CN114817865A - 一种基于大数据的射频功率放大器用运行故障预测系统 - Google Patents

一种基于大数据的射频功率放大器用运行故障预测系统 Download PDF

Info

Publication number
CN114817865A
CN114817865A CN202210739430.XA CN202210739430A CN114817865A CN 114817865 A CN114817865 A CN 114817865A CN 202210739430 A CN202210739430 A CN 202210739430A CN 114817865 A CN114817865 A CN 114817865A
Authority
CN
China
Prior art keywords
data
value
radio frequency
frequency power
fault
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
CN202210739430.XA
Other languages
English (en)
Inventor
谢思坦
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.)
Shenzhen Aoli Electronic Co ltd
Original Assignee
Shenzhen Aoli Electronic Co ltd
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 Shenzhen Aoli Electronic Co ltd filed Critical Shenzhen Aoli Electronic Co ltd
Priority to CN202210739430.XA priority Critical patent/CN114817865A/zh
Publication of CN114817865A publication Critical patent/CN114817865A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • 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"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Transmitters (AREA)

Abstract

本发明公开了一种基于大数据的射频功率放大器用运行故障预测系统，涉及射频故障预测技术领域，解决了未根据射频功率放大器所产生的功率数据对运行故障进行提前预测的技术问题；提前对射频功率的放大器的数据进行分析处理，得到若干个不同的捆绑数据包以及不同分区，根据不同分区以及捆绑数据包对获取的初始射频功率值进行分析，通过传导因子，对初始射频功率值的降低趋势进行计算，对故障的发生时间进行预测，提前告警，便于操作人员对射频功率放大器的操作数据实时把控。

