CN114418144A - 一种除湿机故障分析方法及系统 - Google Patents
一种除湿机故障分析方法及系统 Download PDFInfo
- Publication number
- CN114418144A CN114418144A CN202210009638.6A CN202210009638A CN114418144A CN 114418144 A CN114418144 A CN 114418144A CN 202210009638 A CN202210009638 A CN 202210009638A CN 114418144 A CN114418144 A CN 114418144A
- Authority
- CN
- China
- Prior art keywords
- fault
- dehumidifier
- state
- parameters
- fault analysis
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Drying Of Gases (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种除湿机故障分析方法及系统,该方法包括监控并获取除湿机的运行参数;构建除湿机故障分析模型;利用除湿机故障分析模型分析相关故障类型所对应的故障状态;依据故障分析模型生成的故障原因生成对应调控策略;根据故障分析模型生成调控策略对除湿机进行调控或检修;根据调控结果或者检修结果验证除湿机故障分析模型正确性并依据验证结果对故障分析模型进行修正,该方法通过利用除湿机的运行参数与除湿机故障构建关联模型,通过模型分析除湿机的故障原因,并指导维修人员快速定位故障位置,提高维修效率;同时利用维修结果实时反馈至模型,对模型进行修正,提高分析结果的准确性。
Description
技术领域
本发明属于除湿设备技术领域,涉及一种除湿机故障分析方法及系统。
背景技术
除湿机可以将空气中的水分子冷凝成水珠,然后把处理过后的干燥空气排出除湿机外,通过重复循环上述过程可以使室内湿度保持在合适的湿度,目前除湿机一般分为民用和工业用除湿机,尤其随着现在工业的迅速发展,各大工厂对车间的环境湿度要求越来越高,对于一些大型工厂往往会在厂房内部分布有多台除湿机,当除湿机长期在高湿度环境工作时,不可避免的会出现各种故障问题,为此制造商或销售商的售后需及时针对设备进行维修,但该类型产品进行维修一方面对维修人员的工作经验要求较高,另一方面维修过程中需依靠维修人员的目测以及以往维修经验依次进行排除,从而获得故障原因,维修效率较低。
而目前为了监控预测机组的运行状态以及故障,现有制造商多会将产品接入远程监控系统,从而获取除湿机的运行数据,这样制造商就可以对已发生故障的除湿机进行分析、整改,有助于提高用户的使用质量,同时制造商能够获得宝贵的机组反馈使用经验,对新机组的开发就有了一定的参考价值。但是现在的故障分析工作大多采用人工完成,远程监控系统接收的运行数据由技术人员完成筛选、分析以及整改,当监控机组过多或者数据太多太繁杂的时候,技术人员无法精确的完成数据的拣选、分析,甚至有出现分析数据缺失的问题,针对筛选出的数据分析不准确,并且数据分析工作量大,筛选过程中容易出错,后续维修过程中无法起到指导作用。
发明内容
针对上述现有技术中存在的问题,本发明公布了一种除湿机故障分析方法及系统,其利用除湿机的运行参数与除湿机故障构建关联模型,通过模型分析除湿机的故障原因,并指导维修人员快速定位故障位置,提高维修效率;同时利用维修结果实时反馈至模型,对模型进行修正,提高分析结果的准确性。
本发明公开了一种除湿机故障分析方法,其包括如下步骤:
S100.实时监控并获取除湿机的运行参数;
S200.构建除湿机故障分析模型,所述故障分析模型包括故障类型、故障状态、运行参数三种数据类别,且所述故障类型、故障状态、运行参数分别作为节点并构建节点连接关系;
S300.根据除湿机运行参数以及实际故障类型,利用除湿机故障分析模型分析相关故障类型所对应的故障状态;
S400.依据故障分析模型生成的故障原因生成对应调控策略;
S500.根据故障分析模型生成调控策略对除湿机进行调控或检修;
S600.根据调控结果或者检修结果验证除湿机故障分析模型正确性并依据验证结果对故障分析模型进行修正。
进一步的,所述S200步骤中故障分析模型构建方法为:
首先依据历史故障数据构建故障模型数据库,所述故障模型数据库中包括故障类型、故障状态、运行参数;
针对故障模型数据库中故障类型、故障状态、运行参数三者构建关联状态图:根据历史故障数据分析故障类型对应的故障状态,每个故障类型均包括有多个故障状态;
