CN113740066A - 一种压缩机轴承早期故障检测方法 - Google Patents

一种压缩机轴承早期故障检测方法 Download PDF

Info

Publication number
CN113740066A
CN113740066A CN202111310632.4A CN202111310632A CN113740066A CN 113740066 A CN113740066 A CN 113740066A CN 202111310632 A CN202111310632 A CN 202111310632A CN 113740066 A CN113740066 A CN 113740066A
Authority
CN
China
Prior art keywords
data sequence
data
length
bearing
fault detection
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
CN202111310632.4A
Other languages
English (en)
Other versions
CN113740066B (zh
Inventor
王平
盖文
鲁相
张双喜
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.)
Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center
Original Assignee
Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center
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 Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center filed Critical Equipment Design and Testing Technology Research Institute of China Aerodynamics Research and Development Center
Priority to CN202111310632.4A priority Critical patent/CN113740066B/zh
Publication of CN113740066A publication Critical patent/CN113740066A/zh
Application granted granted Critical
Publication of CN113740066B publication Critical patent/CN113740066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • 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)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Mechanical Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种压缩机轴承早期故障检测方法，包括通过自相关函数获得振动数据序列的自相关长度，自编码器压缩振动数据序列，数据序列集悬着和处理，再计算阈值，将健康指标与阈值对比判断早期故障检测，最终得出压缩机轴承是否有故障；本发明通过自相关函数和自动编码器的轴承数据压缩方法，以解决振动数据长度不一的问题；然后通过对数据序列集的处理和技术，能够防止检测结果受到噪声影响而产生较大的波动导致早期故障检测受到影响；同时采用基于自适应阈值和历史数据的早期故障检测方法和早期故障检测的决策逻辑，以减少误报和漏报。

