CN114722862A - 一种游梁式抽油机电机故障预测装置及方法 - Google Patents
一种游梁式抽油机电机故障预测装置及方法 Download PDFInfo
- Publication number
- CN114722862A CN114722862A CN202210280238.9A CN202210280238A CN114722862A CN 114722862 A CN114722862 A CN 114722862A CN 202210280238 A CN202210280238 A CN 202210280238A CN 114722862 A CN114722862 A CN 114722862A
- Authority
- CN
- China
- Prior art keywords
- fault
- pumping unit
- motor
- module
- parameter data
- 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
Links
- 238000005086 pumping Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 13
- 230000007547 defect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开一种游梁式抽油机电机故障预测装置，包括电参数据采集模块、数据分析处理模块、数据存储模块、通讯模块、电源模块；电参数据采集模块，实时采集驱动端电参数据；数据分析处理模块，对采集的电参数据进行分析处理、提取关键特征指标、诊断抽油机电机故障信息，以及进行故障预测；数据存储模块，存储采集的数据和数据分析处理模块进行处理过程中的数据；通讯模块，将抽油机电机故障信息，以及故障预测结果发送给上位机；电源模块用于为所述各模块提供相匹配的电压。本发明可以解决对抽油机电机的定期保养不足情况下，及早的发现抽油机电机出现的故障问题。通过采集上、下冲程电参数据，对电机运行状态进行实时性、连续性监测，起到预测性维护的意义。
Description
技术领域
本发明涉及采油工程技术领域，特别涉及一种游梁式抽油机电机故障预测装置及方法。
背景技术
在采油生产过程中，目前主要采用的方式为机械采油，而游梁式抽油机是有杆泵的一种，作为常规人工举升方式采油在油田上应用最为广泛，游梁式抽油机是通过地面电机的转动，经减速箱变速，带动光杆、抽油杆柱和抽油泵柱塞做往复运动，将井下液体通过油管排出到地面上来的一种采油方式。
作为核心部件的驱动电机在采油生产过程中起着非常重要的作用，由于抽油机需要长期在野外恶劣环境下连续运转，并且电网质量也会对其产生影响，虽然会对电机作定期日常检查与维护保养，起到预测性维护作业，但还无法做到全天候的守护，且人工检查不足也会失去预测性维护的意义，一旦出现故障，将大幅降低采油效率。
传统的游梁式抽油机电机故障预测性维护作业依赖于人工定期现场测量许多电机运行关键指标，再经过仔细观察分析测量结果，娴熟的维护人员可以预测抽油机电机上出现的故障，但也经常困惑于因抽油机电机运行参数改变而引起的测量结果的变化，且人工也无法做到对抽油机电机的实时检测，所以迫切需要一种游梁式抽油机电机故障预测装置及方法，解决在传统方法上对电机维护的不足。
发明内容
针对现有技术的不足，本发明提供一种游梁式抽油机电机故障预测装置及方法，其目的在于解决对抽油机电机的定期保养存在的不足，能及早的发现抽油机电机出现的故障问题。采用测量电参量曲线的方法，通过上、下冲程电参数据，对电机运行状态进行实时性、连续性监测，起到预测性维护的意义。
本发明提出的方法所采用的技术方案如下：
一种游梁式抽油机电机故障预测装置，包括电参数据采集模块、数据分析处理模块、数据存储模块、通讯模块、电源模块；
所述电参数据采集模块，实时采集驱动端电参数据；
所述数据分析处理模块，对采集的电参数据进行分析处理、提取关键特征指标、诊断抽油机电机故障信息，以及进行故障预测；
所述数据存储模块，存储采集的数据和数据分析处理模块进行处理过程中的数据；
所述通讯模块，将抽油机电机故障信息，以及故障预测结果发送给上位机；
所述电源模块用于为所述各模块提供相匹配的电压。
所述电参数据采集模块安装在游梁式抽油机驱动端电机的输出轴上。
所述采集的驱动端电参数据包括：三相交流电路中的电压、电流、有功功率、无功功率、功率因数。
所述数据分析处理模块包括：
预处理单元，采集的三相电参数据首先进行预处理得到连续曲线；
降噪单元，采用小波包对信号进行去噪；