Description

一种基于大数据的射频功率放大器用运行故障预测系统
技术领域
本发明属于射频故障预测技术领域，具体是一种基于大数据的射频功率放大器用运行故障预测系统。
背景技术
较常见的应用有无线射频识别，常称为感应式电子晶片或近接卡、感应卡、非接触卡、电子标签、电子条码等，其原理为由扫描器发射一特定频率之无线电波能量给接收器，用以驱动接收器电路将内部的代码送出，此时扫描器便接收此代码，在进行射频功率操作时，需采用对应的射频功率放大器对射频功率进行放大处理。
射频功率放大器在使用过程中，因使用时间较长，很容易发生故障，故障发生后，生成故障信号，外部操作人员根据故障信号对指定设备进行维修，此种故障维修方式过于耽误操作进度，若根据射频功率放大器所产生的功率数据，对运行故障进行提前预测，根据预测结果，操作人员提前对放大器进行检修维护，便可有效避免此种情况发生，同时也确保操作施工进度。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于大数据的射频功率放大器用运行故障预测系统，用于解决未根据射频功率放大器所产生的功率数据对运行故障进行提前预测的技术问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种基于大数据的射频功率放大器用运行故障预测系统，包括数据采集端、处理服务器以及输出终端：
所述数据采集端用于对射频功率放大器的射频功率数据以及状态数据进行获取；
所述处理服务器对射频功率数据和状态数据进行处理，且处理服务器包括功率数据排列分区单元、数据阶段离散单元、状态数据处理单元以及预测单元，所述功率数据排列分区单元对射频功率数据进行排列，且数据阶段离散单元将不同的射频功率数据进行离散处理，生成多组捆绑数据包，并将捆绑数据包传输至预测单元内，预测单元根据捆绑数据包对射频功率放大器进行故障预测；
所述状态数据处理单元对状态数据进行处理，通过处理结果寻找故障原因。
优选的，处理服务器对射频功率数据进行处理步骤为：
功率数据排列分区单元对多组射频功率数据进行排列，以当前时刻为校准时刻，获取前半年的射频功率数据，前半年为六个月；
以24h为一组时间单位，将24h内所有的射频功率数据进行均值处理，得到待处理射频功率数据DCLi，其中i代表不同的时间单位，i=1、2、……、n；
将处理得到的多组待处理射频功率数据DCLi传输至数据阶段离散单元内。
优选的，数据阶段离散单元对多组待处理射频功率数据DCLi进行处理的步骤为：
S1、采用
Figure 110100DEST_PATH_IMAGE001
得到传导因子
Figure 130009DEST_PATH_IMAGE002
，此时的i≥2，i=2、3、……、n，通过计算处理得到多组不同的传导因子
Figure 335862DEST_PATH_IMAGE002
；
S2、采用
Figure 62509DEST_PATH_IMAGE003
得到离散值LSi，其中
Figure 757933DEST_PATH_IMAGE004
为多组不同的传导因子
Figure 202821DEST_PATH_IMAGE002
的均值，其中j∈i；
S3、令j=1，得到第一组离散值LS1，将离散值LS1与预设值X1进行比对，当离散值LS1≤X1时，令j值加1再次进行计算，直到离散值LSi大于X1时，停止，获取对应的区间（1，j-1），并提取对应的传导因子
Figure 946786DEST_PATH_IMAGE002
，将区间与传导因子进行捆绑，生成第一捆绑数据包；
S4、再从j值进行计算，重复步骤S3，获取得到多组不同的区间以及传导因子，将区间以及传导因子进行捆绑，并依次类推生成不同的后续捆绑数据包，分别为第二捆绑数据包、第三捆绑数据包、……，第o个捆绑数据包，第o个捆绑数据包代表最后一组数据包。
优选的，预测单元根据捆绑数据包以及射频功率放大器的初始射频功率数据进行故障预测，其中预测步骤如下：
P1、将初始射频功率数据标记为CSk，k代表不同阶段，不同阶段与不同的时间单位相对应；
P2、提取第一捆绑数据包，并将第一捆绑数据包内部的传导因子
Figure 855836DEST_PATH_IMAGE002
以及区间进行获取，采用
Figure 394265DEST_PATH_IMAGE005
得到末端射频功率数据值CSm；
P3、预测单元内部设置有预设参数因子B，当CSm×B≤CSk时，提取对应的区间末端值j-1，并生成待处理故障信号，当CSm×B＞CSk时，提取第二捆绑数据包，重复执行步骤P2，此时计算公式中，所采用的传导因子以及区间值均为第二捆绑数据包内部的传导因子以及区间值，经过多次计算，直到CSm×B≤CSk时，提取对应的区间末端值i，同时生成待处理故障信号；
P4、将区间末端值i，以及待处理故障信号传输至输出终端内，通过输出终端进行输出，i值为射频功率放大器工作后的预测时间值。
优选的，状态数据包括场效应管输出值、三极管输出值以及G极电压值。
优选的，状态数据处理单元对状态数据进行处理的步骤为：
射频功率放大器启动时，获取场效应管输出值、三极管输出值以及G极电压值的初始数据，并将场效应管输出值标记为CX，三极管输出值标记为SJ，G极电压值标记为GY；
获取预测值i，对第i-u的状态数据进行获取，第i-u代表预测故障第i天的前u天，并将三组数据值分别标记为CXu、SJu和GYu，将再次获取的输出值CXu与场效应管输出值CX进行比对处理，得到比对值，将比对值与预设值T进行比对，当比对值小于预设值T时，代表场效应管存在故障，并将对应的数据通过输出终端输出，比对值大于预设值T时，代表场效应管不存在故障；
其中三极管输出值以及G极电压值采用同样的处理方式进行处理，对三极管以及G极电压进行判定是否存在故障。