Description

一种压缩机轴承早期故障检测方法
技术领域
本发明涉及机械设备故障检测技术领域，具体讲是一种压缩机轴承早期故障检测方法。
背景技术
轴承是压缩机中最容易损坏的元件之一，其的安全运行与否对压缩机有至关重要的影响。在大型风力试验中，如果压缩机中轴承发生损坏，将使得整个压缩机发生故障，造成经济损失。若能够在轴承故障的早期对故障进行检测，尽早发现轴承的损伤，将会大大减小故障带来的危害，对大型风力试验有着重要的意义。
发明内容
因此，为了解决上述不足，本发明在此提供一种压缩机轴承早期故障检测方法，通过自相关函数和自动编码器的轴承数据压缩方法，以解决振动数据长度不一的问题；然后通过对数据序列集的处理和技术，能够防止检测结果受到噪声影响而产生较大的波动导致早期故障检测受到影响；同时采用基于自适应阈值和历史数据的早期故障检测方法和早期故障检测的决策逻辑，以减少误报和漏报。
本发明是这样实现的，压缩机轴承早期故障检测方法，包括如下步骤：
步骤一、通过自相关函数获得振动数据序列的自相关长度，并取最大值C；
获取方法是，通过自相关函数分别获得风洞试验数据中长度为L、
Figure DEST_PATH_IMAGE002A
、
Figure DEST_PATH_IMAGE004A
、
Figure DEST_PATH_IMAGE006A
、
Figure DEST_PATH_IMAGE008A
、
Figure DEST_PATH_IMAGE010A
、
Figure DEST_PATH_IMAGE012A
（L可以由实际情况确定）的振动数据序列的自相关长C1,C2,C3,C4,C5,C6,C7，并取最大值
Figure DEST_PATH_IMAGE014A
。
步骤二、训练隐藏节点数量为C的自动编码器；
步骤三、通过训练好的自编码器将长度为L振动数据序列压缩至长度为C的数据序列；通过步骤一至步骤三能解决振动数据长度不一的问题，能确定出一个合适的数据长度，因为数据长度过长则会增加计算量，数据长度过短则由于数据中包含的信息较少而增加误差。
步骤四、在长度为C的数据序列集D中，选择健康状态下的数据序列集DH；
步骤五、在数据序列集DH的基础上，通过折息加权最小二乘法寻找数据序列OH；
所述数据序列OH是通过折息加权最小二乘法寻找使为最小值的数据序列；其中
Figure DEST_PATH_IMAGE016A
，N为数据序列集DH中序列数量，
Figure DEST_PATH_IMAGE018A
是数据序列集DH中第i个数据序列的第j个数据，
Figure DEST_PATH_IMAGE020A
为数据序列OH的第j个数据，
Figure DEST_PATH_IMAGE022A
为第j个折息权重，
Figure DEST_PATH_IMAGE024A
为折息因子，
Figure DEST_PATH_IMAGE026A
。
步骤六、采用如下公式计算数据序列集DH与数据序列OH的距离向量S，并将距离作为健康指标；
Figure DEST_PATH_IMAGE028A
，
其中，
Figure DEST_PATH_IMAGE030A
是距离向量S中第i个元素。
由于考虑噪声影响轴承健康检测方法，利用步骤四至步骤六所述方法能防止检测结果受到噪声影响而产生较大的波动导致早期故障检测受到影响。
步骤七、计算阈值，将健康指标与阈值对比判断早期故障检测。
其中阈值的计算如下：
采用统计中置信区间的思想来设计自适应阈值，距离向量S的均值和方差分别为：
Figure DEST_PATH_IMAGE032A
和
Figure DEST_PATH_IMAGE034A
；根据距离向量S的分布情况，需设置一个上限值和一个下限值；同时，在实际运行过程中由于噪声的扰动会使得在无故障的情况下距离向量S不为0，故引入一个常数
Figure DEST_PATH_IMAGE036A
（可根据实际情况进行设置）来提高阈值的鲁棒性，并根据试验数据中历史无故障数据确定；因此，根据距离向量S的均值和方差确定出如下阈值：
Figure DEST_PATH_IMAGE038A
，
其中，
Figure DEST_PATH_IMAGE040A
是上限值，
Figure DEST_PATH_IMAGE042A
是下限值
判断早期故障检测的逻辑如下：
Figure DEST_PATH_IMAGE044A
其中，
Figure DEST_PATH_IMAGE046A
