CN113562562A - 一种电梯安全预警监测系统及其判断方法 - Google Patents

一种电梯安全预警监测系统及其判断方法 Download PDF

Info

Publication number
CN113562562A
CN113562562A CN202110699089.5A CN202110699089A CN113562562A CN 113562562 A CN113562562 A CN 113562562A CN 202110699089 A CN202110699089 A CN 202110699089A CN 113562562 A CN113562562 A CN 113562562A
Authority
CN
China
Prior art keywords
elevator
data
running
fault
monitoring
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
Application number
CN202110699089.5A
Other languages
English (en)
Inventor
孙家俊
周雨露
杨澍
王鑫
梁渝普
王玉琳
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110699089.5A priority Critical patent/CN113562562A/zh
Publication of CN113562562A publication Critical patent/CN113562562A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0018—Devices monitoring the operating condition of the elevator system
    • B66B5/0031—Devices monitoring the operating condition of the elevator system for safety reasons
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/3415—Control system configuration and the data transmission or communication within the control system
    • B66B1/3423—Control system configuration, i.e. lay-out
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)
  • Maintenance And Inspection Apparatuses For Elevators (AREA)

Abstract

本发明公开了一种电梯安全预警监测系统，具有传感器组和计算系统；所述传感器组包括温度传感器用于对电梯运行温度进行监测、湿度传感器对电梯运行环境湿度进行检测、加速度传感器对电梯运行加速度进行监测、测距传感器对电梯运行长度进行监测、噪声传感器对电梯运行噪声进行监测；所述计算系统包括：采集输入模块用于对传感器组反馈的数据进行处理；数据库用于对处理后的数据进行存储及调用；通过本系统及系统采用的判断方法，不仅能够监测电梯运行状态下实时的故障信息，还能够通过模型训练来对长时间运行状态的设备进行安全预警，在发生电梯故障前对可能到来的情况通过预测评估，以避免故障的发生，保证电梯的安全运行。