分析在每个故障状态下所对应的运行参数类型,并筛选出高相关的运行参数类型与对应故障状态进行关联。
进一步的,所述调控策略分为指令调控策略和人工调控策略,所述指令调控策略通过运行指令调控除湿机恢复正常运行状态,所述人工调控策略用于指导维修人员人工对除湿机进行检修。
进一步的,所述故障状态与参数状态之间构建关联状态的方法为:
利用多台除湿机样机分为对照组和实验组,实验组模拟不同故障状态下的除湿机运行状态,对照组在同等状态下正常运行,之后分别采集实验组以及对照组中除湿机的运行参数;
采集获得的运行参数按照数据类型进行分类;
根据分类完毕的运行参数分析对应故障状态下所关联的运行参数:筛选出实验组和对照组在相同工况下所采集的运行参数,并分析获得对应故障状态下实验组运行参数中变化幅度大的全部异常参数,分析异常参数所对应的数据类型;
根据异常参数所对应的数据类型判断对应故障状态下所相关的运行参数的数据类型,并将对应故障状态与运行参数的数据类型相关联。
进一步的,所述S300步骤中利用除湿机故障分析模型分析相关故障类型所对应故障状态的具体方法为:
获取除湿机发生故障时所对应的实际运行参数以及除湿机发生故障前对应的运行工况;
分析筛选出运行参数中所有异常数据,并根据除湿机故障分析模型分析异常参数与各故障状态的相关程度;
结合故障分析模型分析获得包含异常参数数量最多的故障状态,即获得除湿机发生故障时所对应的故障状态。
进一步的,所述S300步骤中异常数据的判定分析方法为:
针对仅单台除湿机运行条件下,从除湿机正常运行状态下的历史运行参数中筛选出同等工况条件下的历史运行参数;分析除湿机发生故障时,实际运行参数中相对于已筛选的历史运行参数离散程度较大的运行参数,即为除湿机的异常数据;和/或,
针对多台除湿机运行条件下,当某台除湿机发生故障时,分析同等工况条件下对应除湿机的运行参数相对于其他除湿机的运行参数的离散状态,筛选出对应除湿机中偏离程度明显的运行参数,即为除湿机的异常数据。
进一步的,所述S300步骤中异常参数与各故障状态相关程度的具体分析方法为:
首先根据已构建的除湿机故障分析模型筛选出不同故障状态分别对应的全部运行参数,并构建对应故障状态的子模型;
通过分析已筛选出异常数据与不同故障状态对应子模型中运行参数的匹配数量,获得异常数据与故障状态所对应运行参数的匹配度;
选择匹配度最高的故障状态,即为与异常参数相关程度最高的故障状态。
进一步的,所述S600步骤中依据验证结果对故障分析模型进行修正的具体方法为:
首先根据故障分析模型生成的调控策略对除湿机进行调控或检修;
维修人员针对除湿机实际故障进行调控或检修,并将调控结果或检修结果中除湿机实际故障状态反馈至故障分析模型,故障分析模型对比分析除湿机实际故障状态与对应调控策略中故障状态是否一致;
当实际故障状态与调控策略中故障状态一致时,对除湿机故障分析结束;当实际故障状态与调控策略中故障状态不一致时,调整故障类型、故障状态、运行参数三者的关联状态图,更新故障分析模型。
此外本发明还公开了一种采用上述除湿机故障分析方法的除湿机故障分析系统,其包括:
参数获取模块:用于实时监控并获取除湿机运行参数;
故障分析模型模块:用于依据故障分析模型分析除湿机的运行参数进行分析,获取除湿机当前状态;
策略生成模块:用于依据故障分析模型模块的分析结果生成对应调控策略,并指导维修人员对除湿机进行维修;
模型修正模块:用于根据实际维修结果对故障分析模型进行更新修正。
本发明同现有技术相比,具有如下优点:
本发明中的除湿机故障分析系统可利用实际监控获得的除湿机运行参数进行深入分析,通过将除湿机运行参数与除湿机故障状态构建关联图模型,通过监控除湿机运行参数中的异常数据,可结合图模型直观分析获得除湿机的潜在故障原因,并通过生成调控策略指导维修人员快速定位故障位置,提高维修效率;同时维修人员可将维修结果实时反馈至系统的图模型内,通过对图模型进行更新修正,可进一步提高分析结果的准确性。
附图说明
图1是本实施例中一种除湿机故障分析方法的流程示意图;
图2是本实施例中故障分析模型中故障类型、故障状态、运行参数的关联状态示意图;
图3是本实施例中故障分析模型的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;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或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
实施例:
如图1-3所示,本实施例具体公开了一种除湿机故障分析方法,其包括如下步骤,如图1所示:
S100.实时监控并获取除湿机的运行参数;
S200.构建除湿机故障分析模型,所述故障分析模型包括故障类型、故障状态、运行参数三种数据类别,且所述故障类型、故障状态、运行参数分别作为节点并构建节点连接关系;