为根据最新序列获得的健康指标；步骤七所述的方法是基于自适应阈值和历史数据的早期故障检测方法，能够减少误报和漏报；在该步骤的方法中，采用统计中置信区间的思想来设计自适应阈值是解决如果选择较小的阈值，将导致误报，而阈值选择过大时，将导致漏报。
本发明首先给出了基于自相关函数和自动编码器的轴承数据压缩方法，以解决振动数据长度不一的问题，然后给出了一种考虑噪声影响的轴承健康检测方法，以防止检测结果受到噪声影响而产生较大的波动导致早期故障检测受到影响。最后，给出了一种基于自适应阈值和历史数据的早期故障检测方法和早期故障检测的决策逻辑，以减少误报和漏报。本发明只需可通过轴承的振动数据对轴承的早期故障进行检测，为维护人员对轴承的预防性维护提供预警信息。
附图说明
图1是本发明流程图。
具体实施方式
下面将结合附图1对本发明进行详细说明，一种压缩机轴承早期故障检测方法，包括如下步骤：
首先，通过自相关函数获得振动数据序列的自相关长度，并取最大值C；
获取方法是，通过自相关函数分别获得风洞试验数据中长度为L、
Figure DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE048
、
Figure DEST_PATH_IMAGE049
、
Figure DEST_PATH_IMAGE008AA
、
Figure DEST_PATH_IMAGE010AA
、
Figure DEST_PATH_IMAGE050
（L可以由实际情况确定）的振动数据序列的自相关长C1,C2,C3,C4,C5,C6,C7，并取最大值
Figure DEST_PATH_IMAGE051
。
训练隐藏节点数量为C的自动编码器；
通过训练好的自编码器将长度为L振动数据序列压缩至长度为C的数据序列；
在长度为C的数据序列集D中，选择健康状态下的数据序列集DH；
在数据序列集DH的基础上，通过折息加权最小二乘法寻找数据序列OH；
所述数据序列OH是通过折息加权最小二乘法寻找使为最小值的数据序列；其中
Figure DEST_PATH_IMAGE053
，N为数据序列集DH中序列数量，
Figure DEST_PATH_IMAGE055
是数据序列集DH中第i个数据序列的第j个数据，
Figure DEST_PATH_IMAGE057
为数据序列OH的第j个数据，
Figure DEST_PATH_IMAGE059
为第j个折息权重，
Figure DEST_PATH_IMAGE061
为折息因子，
Figure DEST_PATH_IMAGE063
。
采用如下公式计算数据序列集DH与数据序列OH的距离向量S，并将距离向量S的距离作为健康指标；
Figure DEST_PATH_IMAGE065
，
其中，OH,j是数据序列OH的第j个数据，
Figure DEST_PATH_IMAGE067
是数据序列集DH的中第i个数据序列的第j个数据，是第j个折息权重，
Figure DEST_PATH_IMAGE069
是距离向量S中第i个元素。
计算阈值，将健康指标与阈值对比判断早期故障检测。
其中阈值的计算如下：
采用统计中置信区间的思想来设计自适应阈值，距离向量S的均值和方差分别为：
Figure DEST_PATH_IMAGE071
和
Figure DEST_PATH_IMAGE073
；根据距离向量S的分布情况，需设置一个上限值和一个下限值；同时，在实际运行过程中由于噪声的扰动会使得在无故障的情况下距离向量S不为0，故引入一个常数（可根据实际情况进行设置）来提高阈值的鲁棒性，并根据试验数据中历史无故障数据确定；因此，根据距离向量S的均值和方差确定出如下阈值：
Figure DEST_PATH_IMAGE075
其中，
Figure DEST_PATH_IMAGE077
是上限值，
Figure DEST_PATH_IMAGE079
是下限值；
Figure DEST_PATH_IMAGE081
为常数，可根据历史数据进行合理设置。
判断早期故障检测的逻辑如下：
Figure DEST_PATH_IMAGE083
其中，
Figure DEST_PATH_IMAGE085
为根据最新序列获得的健康指标；通过对比则能够得出轴承是否有故障。
本发明只需可通过轴承的振动数据对轴承的早期故障进行检测，就能够为维护人员对轴承的预防性维护提供预警信息。

