄道株式会社 | 橋脚の異常検知方法、システムおよび記録媒体 |
JP3859386B2 (ja) * | 1999-03-31 | 2006-12-20 | 三菱電機株式会社 | 波形等化器、波形等化装置及び受信装置 |
US7395170B2 (en) * | 2001-05-24 | 2008-07-01 | Test Advantage, Inc. | Methods and apparatus for data analysis |
CA2634328C (en) * | 2003-01-24 | 2011-08-16 | Pratt & Whitney Canada Corp. | Method and system for trend detection and analysis |
CN103968939B (zh) * | 2014-05-16 | 2016-03-09 | 国家电网公司 | 基于平均位移法的变压器绕组松动故障检测方法 |
CN105204436B (zh) * | 2015-08-26 | 2016-10-26 | 山东省计算中心(国家超级计算济南中心) | 基于分级预警的数控机床故障诊断方法 |
JP7096760B2 (ja) * | 2018-12-10 | 2022-07-06 | 株式会社神戸製鋼所 | フィルタ設計装置、振動抑制装置、フィルタ設計方法及びプログラム |
CN109901537B (zh) * | 2019-03-18 | 2020-09-29 | 北京大通惠德科技有限公司 | 用于边缘计算侧的机械设备运行状态监测方法和系统 |
JP2021055587A (ja) * | 2019-09-27 | 2021-04-08 | 日立Astemo株式会社 | エンジン制御装置およびエンジン制御方法 |
US11922316B2 (en) * | 2019-10-15 | 2024-03-05 | Lg Electronics Inc. | Training a neural network using periodic sampling over model weights |
CN112017409A (zh) * | 2020-08-25 | 2020-12-01 | 西安因联信息科技有限公司 | 一种机械设备振动短时增长幅度的趋势预警方法 |
CN112525336B (zh) * | 2020-11-18 | 2023-06-27 | 西安因联信息科技有限公司 | 一种机械设备振动连续增长的自动化检测方法 |
CN112527608B (zh) * | 2020-12-10 | 2024-07-02 | 北京自如信息科技有限公司 | 一种告警方法、装置及计算机设备 |
-
2021
- 2021-07-09 CN CN202110780160.2A patent/CN113514148B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009283947A (ja) * | 2003-06-27 | 2009-12-03 | Test Advantage Inc | データ分析用の方法および装置 |
CN106973355A (zh) * | 2016-01-14 | 2017-07-21 | 腾讯科技(深圳)有限公司 | 环绕立体声实现方法和装置 |
Non-Patent Citations (2)
Title |
---|
Calculating the Lyapunov exponents of a piecewise-smooth soft impacting system with a time-delayed feedback controller;Zhi Zhang;Communications in Nonlinear Science and Numerical Simulation;全文 * |
Fixed-Lag Smoothing for Low-Delay Predictive Coding with Noise Shaping for Lossy Networks;Thomas Arildsen;2010 Data Compression Conference;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113514148A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480028B (zh) | 磁盘可使用的剩余时长的获取方法及装置 | |
CN109274309B (zh) | 马达控制方法、装置、电子设备及存储介质 | |
CN110008080A (zh) | 基于时间序列的业务指标异常检测方法、装置和电子设备 | |
JP2020052740A (ja) | 異常検知装置、異常検知方法及びプログラム | |
US20170205439A1 (en) | Speed estimation systems | |
US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
CN110765414A (zh) | 性能指标数据评估方法、装置、设备及存储介质 | |
CN112770112A (zh) | 流量数据异常检测方法、装置、电子设备及存储介质 | |
GB2485054A (en) | Diagnosis of rotor thermal sensitivity | |
CN116611006A (zh) | 基于用户反馈的电水壶的故障识别方法及装置 | |
JP6647461B1 (ja) | 故障診断システム、故障予測方法、および故障予測プログラム | |
CN113514148B (zh) | 基于低延迟数据平滑的设备振动预警方法及系统 | |
CN113986700A (zh) | 数据采集频率的优化方法、系统、装置及存储介质 | |
CN116449081B (zh) | 具有自适应调控功能的数据采集系统、装置及存储介质 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN111258863B (zh) | 数据异常检测方法、装置、服务器和计算机可读存储介质 | |
JPH03132899A (ja) | オンライン設備の寿命予測方法 | |
CN114091937A (zh) | 一种仪控板卡dcdc电路健康状态评估方法及装置 | |
CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
CN112486760B (zh) | 基于arima的软件运行环境要素行为趋势分析方法 | |
CN118275034B (zh) | 一种智能抗干扰压力变送器 | |
CN113312758B (zh) | 风力发电机组的健康状态评估方法和装置 | |
CN117318616B (zh) | 一种光伏预警方法、系统、存储介质及电子设备 | |
JP4661853B2 (ja) | 障害分析システム、方法、及びプログラム | |
CN117743895A (zh) | 电驱系统故障识别方法、智能设备和车辆 |
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 |