具体的,在S200步骤中故障分析模型的构建方法为:
S210.首先依据历史故障数据构建故障模型数据库,所述故障模型数据库中包括故障类型、故障状态、运行参数;
S220.针对故障模型数据库中故障类型、故障状态、运行参数三者构建关联状态图:根据历史故障数据分析故障类型对应的故障状态,每个故障类型均包括有多个故障状态;
S230.分析在每个故障状态下所对应的运行参数类型,并筛选出高相关的运行参数类型与对应故障状态进行关联。
更详细的,所述故障状态与参数状态之间构建关联状态的方法为:
S221.利用多台除湿机样机分为对照组和实验组,实验组模拟不同故障状态下的除湿机运行状态,对照组在同等状态下正常运行,之后分别采集实验组以及对照组中除湿机的运行参数;
S222.采集获得的运行参数按照数据类型进行分类;
S223.根据分类完毕的运行参数分析对应故障状态下所关联的运行参数:筛选出实验组和对照组在相同工况下所采集的运行参数,并分析获得对应故障状态下实验组运行参数中变化幅度大的全部异常参数,分析异常参数所对应的数据类型;
S224.根据异常参数所对应的数据类型判断对应故障状态下所相关的运行参数的数据类型,并将对应故障状态与运行参数的数据类型相关联。
在S200步骤中通过构建故障分析模型将故障类型、故障状态、运行参数三者的联系通过图模型直观呈现,如图2和图3所示,本实施例中利用除湿机的历史故障状态所对应的运行参数,可构建初始的除湿机故障分析模型,之后通过收集用户的使用数据,可对除湿机故障分析模型进行修正,通过大量的用户使用数据可进一步提高该故障分析模型的分析准确度。
S300.根据除湿机运行参数以及实际故障类型,利用除湿机故障分析模型分析相关故障类型所对应的故障状态;
进一步的,在S300步骤中利用除湿机故障分析模型分析相关故障类型所对应故障状态的具体方法为:
S310.获取除湿机发生故障时所对应的实际运行参数以及除湿机发生故障前对应的运行工况;
S320.分析筛选出运行参数中所有异常数据,并根据除湿机故障分析模型分析异常参数与各故障状态的相关程度;
S330.结合故障分析模型分析获得包含异常参数数量最多的故障状态,即获得除湿机发生故障时所对应的故障状态。
更具体的是,其中S300步骤中异常数据的判定分析方法为:
针对仅单台除湿机运行条件下,从除湿机正常运行状态下的历史运行参数中筛选出同等工况条件下的历史运行参数;分析除湿机发生故障时,实际运行参数中相对于已筛选的历史运行参数离散程度较大的运行参数,即为除湿机的异常数据;和/或,
针对多台除湿机运行条件下,当某台除湿机发生故障时,分析同等工况条件下对应除湿机的运行参数相对于其他除湿机的运行参数的离散状态,筛选出对应除湿机中偏离程度明显的运行参数,即为除湿机的异常数据。
本实施例中针对异常数据的判断分析可通过以往的历史运行数据或者其他除湿机用户所发送回的使用数据进行分析,其适用于使用场合中仅存在单台除湿机的情况,而对于一些大型场合往往会设置多台除湿机共同工作,当存在多台除湿机时,则可将多个除湿机之间的运行参数进行对比,进而及时发现出现异常数据的除湿机。
更详细的是,在S300步骤中当获得除湿机的异常参数后,需寻找出异常数据与故障状态之间的潜在联系,本实施例中则通过故障分析模型分析异常数据与故障状态相关程度,以获得两者的潜在关联,具体的,本实施例中异常数据与故障状态之间相关程度的分析方法为:
S321.首先根据已构建的除湿机故障分析模型筛选出不同故障状态分别对应的全部运行参数,并构建对应故障状态的子模型;
S322.通过分析已筛选出异常数据与不同故障状态对应子模型中运行参数的匹配数量,获得异常数据与故障状态所对应运行参数的匹配度;
S323.选择匹配度最高的故障状态,即为与异常参数相关程度最高的故障状态。
S400.依据故障分析模型生成的故障原因生成对应调控策略;具体的,所述调控策略分为指令调控策略和人工调控策略,在除湿机设备实际运行过程中,可能会发生一些可分为所述指令调控策略通过运行指令调控除湿机恢复正常运行状态,所述人工调控策略用于指导维修人员人工对除湿机进行检修。
S500.根据故障分析模型生成调控策略对除湿机进行调控或检修;
S600.根据调控结果或者检修结果验证除湿机故障分析模型正确性并依据验证结果对故障分析模型进行修正。
进一步的,在所述S600步骤中依据验证结果对故障分析模型进行修正的具体方法为:
S610.首先根据故障分析模型生成的调控策略对除湿机进行调控或检修;
S620.维修人员针对除湿机实际故障进行调控或检修,并将调控结果或检修结果中除湿机实际故障状态反馈至故障分析模型,故障分析模型对比分析除湿机实际故障状态与对应调控策略中故障状态是否一致;