故障特征提取单元，a.计算抽油机上、下冲程的电参数据的特征参数值；特征参数值为平均值；b.并与标准电参曲线模型的特征值比较，提取抽油机上、下冲程的电参数据的变化值；c.利用小波包分解和重构方法，提取表征抽油机电机在同周期不同载荷下对应的故障关键特征值，并作为故障特征判别单元的输入；
故障特征判别单元，建立抽油机电机故障关键特征值的判别模型，该模型将关键特征值按预定时间间隔进行排序，构成一个随时间变化的关键特征值统计序列；按照变化趋势曲线，将超出安全阈值的关键特征值，用于对抽油机当前运行状态评估、告警，并将该统计序列作为故障预测单元的输入；
故障预测单元，根据关键特征值统计序列的随时间的变化趋势，进行劣化倾向分析：估算出安全域内的关键特征值超过安全阈值的时刻，进行故障预警，准确预测抽油机电机故障。
所述通讯模块为有线或无线通讯方式。
一种游梁式抽油机电机故障预测方法，包括以下步骤：
S1、实时采集驱动端电参数据；
S2、对采集的电参数据进行分析处理、提取关键特征指标、诊断抽油机电机故障信息，以及进行故障预测；
S3、将抽油机电机故障信息以及故障预测结果发送给上位机，用于远程监控。
所述S2包括：
1)对采集的三相电参数据进行预处理得到连续曲线；
2)采用小波包对信号进行去噪；
3)提取故障关键特征值；
4)将关键特征值按预定时间间隔进行排序，得到随时间变化的关键特征值统计序列变化趋势曲线；
5)根据曲线趋势估算安全域内的关键特征值超过安全阈值的时刻，进行故障预警。
本发明具有以下有益效果及优点：
1.本发明采用小波包分解和重构技术，提取表征抽油机电机在同周期不同载荷下对应的故障关键特征值，根据模糊综合评判原理，建立抽油机电机故障关键特征值的判别模型，该模型将关键特征值按一定时间间隔进行排序，构成一个随时间变化的关键特征值统计序列，按照变化趋势曲线，将超出安全阈值的关键特征值，用于对抽油机电机当前运行状态评估、告警，故障预测单元根据关键特征值统计序列的随时间的变化趋势，进行劣化倾向分析，估算出安全域内的关键特征值超过安全阈值的时刻，并进行早期故障预警，准确预测抽油机电机故障，做到提前维护，避免意外停机，保证生产稳定运行，解决传统方法对抽油机电机的定期保养维护存在的不足。
2.本发明采用测量电参数据曲线的方法，通过上、下冲程电参数据，对电机运行状态进行实时性、连续性监测，起到预测性维护的意义。
附图说明
图1一种游梁式抽油机电机故障预测装置原理框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方法做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明的一种游梁式抽油机电机故障预测装置由数据分析计算模块、通讯模块、电参数据采集模块、电源模块、数据存储模块组成。
其中，电参数据采集模块实时采集三相交流电路中的电压、电流、有功功率、无功功率、功率因数等电参数据。电参数据采集模块为CS5463-ISZ。
数据分析计算模块将电参数据采集模块采集的三相电参数据首先进行预处理，分别生成电压、电流、有功功率、无功功率、功率因数等电参数据的连续曲线模型，并采用小波包对信号进行去噪，分析计算抽油机上、下冲程的平均电压、平均电流、平均有功功率、平均无功功率等特征参数值，并与电压、电流、有功功率、无功功率、功率因数等标准电参曲线模型特征值比较，提取出抽油机上、下冲程的关键电参数变化值，通过灵活利用小波包分解和重构技术，提取表征抽油机电机在同周期不同载荷下对应的故障关键特征值，根据模糊综合评判原理，建立抽油机电机故障关键特征值的判别模型，该模型将关键特征值按一定时间间隔进行排序，构成一个随时间变化的关键特征值统计序列，按照变化趋势曲线，将超出安全阈值的关键特征值，用于对抽油机电机当前运行状态评估、告警，故障预测单元根据关键特征值统计序列的随时间的变化趋势，进行劣化倾向分析，估算出安全域内的关键特征值超过安全阈值的时刻，并进行早期故障预警，准确预测抽油机电机故障，做到提前维护，避免意外停机，保证生产稳定运行。
数据存储模块作为数据库，存储有采集的三相电参数据：电压、电流、有功功率、无功功率、功率因数等电参数据，以及标准电参曲线模型特征值，提取出的新关键特征值，故障信息等各种数据。
通过通讯模块将故障信息发送给上位机。包括有线或无线通讯方式，例如采用RS232或RS485串口，工业以太网，WiFi连接，蓝牙连接等通讯方式。
电源模块用于为所述各模块提供相匹配的电压。电源芯片将外部的DC24V电压降至DC3.3V提供给存储模块和数据分析计算模块、5V提供给电参数据采集模块和通讯模块。