Description

一种电梯安全预警监测系统及其判断方法
技术领域
本发明涉及电梯安全预警技术，具体是一种电梯安全预警监测系统及其判断方法。
背景技术
电梯是指服务于建筑物内若干特定的楼层，其轿厢运行在至少两列垂直于水平面或与铅垂线倾斜角小于15°的刚性轨道运动的永久运输设备，电梯需要定期进行维护检查，以保证运行的安全，但问题的出现并不仅仅只能依赖定期的检测。
目前没有专门对于电梯进行实时安全预警的系统，只能够在发生故障后通过监控系统或乘坐人员电梯内进行报警来人为发现故障，这样不仅影响乘坐人员的安全，并且在发生故障时，就已经导致了电梯的部分损坏，影响使用寿命并且造成经济损失。
发明内容
本发明的目的在于提供一种电梯安全预警监测系统及其判断方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种电梯安全预警监测系统，具有传感器组和计算系统；
所述传感器组包括温度传感器用于对电梯运行温度进行监测、湿度传感器对电梯运行环境湿度进行检测、加速度传感器对电梯运行加速度进行监测、测距传感器对电梯运行长度进行监测、噪声传感器对电梯运行噪声进行监测；
所述计算系统包括：采集输入模块用于对传感器组反馈的数据进行处理；数据库用于对处理后的数据进行存储及调用；故障预测模块用于对数据进行计算及故障预测计算。
电梯安全预警监测系统的安全预警判断方法，采用上述系统，包括数据采集、数据处理、特征提取、模型训练和安全预警。
其中数据采集步骤：通过传感器组进行数据的采集，以json格式输入数据库；
数据处理步骤：传感器组采集的数据在输入数据库前，通过安装在集群master节点上的Flume采集数据后传递给Kafka，采用flume进行分布式的数据收集，然后对数据进行清洗，删除数据采集指标为恒定值的字段、删除整条记录中数值均为空的数据、去除与模型无关的字段值例，即分组化处理中仅保留一组的电机基础信息、使用地点作为表头；
数据清洗步骤包括：(1)修正数据空缺值，这一部分采用同类均值插补和手动插补这两种方法；
(2)修正异常数据；
(3)处理重复值；
(4)处理矛盾数据；
(5)进行特征编码，对重要参数如温度、加速度、运行长度等用自定义标签完成量化编码；
(6)对噪声进行平滑，其方法有分箱法、回归法、聚类法；
(7)对数据进行数据集成和标准化处理，由于各个采集参数之间不尽相同，且各自的度量标准不相同，不能对这些数据直接进行操作，需要通过标准化处理后，才可以被运用到算法中，这样做可以提升效率和性能。
特征提取步骤：通过调用数据库汇总经过数据清洗后存储的清洗数据，采用Relief-F算法来对电梯故障的关联因素进行筛选，得到对电梯的故障预测起主要作用的因素；其中由清洗后的数据中表征电梯运行的状态参数得到属性集，电梯的主要故障类型分为7种，加上正常状态，电梯的总状态大致可分为8部分，其分别为正常状态、曳引系统故障、导向系统故障、门系统故障、电器控制系统故障、重量平衡系统故障、电力拖动系统故障、安全保护系统故障。
模型训练步骤：包括训练机器学习模型和导出电梯运行报告；
训练机器学习模型包括：1)、对原始的电梯运行信息、电梯故障信息、电梯维保信息等经过数据清洗，之后提取出特征值，构建成数据集；
2)、接下来对LSTM网络进行初始化设置，确定网络的输入层节点i、隐含层节点数j、输出层节点数k、单元状态维度，初始化输入层和隐含层及输出层之间的权值，初始化输入门和遗忘门及细胞单元链接权重、初始化阈值，并给定学习率和神经元激励函数；
3)、计算出每个神经元的输出值；
4)、误差计算，根据预测输出和预测输出矩阵反响计算每个神经元的误差；
5)、权值更新，根据预测误差更新网络连接权重；
6)、阈值更新，跟据预测误差跟新节点阈值；
7)、循环往复，判断结束条件，若未结束返回第3步计算出每个神经元的输出值。
导出电梯运行报告：每月固定生成的报告包括各项基础参数的平均值，异常值分析，故障概率与故障原因分析，是否进行维护；报告中包括两部分数据，一部分是基于当前系统收集的参数导出的数据实时分析，第二部分是基于机器学习模型给出的预测评估。
安全预警步骤：包括综合运维信息、时段异常统计、今日资源情况、资产地图、机群状态、综合设备环境在线监测、站所报警、故障预测与诊断、维护与维修，将特征提取和模型训练两个步骤计算得出的数据以可视化方式输出，方便人员进行实时监测进行预警。
作为本发明的优选方案：所述传感器组还包括对应电梯设置的电子标签，包括电梯的基础设备信息以及使用地点、维保人员、维保信息。
与现有技术相比，本发明的有益效果是：通过本系统及系统采用的判断方法，不仅能够监测电梯运行状态下实时的故障信息，还能够通过模型训练来对长时间运行状态的设备进行安全预警，在发生电梯故障前对可能到来的情况通过预测评估，以避免故障的发生，保证电梯的安全运行。
附图说明
图1为本系统的原理图。
图2为本系统的方法流程图。