S630.当实际故障状态与调控策略中故障状态一致时,对除湿机故障分析结束;当实际故障状态与调控策略中故障状态不一致时,调整故障类型、故障状态、运行参数三者的关联状态图,更新故障分析模型。
更进一步的,本实施例基于上述除湿机故障分析方法,还公开了一种除湿机故障分析系统,其包括:
参数获取模块:用于实时监控并获取除湿机运行参数;
故障分析模型模块:用于依据故障分析模型分析除湿机的运行参数进行分析,获取除湿机当前状态;
策略生成模块:用于依据故障分析模型模块的分析结果生成对应调控策略,并指导维修人员对除湿机进行维修;
模型修正模块:用于根据实际维修结果对故障分析模型进行更新修正。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均包含在本发明的保护范围之内。
Claims (9)
1.一种除湿机故障分析方法,其特征在于,该方法包括如下步骤:
S100.实时监控并获取除湿机的运行参数;
S200.构建除湿机故障分析模型,所述故障分析模型包括故障类型、故障状态、运行参数三种数据类别,且所述故障类型、故障状态、运行参数分别作为节点并构建节点连接关系;
S300.根据除湿机运行参数以及实际故障类型,利用除湿机故障分析模型分析相关故障类型所对应的故障状态;
S400.依据故障分析模型生成的故障原因生成对应调控策略;
S500.根据故障分析模型生成调控策略对除湿机进行调控或检修;
S600.根据调控结果或者检修结果验证除湿机故障分析模型正确性并依据验证结果对故障分析模型进行修正。
2.根据权利要求1所述除湿机故障分析方法,其特征在于,所述S200步骤中故障分析模型构建方法为:
首先依据历史故障数据构建故障模型数据库,所述故障模型数据库中包括故障类型、故障状态、运行参数;
针对故障模型数据库中故障类型、故障状态、运行参数三者构建关联状态图:根据历史故障数据分析故障类型对应的故障状态,每个故障类型均包括有多个故障状态;
分析在每个故障状态下所对应的运行参数类型,并筛选出高相关的运行参数类型与对应故障状态进行关联。
3.根据权利要求1所述除湿机故障分析方法,其特征在于,所述调控策略分为指令调控策略和人工调控策略,所述指令调控策略通过运行指令调控除湿机恢复正常运行状态,所述人工调控策略用于指导维修人员人工对除湿机进行检修。
4.根据权利要求2所述除湿机故障分析方法,其特征在于,所述故障状态与参数状态之间构建关联状态的方法为:
利用多台除湿机样机分为对照组和实验组,实验组模拟不同故障状态下的除湿机运行状态,对照组在同等状态下正常运行,之后分别采集实验组以及对照组中除湿机的运行参数;
采集获得的运行参数按照数据类型进行分类;
根据分类完毕的运行参数分析对应故障状态下所关联的运行参数:筛选出实验组和对照组在相同工况下所采集的运行参数,并分析获得对应故障状态下实验组运行参数中变化幅度大的全部异常参数,分析异常参数所对应的数据类型;
根据异常参数所对应的数据类型判断对应故障状态下所相关的运行参数的数据类型,并将对应故障状态与运行参数的数据类型相关联。
5.根据权利要求1所述除湿机故障分析方法,其特征在于,所述S300步骤中利用除湿机故障分析模型分析相关故障类型所对应故障状态的具体方法为:
获取除湿机发生故障时所对应的实际运行参数以及除湿机发生故障前对应的运行工况;
分析筛选出运行参数中所有异常数据,并根据除湿机故障分析模型分析异常参数与各故障状态的相关程度;
结合故障分析模型分析获得包含异常参数数量最多的故障状态,即获得除湿机发生故障时所对应的故障状态。
6.根据权利要求5所述除湿机故障分析方法,其特征在于,所述S300步骤中异常数据的判定分析方法为:
针对仅单台除湿机运行条件下,从除湿机正常运行状态下的历史运行参数中筛选出同等工况条件下的历史运行参数;分析除湿机发生故障时,实际运行参数中相对于已筛选的历史运行参数离散程度较大的运行参数,即为除湿机的异常数据;和/或,
针对多台除湿机运行条件下,当某台除湿机发生故障时,分析同等工况条件下对应除湿机的运行参数相对于其他除湿机的运行参数的离散状态,筛选出对应除湿机中偏离程度明显的运行参数,即为除湿机的异常数据。
7.根据权利要求5所述除湿机故障分析方法,其特征在于,所述S300步骤中异常参数与各故障状态相关程度的具体分析方法为:
首先根据已构建的除湿机故障分析模型筛选出不同故障状态分别对应的全部运行参数,并构建对应故障状态的子模型;
通过分析已筛选出异常数据与不同故障状态对应子模型中运行参数的匹配数量,获得异常数据与故障状态所对应运行参数的匹配度;
选择匹配度最高的故障状态,即为与异常参数相关程度最高的故障状态。
8.根据权利要求1所述除湿机故障分析方法,其特征在于,所述S600步骤中依据验证结果对故障分析模型进行修正的具体方法为:
首先根据故障分析模型生成的调控策略对除湿机进行调控或检修;
维修人员针对除湿机实际故障进行调控或检修,并将调控结果或检修结果中除湿机实际故障状态反馈至故障分析模型,故障分析模型对比分析除湿机实际故障状态与对应调控策略中故障状态是否一致;
当实际故障状态与调控策略中故障状态一致时,对除湿机故障分析结束;当实际故障状态与调控策略中故障状态不一致时,调整故障类型、故障状态、运行参数三者的关联状态图,更新故障分析模型。
9.一种采用权利要求1-8任一项所述除湿机故障分析方法的除湿机故障分析系统,其特征在于,包括:
参数获取模块:用于实时监控并获取除湿机运行参数;
故障分析模型模块:用于依据故障分析模型分析除湿机的运行参数进行分析,获取除湿机当前状态;
策略生成模块:用于依据故障分析模型模块的分析结果生成对应调控策略,并指导维修人员对除湿机进行维修;
模型修正模块:用于根据实际维修结果对故障分析模型进行更新修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210009638.6A CN114418144B (zh) | 2022-01-06 | 2022-01-06 | 一种除湿机故障分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210009638.6A CN114418144B (zh) | 2022-01-06 | 2022-01-06 | 一种除湿机故障分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114418144A true CN114418144A (zh) | 2022-04-29 |
CN114418144B CN114418144B (zh) | 2022-09-27 |
Family
ID=81271789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210009638.6A Active CN114418144B (zh) | 2022-01-06 | 2022-01-06 | 一种除湿机故障分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418144B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115854490A (zh) * | 2023-02-23 | 2023-03-28 | 深圳市森辉智能自控技术有限公司 | 一种用于除湿机状态监控的分析方法与系统 |
CN117740083A (zh) * | 2024-02-19 | 2024-03-22 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013104419A1 (de) * | 2012-01-11 | 2013-07-18 | Siemens Aktiengesellschaft | Unterstützung der störfallprävention einer industrieanlage mit hilfe eines fehlermodells |
CN105116870A (zh) * | 2015-07-10 | 2015-12-02 | 珠海格力电器股份有限公司 | 空调机组的故障分析方法、装置和系统 |
CN111861164A (zh) * | 2020-07-06 | 2020-10-30 | 广东德尔智慧工厂科技有限公司 | 远程调控分析方法、装置及系统 |
CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
CN113792762A (zh) * | 2021-08-24 | 2021-12-14 | 华南理工大学 | 基于贝叶斯优化LightGBM的冷水机组故障诊断方法、系统及介质 |
-
2022
- 2022-01-06 CN CN202210009638.6A patent/CN114418144B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013104419A1 (de) * | 2012-01-11 | 2013-07-18 | Siemens Aktiengesellschaft | Unterstützung der störfallprävention einer industrieanlage mit hilfe eines fehlermodells |
CN105116870A (zh) * | 2015-07-10 | 2015-12-02 | 珠海格力电器股份有限公司 | 空调机组的故障分析方法、装置和系统 |