Claims (6)

1.一种压缩机轴承早期故障检测方法，其特征在于，包括如下步骤：
S1、通过自相关函数获得振动数据序列的自相关长度，并取最大值C；
S2、训练隐藏节点数量为C的自动编码器；
S3、通过训练好的自编码器将振动数据序列压缩至长度为C的数据序列；
S4、在长度为C的数据序列集D中，选择健康状态下的数据序列集DH；
S5、在数据序列集DH的基础上，通过折息加权最小二乘法寻找数据序列OH；
S6、采用如下公式计算数据序列集DH与数据序列OH的距离向量S，并将距离作为健康指标；
Figure DEST_PATH_IMAGE002
，
其中，OH,j是数据序列OH的第j个数据，
Figure DEST_PATH_IMAGE004
是数据序列集DH的中第i个数据序列的第j个数据，
Figure DEST_PATH_IMAGE006
为第j个折息权重，
Figure DEST_PATH_IMAGE008
为折息因子，
Figure DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE012
是距离向量S中第i个元素；
S7、计算阈值，将健康指标与阈值对比判断早期故障检测。
2.根据权利要求1所述一种压缩机轴承早期故障检测方法，其特征在于，所述步骤S1的获取方法如下：
通过自相关函数分别获得风洞试验数据中长度为L、
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE020
、
Figure DEST_PATH_IMAGE022
、
Figure DEST_PATH_IMAGE024
的振动数据序列的自相关长C1,C2,C3,C4,C5,C6,C7，并取最大值
Figure DEST_PATH_IMAGE026
。
3.根据权利要求1所述一种压缩机轴承早期故障检测方法，其特征在于，所述步骤S3中振动数据序列的长度为L。
4.根据权利要求1所述一种压缩机轴承早期故障检测方法，其特征在于，所述步骤S5中所述数据序列OH是通过折息加权最小二乘法寻找使为最小值的数据序列；其中
Figure DEST_PATH_IMAGE028
，N为数据序列集DH中序列数量。
5.根据权利要求4所述一种压缩机轴承早期故障检测方法，其特征在于，所述步骤S7中阈值的计算如下：
采用统计中置信区间的思想来设计自适应阈值，距离向量S的均值和方差分别为：
Figure DEST_PATH_IMAGE030
和
Figure DEST_PATH_IMAGE032
；
根据距离向量S的分布情况，需设置一个上限值和一个下限值；同时，在实际运行过程中由于噪声的扰动会使得在无故障的情况下距离向量S不为0，故引入一个常数
Figure DEST_PATH_IMAGE034
来提高阈值的鲁棒性；因此，根据距离向量S的均值和方差确定出如下阈值：
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE038
是上限值，
Figure DEST_PATH_IMAGE040
是下限值，
Figure DEST_PATH_IMAGE042
为常数。
6.根据权利要求5所述一种压缩机轴承早期故障检测方法，其特征在于，判断早期故障检测的逻辑如下：
Figure DEST_PATH_IMAGE044
其中，
Figure DEST_PATH_IMAGE046
为根据最新序列获得的健康指标。
CN202111310632.4A 2021-11-08 2021-11-08 一种压缩机轴承早期故障检测方法 Active CN113740066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111310632.4A CN113740066B (zh) 2021-11-08 2021-11-08 一种压缩机轴承早期故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111310632.4A CN113740066B (zh) 2021-11-08 2021-11-08 一种压缩机轴承早期故障检测方法

Publications (2)

Publication Number Publication Date
CN113740066A true CN113740066A (zh) 2021-12-03
CN113740066B CN113740066B (zh) 2022-02-08

Family

ID=78727689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111310632.4A Active CN113740066B (zh) 2021-11-08 2021-11-08 一种压缩机轴承早期故障检测方法

Country Status (1)