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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1，本发明实施例中，一种电梯安全预警监测系统，具有传感器组和计算系统；
所述传感器组包括温度传感器用于对电梯运行温度进行监测、湿度传感器对电梯运行环境湿度进行检测、加速度传感器对电梯运行加速度进行监测、测距传感器对电梯运行长度进行监测、噪声传感器对电梯运行噪声进行监测；
所述计算系统包括：采集输入模块用于对传感器组反馈的数据进行处理；数据库用于对处理后的数据进行存储及调用；故障预测模块用于对数据进行计算及故障预测计算。
进一步的，所述传感器组还包括对应电梯设置的电子标签，包括电梯的基础设备信息以及使用地点、维保人员、维保信息，便于进行数据的分组化监控。
本系统进行进行电梯的安全预警判断方法，包括数据采集、数据处理、特征提取、模型训练和安全预警。
其中数据采集步骤：通过传感器组进行数据的采集，以json格式输入数据库；
数据处理步骤：传感器组采集的数据在输入数据库前，通过安装在集群master节点上的Flume采集数据后传递给Kafka，采用flume进行分布式的数据收集，然后对数据进行清洗，删除数据采集指标为恒定值的字段、删除整条记录中数值均为空的数据、去除与模型无关的字段值例，即分组化处理中仅保留一组的电机基础信息、使用地点作为表头；
数据清洗步骤包括：(1)修正数据空缺值，这一部分采用同类均值插补和手动插补这两种方法；
(2)修正异常数据；
(3)处理重复值；
(4)处理矛盾数据；
(5)进行特征编码，对重要参数如温度、加速度、运行长度等用自定义标签完成量化编码；
(6)对噪声进行平滑，其方法有分箱法、回归法、聚类法；
(7)对数据进行数据集成和标准化处理，由于各个采集参数之间不尽相同，且各自的度量标准不相同，不能对这些数据直接进行操作，需要通过标准化处理后，才可以被运用到算法中，这样做可以提升效率和性能。
特征提取步骤：通过调用数据库汇总经过数据清洗后存储的清洗数据，采用Relief-F算法来对电梯故障的关联因素进行筛选，得到对电梯的故障预测起主要作用的因素；其中由清洗后的数据中表征电梯运行的状态参数得到属性集，电梯的主要故障类型分为7种，加上正常状态，电梯的总状态大致可分为8部分，其分别为正常状态、曳引系统故障、导向系统故障、门系统故障、电器控制系统故障、重量平衡系统故障、电力拖动系统故障、安全保护系统故障。
实际情况下，多数故障在发生前，振动数据是监测的主要数据，可单独对振动数据进行分析，如对数据进行短时傅里叶变换，分别对每个数据信号进行加窗操作得到频谱图，然后对频谱图进行倒谱分析，得到倒频谱图，再以横轴为时间，纵轴为频率，绘制得到时频图，也可以采用Hilbert变化对频率进行包络解调，以轴承外圈故障为例，局部的机械损伤由于冲击而导致其故障频率被调制到高频段，仅仅通过频谱分析难以发现其有效的特征频率成分，而包络解调可以实现将其低频调制信号从载波信号中分离出来，从而得出其冲击频率并判断相应故障，此处不做具体的限制。
模型训练步骤：包括训练机器学习模型和导出电梯运行报告；
实际监测时，除了电梯当前的状态因素外，其前一阶段的状态对电梯故障预测也起着作用；因此采用长短时间记忆网络并结合强关联因素提取的方法，可以预测电梯的故障；LSTM模型是由时刻的输入词，细胞状态，临时细胞状态，隐层状态，遗忘门，记忆门，输出门组成；LSTM的计算过程可以概括为，通过对细胞状态中信息遗忘和记忆新的信息使得对后续时刻计算有用的信息得以传递，而无用的信息被丢弃，并在每个时间步都会输出隐层状态，其中遗忘，记忆与输出由通过上个时刻的隐层状态和当前输入计算出来的遗忘门，记忆门，输出门来控制。
基于上述，a、训练机器学习模型包括：1)、对原始的电梯运行信息、电梯故障信息、电梯维保信息等经过数据清洗，之后提取出特征值，构建成数据集；
2)、接下来对LSTM网络进行初始化设置，确定网络的输入层节点i、隐含层节点数j、输出层节点数k、单元状态维度，初始化输入层和隐含层及输出层之间的权值，初始化输入门和遗忘门及细胞单元链接权重、初始化阈值，并给定学习率和神经元激励函数；
3)、计算出每个神经元的输出值；
4)、误差计算，根据预测输出和预测输出矩阵反响计算每个神经元的误差；
5)、权值更新，根据预测误差更新网络连接权重；
6)、阈值更新，跟据预测误差跟新节点阈值；
7)、循环往复，判断结束条件，若未结束返回第3步计算出每个神经元的输出值。
B、导出电梯运行报告：每月固定生成的报告包括各项基础参数的平均值，异常值分析，故障概率与故障原因分析，是否进行维护；报告中包括两部分数据，一部分是基于当前系统收集的参数导出的数据实时分析，第二部分是基于机器学习模型给出的预测评估。