CN111861164A (zh) * | 2020-07-06 | 2020-10-30 | 广东德尔智慧工厂科技有限公司 | 远程调控分析方法、装置及系统 |
CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
CN113792762A (zh) * | 2021-08-24 | 2021-12-14 | 华南理工大学 | 基于贝叶斯优化LightGBM的冷水机组故障诊断方法、系统及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115854490A (zh) * | 2023-02-23 | 2023-03-28 | 深圳市森辉智能自控技术有限公司 | 一种用于除湿机状态监控的分析方法与系统 |
CN117740083A (zh) * | 2024-02-19 | 2024-03-22 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
CN117740083B (zh) * | 2024-02-19 | 2024-05-10 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114418144B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114418144B (zh) | 一种除湿机故障分析方法及系统 | |
CN104268411B (zh) | 一种产品设计阶段维修性评估与薄弱环节识别方法 | |
CN112200323B (zh) | 评估工业设备和过程的状态 | |
CN112099393A (zh) | 烟机设备运行监控及异常判定系统及方法 | |
CN115575579A (zh) | 一种基于监测源分析的碳监测方法及系统 | |
CN113807690B (zh) | 区域电网调控系统运行状态在线评估预警方法及系统 | |
Brecher et al. | 3 Data Science in Production | |
CN117399435B (zh) | 一种铜管轧制过程自适应补偿调整方法及系统 | |
KR20230130831A (ko) | 딥러닝 기반 실시간 공기질 예측장치 및 예측방법 | |
WO2021111936A1 (ja) | 予測システム、情報処理装置および情報処理プログラム | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
CN117655568A (zh) | 基于气浮式焊接夹的光通信产品激光焊接性能监测系统 | |
CN116890222A (zh) | 一种自动组装机的智能定位方法及装置 | |
DE102022208870A1 (de) | Informations-Verarbeitungsvorrichtung, Rechenverfahren und Rechenprogramm | |
CN115310561A (zh) | 一种基于集成即时学习的电磁阀故障监测方法 | |
CN114556247B (zh) | 用于确定产品质量的方法和设备 | |
CN113538997A (zh) | 一种设备预测性维护学习系统 | |
WO2022069258A1 (de) | Vorrichtung und verfahren zur erkennung von anomalien in einer industriellen anlage zur ausführung eines produktionsprozesses | |
CN113869531A (zh) | 训练方法、电子设备、设备健康诊断方法及装置 | |
KR102481788B1 (ko) | Ai 기반 수작업 패턴 및 동력원 미세 패턴 분석 시스템 및 방법 | |
CN118392255B (zh) | 一种水厂机电设备运行工况监测方法、系统和设备 | |
CN117870034B (zh) | 洁净室环境参数的控制方法、装置及系统 | |
CN113614662B (zh) | 提高生产效率的支援系统 | |
CN117742273B (zh) | 一种基于深度强化学习的造纸过程优化系统及方法 | |
WO2023139750A1 (ja) | データセット作成装置及びコンピュータ読み取り可能な記録媒体 |
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 |