Country Link
CN (1) CN113740066B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115587294A (zh) * 2022-12-08 2023-01-10 中国空气动力研究与发展中心设备设计与测试技术研究所 一种基于叶尖间隙和轴承振动的压缩机故障诊断方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4553213A (en) * 1970-12-28 1985-11-12 Hyatt Gilbert P Communication system
FR2671195A1 (fr) * 1990-12-27 1992-07-03 Thomson Csf Traitement d'un signal impulsionnel code numeriquement.
GB9307407D0 (en) * 1993-04-08 1993-06-02 Sony Uk Ltd Motion compensated video signal processing
WO1999001981A1 (en) * 1997-07-04 1999-01-14 The Secretary Of State For Defence Data encoding system
CN101984612A (zh) * 2010-10-26 2011-03-09 南京邮电大学 基于压缩感知的非连续正交频分复用信道估计方法
CN102752798A (zh) * 2012-07-23 2012-10-24 重庆大学 一种无线传感器网络数据无损压缩的方法
CN103335844A (zh) * 2013-06-24 2013-10-02 中国计量学院 一种自适应随机共振轴承故障检测方法
CN103346797A (zh) * 2013-05-30 2013-10-09 重庆大学 一种用于齿轮故障信号的实时压缩方法
CN103792527A (zh) * 2013-11-21 2014-05-14 中国科学院上海技术物理研究所 一种m序列应用于相位编码体制成像雷达脉冲压缩方法
CN105162745A (zh) * 2015-08-04 2015-12-16 江苏中兴微通信息科技有限公司 一种用于无线局域网通信系统的短训练序列设计方法
CN106533750A (zh) * 2016-10-28 2017-03-22 东北大学 一种云环境下非平稳型应用用户并发量的预测系统及方法
CN109187022A (zh) * 2018-08-31 2019-01-11 南京信息工程大学 一种基于随机共振与自动编码器的滚动轴承故障诊断方法
CN110849626A (zh) * 2019-11-18 2020-02-28 东南大学 一种自适应稀疏压缩自编码的滚动轴承故障诊断系统
CN111738155A (zh) * 2020-06-23 2020-10-02 东北石油大学 往复压缩机轴承间隙故障诊断方法
CN111852837A (zh) * 2020-07-14 2020-10-30 北京博华信智科技股份有限公司 基于聚类的往复式压缩机自适应故障监测方法
CN112161805A (zh) * 2020-09-03 2021-01-01 中国长江三峡集团有限公司福建分公司 一种基于时间序列标度分析和cnn的轴承微小故障诊断方法
CN112486722A (zh) * 2020-12-18 2021-03-12 江西理工大学 一种系统故障检测方法及相关装置
CN112714448A (zh) * 2021-01-22 2021-04-27 西安电子科技大学 动态频谱共享中的主同步信号检测方法
CN113191219A (zh) * 2021-04-15 2021-07-30 华能威宁风力发电有限公司 一种风机轴承故障自适应辨识方法
CN113285647A (zh) * 2021-05-20 2021-08-20 北京理工大学 一种永磁同步电机反馈调节方法和装置、永磁同步电机
CN113566953A (zh) * 2021-09-23 2021-10-29 中国空气动力研究与发展中心设备设计与测试技术研究所 一种柔壁喷管的在线监测方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4553213A (en) * 1970-12-28 1985-11-12 Hyatt Gilbert P Communication system
FR2671195A1 (fr) * 1990-12-27 1992-07-03 Thomson Csf Traitement d'un signal impulsionnel code numeriquement.
GB9307407D0 (en) * 1993-04-08 1993-06-02 Sony Uk Ltd Motion compensated video signal processing
WO1999001981A1 (en) * 1997-07-04 1999-01-14 The Secretary Of State For Defence Data encoding system
CN101984612A (zh) * 2010-10-26 2011-03-09 南京邮电大学 基于压缩感知的非连续正交频分复用信道估计方法
CN102752798A (zh) * 2012-07-23 2012-10-24 重庆大学 一种无线传感器网络数据无损压缩的方法
CN103346797A (zh) * 2013-05-30 2013-10-09 重庆大学 一种用于齿轮故障信号的实时压缩方法
CN103335844A (zh) * 2013-06-24 2013-10-02 中国计量学院 一种自适应随机共振轴承故障检测方法
CN103792527A (zh) * 2013-11-21 2014-05-14 中国科学院上海技术物理研究所 一种m序列应用于相位编码体制成像雷达脉冲压缩方法
CN105162745A (zh) * 2015-08-04 2015-12-16 江苏中兴微通信息科技有限公司 一种用于无线局域网通信系统的短训练序列设计方法
CN106533750A (zh) * 2016-10-28 2017-03-22 东北大学 一种云环境下非平稳型应用用户并发量的预测系统及方法
CN109187022A (zh) * 2018-08-31 2019-01-11 南京信息工程大学 一种基于随机共振与自动编码器的滚动轴承故障诊断方法
CN110849626A (zh) * 2019-11-18 2020-02-28 东南大学 一种自适应稀疏压缩自编码的滚动轴承故障诊断系统
CN111738155A (zh) * 2020-06-23 2020-10-02 东北石油大学 往复压缩机轴承间隙故障诊断方法
CN111852837A (zh) * 2020-07-14 2020-10-30 北京博华信智科技股份有限公司 基于聚类的往复式压缩机自适应故障监测方法
CN112161805A (zh) * 2020-09-03 2021-01-01 中国长江三峡集团有限公司福建分公司 一种基于时间序列标度分析和cnn的轴承微小故障诊断方法
CN112486722A (zh) * 2020-12-18 2021-03-12 江西理工大学 一种系统故障检测方法及相关装置
CN112714448A (zh) * 2021-01-22 2021-04-27 西安电子科技大学 动态频谱共享中的主同步信号检测方法
CN113191219A (zh) * 2021-04-15 2021-07-30 华能威宁风力发电有限公司 一种风机轴承故障自适应辨识方法
CN113285647A (zh) * 2021-05-20 2021-08-20 北京理工大学 一种永磁同步电机反馈调节方法和装置、永磁同步电机
CN113566953A (zh) * 2021-09-23 2021-10-29 中国空气动力研究与发展中心设备设计与测试技术研究所 一种柔壁喷管的在线监测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FANG CHEN等: "Particle image velocimetry for combustion measurements:Applications and developments", 《CHINESE JOURNAL OF AERONAUTICS》 *
P.HANDEL ET AL.: ""Discounted least squares gearshift detection using accelerometer data"", 《IEEE TRANSACTION ON INSTRUMENTATION AND MEASUREMENT 》 *
温江涛等: ""基于压缩采集与深度学习的轴承故障诊断方法"", 《仪器仪表学报》 *
王勇等: ""基于折息递推最小二乘自适应动态矩阵的过热汽温控制器设计"", 《国电机工程学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115587294A (zh) * 2022-12-08 2023-01-10 中国空气动力研究与发展中心设备设计与测试技术研究所 一种基于叶尖间隙和轴承振动的压缩机故障诊断方法