安全预警步骤：包括综合运维信息、时段异常统计、今日资源情况、资产地图、机群状态、综合设备环境在线监测、站所报警、故障预测与诊断、维护与维修，将特征提取和模型训练两个步骤计算得出的数据以可视化方式输出，方便人员进行实时监测进行预警。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种电梯安全预警监测系统，具有传感器组和计算系统，其特征在于，
所述传感器组包括温度传感器用于对电梯运行温度进行监测、湿度传感器对电梯运行环境湿度进行检测、加速度传感器对电梯运行加速度进行监测、测距传感器对电梯运行长度进行监测、噪声传感器对电梯运行噪声进行监测；
所述计算系统包括：采集输入模块用于对传感器组反馈的数据进行处理；
数据库用于对处理后的数据进行存储及调用；
故障预测模块用于对数据进行计算及故障预测计算。
2.根据权利要求1所述的一种电梯安全预警监测系统，其特征在于，所述传感器组还包括对应电梯设置的电子标签，电子标签包含电梯的基础设备信息以及使用地点、维保人员、维保信息。
3.一种电梯安全预警监测系统的安全预警判断方法，权利要求1所述的系统，其特征在于，包括数据采集、数据处理、特征提取、模型训练和安全预警。
4.根据权利要求3所述的一种电梯安全预警监测系统及其判断方法，其特征在于，
其中数据采集步骤：通过传感器组进行数据的采集，以json格式输入数据库；
数据处理步骤：传感器组采集的数据在输入数据库前，通过安装在集群master节点上的Flume采集数据后传递给Kafka，采用flume进行分布式的数据收集，然后对数据进行清洗，删除数据采集指标为恒定值的字段、删除整条记录中数值均为空的数据、去除与模型无关的字段值例，即分组化处理中仅保留一组的电机基础信息、使用地点作为表头；
数据清洗步骤包括：(1)修正数据空缺值；
(2)修正异常数据；
(3)处理重复值；
(4)处理矛盾数据；
(5)进行特征编码，对温度、加速度、运行长度用自定义标签完成量化编码；
(6)对噪声进行平滑；
(7)对数据进行数据集成和标准化处理；
特征提取步骤：通过调用数据库汇总经过数据清洗后存储的清洗数据，采用Relief-F算法来对电梯故障的关联因素进行筛选，得到对电梯的故障预测起主要作用的因素，由清洗后的数据中表征电梯运行的状态参数得到属性集；
模型训练步骤：包括训练机器学习模型和导出电梯运行报告；
a、训练机器学习模型包括：1)、对原始的电梯运行信息、电梯故障信息、电梯维保信息等经过数据清洗，之后提取出特征值，构建成数据集；
2)、接下来对LSTM网络进行初始化设置，确定网络的输入层节点i、隐含层节点数j、输出层节点数k、单元状态维度，初始化输入层和隐含层及输出层之间的权值，初始化输入门和遗忘门及细胞单元链接权重、初始化阈值，并给定学习率和神经元激励函数；
3)、计算出每个神经元的输出值；
4)、误差计算，根据预测输出和预测输出矩阵反响计算每个神经元的误差；
5)、权值更新，根据预测误差更新网络连接权重；
6)、阈值更新，跟据预测误差跟新节点阈值；
7)、循环往复，判断结束条件，若未结束返回第3步计算出每个神经元的输出值。
b、导出电梯运行报告：每月固定生成的报告包括各项基础参数的平均值，异常值分析，故障概率与故障原因分析，是否进行维护；报告中包括两部分数据，一部分是基于当前系统收集的参数导出的数据实时分析，第二部分是基于机器学习模型给出的预测评估；
安全预警步骤：包括综合运维信息、时段异常统计、今日资源情况、资产地图、机群状态、综合设备环境在线监测、站所报警、故障预测与诊断、维护与维修，将特征提取和模型训练两个步骤计算得出的数据以可视化方式输出，方便人员进行实时监测进行预警。
5.根据权利要求4所述的一种电梯安全预警监测系统的安全预警判断方法，其特征在于，数据清洗步骤中修正数据空缺值时采用同类均值插补和手动插补这两种方法。
6.根据权利要求4所述的一种电梯安全预警监测系统的安全预警判断方法，其特征在于，数据清洗步骤中对噪声进行平滑时采用分箱法、回归法和聚类法。
7.根据权利要求4所述的一种电梯安全预警监测系统的安全预警判断方法，其特征在于，电梯的运行状态属性集包括正常状态、曳引系统故障、导向系统故障、门系统故障、电器控制系统故障、重量平衡系统故障、电力拖动系统故障、安全保护系统故障。
CN202110699089.5A 2021-06-23 2021-06-23 一种电梯安全预警监测系统及其判断方法 Pending CN113562562A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110699089.5A CN113562562A (zh) 2021-06-23 2021-06-23 一种电梯安全预警监测系统及其判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110699089.5A CN113562562A (zh) 2021-06-23 2021-06-23 一种电梯安全预警监测系统及其判断方法