以上所述是本发明的主要特征，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰应视为本发明的保护范围。
Claims (7)
1.一种游梁式抽油机电机故障预测装置，其特征在于，包括电参数据采集模块、数据分析处理模块、数据存储模块、通讯模块、电源模块；
所述电参数据采集模块，实时采集驱动端电参数据；
所述数据分析处理模块，对采集的电参数据进行分析处理、提取关键特征指标、诊断抽油机电机故障信息，以及进行故障预测；
所述数据存储模块，存储采集的数据和数据分析处理模块进行处理过程中的数据；
所述通讯模块，将抽油机电机故障信息，以及故障预测结果发送给上位机；
所述电源模块用于为所述各模块提供相匹配的电压。
2.根据权利要求1所述的一种游梁式抽油机电机故障预测装置，其特征在于，所述电参数据采集模块安装在游梁式抽油机驱动端电机的输出轴上。
3.根据权利要求1所述的一种游梁式抽油机电机故障预测装置，其特征在于，所述采集的驱动端电参数据包括：三相交流电路中的电压、电流、有功功率、无功功率、功率因数。
4.根据权利要求1所述的一种游梁式抽油机电机故障预测装置，其特征在于，所述数据分析处理模块包括：
预处理单元，采集的三相电参数据首先进行预处理得到连续曲线；
降噪单元，采用小波包对信号进行去噪；
故障特征提取单元，a.计算抽油机上、下冲程的电参数据的特征参数值；特征参数值为平均值；b.并与标准电参曲线模型的特征值比较，提取抽油机上、下冲程的电参数据的变化值；c.利用小波包分解和重构方法，提取表征抽油机电机在同周期不同载荷下对应的故障关键特征值，并作为故障特征判别单元的输入；
故障特征判别单元，建立抽油机电机故障关键特征值的判别模型，该模型将关键特征值按预定时间间隔进行排序，构成一个随时间变化的关键特征值统计序列；按照变化趋势曲线，将超出安全阈值的关键特征值，用于对抽油机当前运行状态评估、告警，并将该统计序列作为故障预测单元的输入；
故障预测单元，根据关键特征值统计序列的随时间的变化趋势，进行劣化倾向分析：估算出安全域内的关键特征值超过安全阈值的时刻，进行故障预警，准确预测抽油机电机故障。
5.根据权利要求1所述的一种游梁式抽油机电机故障预测装置，其特征在于，所述通讯模块为有线或无线通讯方式。
6.一种游梁式抽油机电机故障预测方法，其特征在于，包括以下步骤：
S1、实时采集驱动端电参数据；
S2、对采集的电参数据进行分析处理、提取关键特征指标、诊断抽油机电机故障信息，以及进行故障预测；
S3、将抽油机电机故障信息以及故障预测结果发送给上位机，用于远程监控。
7.根据权利要求6所述的一种游梁式抽油机电机故障预测方法，其特征在于，所述S2包括：
1)对采集的三相电参数据进行预处理得到连续曲线；
2)采用小波包对信号进行去噪；
3)提取故障关键特征值；
4)将关键特征值按预定时间间隔进行排序，得到随时间变化的关键特征值统计序列变化趋势曲线；
5)根据曲线趋势估算安全域内的关键特征值超过安全阈值的时刻，进行故障预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210280238.9A CN114722862A (zh) | 2022-03-21 | 2022-03-21 | 一种游梁式抽油机电机故障预测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210280238.9A CN114722862A (zh) | 2022-03-21 | 2022-03-21 | 一种游梁式抽油机电机故障预测装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114722862A true CN114722862A (zh) | 2022-07-08 |
Family
ID=82237116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210280238.9A Pending CN114722862A (zh) | 2022-03-21 | 2022-03-21 | 一种游梁式抽油机电机故障预测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114722862A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116155956A (zh) * | 2023-04-18 | 2023-05-23 | 武汉森铂瑞科技有限公司 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