Also Published As

Publication number Publication date
CN113740066B (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
CN109492193B (zh) 基于深度机器学习模型的异常网络数据生成与预测方法
CN105004523B (zh) 基于加权相似性测度的滚动轴承状态监测方法
CN112348237B (zh) 一种动态钻井数据异常趋势检测方法
CN113076975A (zh) 一种基于无监督学习的大坝安全监测数据异常检测方法
CA2931624A1 (en) Systems and methods for event detection and diagnosis
CN115326147B (zh) 一种船舶用脱硫塔实时监测方法及系统
CN113740066B (zh) 一种压缩机轴承早期故障检测方法
CN115187832A (zh) 一种基于深度学习与格拉姆角场图像的能源系统故障诊断方法
CN117436024B (zh) 一种基于钻机运行数据分析的故障诊断方法及系统
CN109921415A (zh) 一种面向混合量测的电网恶性数据注入攻击在线防御方法
CN109361648A (zh) 工控系统的隐蔽攻击的检测方法及装置
CN114881269B (zh) 一种用于物料输送管路的异常检测方法及装置
CN113269041B (zh) 一种应用于同期装置的信号异常检测方法
CN113946920A (zh) 一种数据不平衡且数据集存在偏差的滚动轴承故障诊断方法
CN117057150A (zh) 一种基于无监督叠加集成的供水管网爆管检测与识别方法
CN109872511B (zh) 一种针对轴向位移突变监测的自适应两级报警方法
CN112528227A (zh) 一种基于数理统计的传感器异常数据识别方法
CN116776726A (zh) 基于分阶段差异化特征选择的机电装备零件寿命预测方法
CN116628554A (zh) 一种工业互联网数据异常的检测方法、系统和设备
CN116189802A (zh) 一种基于气体浓度时序数据的变压器故障预警方法
CN113177484B (zh) 基于lof自编码的机械故障智能诊断方法
CN115618263A (zh) 一种基于Feature-level SMOTE的复杂装备不均衡故障诊断方法
CN115577312A (zh) 基于改进dagmm的建筑用电负荷曲线异常检测方法
CN112162515B (zh) 一种针对过程监控系统的对抗攻击方法
Boechat et al. On-line calibration monitoring system based on data-driven model for oil well sensors

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