Publications (1)

Publication Number Publication Date
CN113562562A true CN113562562A (zh) 2021-10-29

Family

ID=78162586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110699089.5A Pending CN113562562A (zh) 2021-06-23 2021-06-23 一种电梯安全预警监测系统及其判断方法

Country Status (1)

Country Link
CN (1) CN113562562A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114955770A (zh) * 2022-05-13 2022-08-30 江苏省特种设备安全监督检验研究院 一种电梯轿厢系统故障预警方法
CN115028036A (zh) * 2022-05-06 2022-09-09 北京中铁电梯工程有限公司 一种基于大数据的电梯管理方法
CN115159288A (zh) * 2022-07-07 2022-10-11 浙江省特种设备科学研究院 一种电梯故障识别方法
CN115650006A (zh) * 2022-10-24 2023-01-31 昆山广联发通信服务有限公司 一种基于大数据的电梯安全监测预警方法及系统
CN116842431A (zh) * 2023-08-31 2023-10-03 中国船舶集团国际工程有限公司 一种钢结构健康监测评估方法
CN117093904A (zh) * 2023-10-19 2023-11-21 合肥工业大学 一种变电站火灾探测数据采集方法
CN117361256A (zh) * 2023-10-10 2024-01-09 广东全联富士电梯有限公司 一种基于人工智能的电梯安全管理方法及系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115028036A (zh) * 2022-05-06 2022-09-09 北京中铁电梯工程有限公司 一种基于大数据的电梯管理方法
CN114955770A (zh) * 2022-05-13 2022-08-30 江苏省特种设备安全监督检验研究院 一种电梯轿厢系统故障预警方法
CN115159288A (zh) * 2022-07-07 2022-10-11 浙江省特种设备科学研究院 一种电梯故障识别方法
CN115159288B (zh) * 2022-07-07 2024-04-02 浙江省特种设备科学研究院 一种电梯故障识别方法
CN115650006A (zh) * 2022-10-24 2023-01-31 昆山广联发通信服务有限公司 一种基于大数据的电梯安全监测预警方法及系统
CN115650006B (zh) * 2022-10-24 2023-12-12 昆山广联发通信服务有限公司 一种基于大数据的电梯安全监测预警方法及系统
CN116842431A (zh) * 2023-08-31 2023-10-03 中国船舶集团国际工程有限公司 一种钢结构健康监测评估方法
CN117361256A (zh) * 2023-10-10 2024-01-09 广东全联富士电梯有限公司 一种基于人工智能的电梯安全管理方法及系统
CN117361256B (zh) * 2023-10-10 2024-03-12 广东全联富士电梯有限公司 一种基于人工智能的电梯安全管理方法及系统
CN117093904A (zh) * 2023-10-19 2023-11-21 合肥工业大学 一种变电站火灾探测数据采集方法
CN117093904B (zh) * 2023-10-19 2024-03-12 合肥工业大学 一种变电站火灾探测数据采集方法

Similar Documents

Publication Publication Date Title
CN113562562A (zh) 一种电梯安全预警监测系统及其判断方法
CN109524139B (zh) 一种基于设备工况变化的实时设备性能监测方法
CN109186813B (zh) 一种温度传感器自检装置及方法
CN108069308B (zh) 一种基于序贯概率的电扶梯故障诊断方法
CN110703214B (zh) 一种气象雷达状态评估和故障监测方法
CN109613428A (zh) 一种能像系统及其在电机设备故障检测方法中的应用
CN107844067B (zh) 一种水电站闸门在线状态监测控制方法及监测系统
CN104953583B (zh) 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法
CN110008350A (zh) 一种基于贝叶斯推理的机泵安康知识库查找方法
CN113177646B (zh) 一种基于自适应边缘代理的配电设备在线监测方法及系统
CN116380496B (zh) 一种汽车车门疲劳耐久测试方法、系统及介质
CN111504647A (zh) 基于ar-mset的滚动轴承的性能退化评估方法
CN114386451A (zh) 基于传感器信息感知的接触网吊弦故障诊断报警方法
CN117319047A (zh) 一种基于网络安全异常检测的网络路径分析方法及系统
CN107656156A (zh) 一种基于云平台的设备故障诊断及运行状态评估方法与系统
CN116383633A (zh) 一种多因素综合分析的机制砂振动筛故障检测方法及系统
CN115959549A (zh) 基于数字孪生的扶梯故障诊断方法
CN109412892A (zh) 一种网络通信质量评估系统及方法
KR20210006832A (ko) 기계고장 진단 방법 및 장치
CN118030409A (zh) 用于风机机组的运行性能异常检测方法及系统
CN207992717U (zh) 一种水电站闸门在线状态监测系统
CN110956112B (zh) 一种新的高可靠性回转支承寿命评估方法
CN109872511B (zh) 一种针对轴向位移突变监测的自适应两级报警方法
CN116910677A (zh) 一种工业仪表故障诊断方法及系统
CN114705995B (zh) 一种电连接状态识别方法、装置、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