| US20240181891A1 (en) * | 2022-12-01 | 2024-06-06 | GM Global Technology Operations LLC | Motor degradation identification systems and methods using multiple environmental factors |
-
2022
- 2022-03-21 CN CN202210280238.9A patent/CN114722862A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20240181891A1 (en) * | 2022-12-01 | 2024-06-06 | GM Global Technology Operations LLC | Motor degradation identification systems and methods using multiple environmental factors |
| CN116155956A (zh) * | 2023-04-18 | 2023-05-23 | 武汉森铂瑞科技有限公司 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
| CN116155956B (zh) * | 2023-04-18 | 2023-08-22 | 武汉森铂瑞科技有限公司 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
| CN106407589B (zh) | 一种风机状态评估与预测方法及系统 | |
| CN114722862A (zh) | 一种游梁式抽油机电机故障预测装置及方法 | |
| CN110836696A (zh) | 适于调相机系统的远程故障预测方法和系统 | |
| CN112633781B (zh) | 一种基于车联网大数据的车辆能耗评价方法 | |
| CN116308300B (zh) | 一种电力设备状态监测评价与指挥方法及系统 | |
| CN114510979A (zh) | 一种基于边缘计算的水下设备检查系统及方法 | |
| CN113092152B (zh) | 一种动设备振动温度复合监测装置及方法 | |
| CN114997521A (zh) | 一种环保设备监测预警及故障预测的方法及系统 | |
| CN118152784B (zh) | 模块化变电站设备数据特征提取方法 | |
| CN211015603U (zh) | 一种港口起重机传动部件大数据监控系统 | |
| CN111242329A (zh) | 一种港口起重机传动部件大数据监控系统及监控方法 | |
| CN117668730A (zh) | 基于深度学习算法的煤矿井下刮板机负载异常检测方法 | |
| CN114167282B (zh) | 一种电动机故障诊断及劣化趋势预测系统 | |
| CN116933108A (zh) | 变电站设备运行状态监测方法、系统、设备及存储介质 | |
| CN116517787A (zh) | 一种双馈风力发电机轴承电腐蚀程度检测方法 | |
| CN115712835A (zh) | 一种基于大数据的电力设备健康状态智能诊断告警方法 | |
| CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
| CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
| CN113513304A (zh) | 一种基于抽油机电功图的平衡度检测方法 | |
| CN118566701B (zh) | 应用于工业机器人的集成电路的故障诊断系统及方法 | |
| CN117893955B (zh) | 一种环网柜故障检测系统 | |
| Tang et al. | Research on Transformer Temperature Warning Algorithm Based on Support Vector Machine | |
| CN113432709B (zh) | 一种基于图形学的可视化机械故障诊断方法 | |
| CN117520882A (zh) | 一种水电站巡检故障数据分析方法 |
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 |