与现有技术相比，本发明的有益效果是：处理服务器对射频功率数据和状态数据进行处理，其中射频功率数据传输至功率数据排列分区单元内，功率数据排列分区单元对射频功率数据进行排列，数据阶段离散单元将不同的射频功率数据进行离散处理，生成多组捆绑数据包，并将捆绑数据包传输至预测单元内，预测单元根据捆绑数据包对射频功率放大器进行故障预测；状态数据处理单元对状态数据进行处理，将处理结果输送至预测单元内，预测单元再将处理结果通过输出终端输出，操作人员根据处理结果获取故障原因，便于外部人员快速找到指定的故障点，便于操作人员进行操作处理；
提前对射频功率的放大器的数据进行分析处理，得到若干个不同的捆绑数据包以及不同分区，根据不同分区以及捆绑数据包对获取的初始射频功率值进行分析，通过传导因子，对初始射频功率值的降低趋势进行计算，对故障的发生时间进行预测，提前告警，便于操作人员对射频功率放大器的操作数据实时把控。
附图说明
图1为本发明原理框架示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1，本申请提供了一种基于大数据的射频功率放大器用运行故障预测系统，包括数据采集端、处理服务器以及输出终端；
所述数据采集端输出端与处理服务器输入端电性连接，所述处理服务器输出端与输出终端输入端电性连接；
所述处理服务器包括功率数据排列分区单元、数据阶段离散单元、状态数据处理单元以及预测单元，所述功率数据排列分区单元输出端与数据阶段离散单元输入端电性连接，所述数据阶段离散单元输出端与预测单元输入端电性连接，状态数据处理单元与预测单元之间双向连接；
所述数据采集端用于对射频功率放大器的射频功率数据以及状态数据进行获取，其中，状态数据包括场效应管输出值、三极管输出值以及G极电压值，数据采集端将采集到的射频功率数据和状态数据传输至处理服务器内；
处理服务器对射频功率数据和状态数据进行处理，其中射频功率数据传输至功率数据排列分区单元内，功率数据排列分区单元对射频功率数据进行排列，数据阶段离散单元将不同的射频功率数据进行离散处理，生成多组捆绑数据包，并将捆绑数据包传输至预测单元内，预测单元根据捆绑数据包对射频功率放大器进行故障预测；状态数据处理单元对状态数据进行处理，将处理结果输送至预测单元内，预测单元再将处理结果通过输出终端输出，操作人员根据处理结果获取故障原因；
处理服务器对射频功率数据进行处理步骤为：
功率数据排列分区单元对多组射频功率数据进行排列，以当前时刻为校准时刻，获取前半年的射频功率数据，前半年为六个月（取值为六个月的原因为，射频功率放大器内部器件在连续使用半年后，会对内部电路器件进行更换）；
以24h为一组时间单位，将24h内所有的射频功率数据进行均值处理，得到待处理射频功率数据DCLi，其中i代表不同的时间单位，i=1、2、……、n；
将处理得到的多组待处理射频功率数据DCLi传输至数据阶段离散单元内；
数据阶段离散单元对多组待处理射频功率数据DCLi进行处理的步骤为：
S1、采用
Figure 388766DEST_PATH_IMAGE001
得到传导因子
Figure 936422DEST_PATH_IMAGE002
，此时的i≥2，i=2、3、……、n，通过计算处理得到多组不同的传导因子
Figure 637661DEST_PATH_IMAGE002
；
S2、采用
Figure 674888DEST_PATH_IMAGE003
得到离散值LSi，其中
Figure 828788DEST_PATH_IMAGE004
为多组不同的传导因子
Figure 180135DEST_PATH_IMAGE002
的均值，其中j∈i；
S3、令j=1，得到第一组离散值LS1，将离散值LS1与预设值X1进行比对，当离散值LS1≤X1时，令j值加1再次进行计算，直到离散值LSi大于X1时，停止，获取对应的区间（1，j-1），并提取对应的传导因子
Figure 1461DEST_PATH_IMAGE002
，将区间与传导因子进行捆绑，生成第一捆绑数据包；
S4、再从j值进行计算，重复步骤S3，获取得到多组不同的区间以及传导因子，将区间以及传导因子进行捆绑，并依次类推生成不同的后续捆绑数据包，分别为第二捆绑数据包、第三捆绑数据包、……，第o个捆绑数据包，第o个捆绑数据包代表最后一组数据包。
将多组不同的捆绑数据包传输至预测单元内，预测单元根据捆绑数据包以及射频功率放大器的初始射频功率数据进行故障预测，其中预测步骤如下：
P1、将初始射频功率数据标记为CSk，k代表不同阶段，不同阶段与不同的时间单位相对应；
P2、提取第一捆绑数据包，并将第一捆绑数据包内部的传导因子
Figure 209588DEST_PATH_IMAGE002
以及区间进行获取，采用
Figure 850785DEST_PATH_IMAGE005
得到末端射频功率数据值CSm（其中初始射频功率数据在逐渐使用过程中，射频数值逐渐降低）；
P3、预测单元内部设置有预设参数因子B，当CSm×B≤CSk时，提取对应的区间末端值j-1，并生成待处理故障信号，当CSm×B＞CSk时，提取第二捆绑数据包，重复执行步骤P2，此时计算公式中，所采用的传导因子以及区间值均为第二捆绑数据包内部的传导因子以及区间值，经过多次计算，直到CSm×B≤CSk时，提取对应的区间末端值i，同时生成待处理故障信号；
P4、将区间末端值i，以及待处理故障信号传输至输出终端内，通过输出终端进行输出，其中，i值为射频功率放大器工作后的第i天便容易生成故障，及时告警外部操作人员。
其中，状态数据处理单元，对状态数据进行处理，状态数据包括场效应管输出值、三极管输出值以及G极电压值；
在射频功率放大器启动后，获取场效应管输出值、三极管输出值以及G极电压值的初始数据，并将场效应管输出值标记为CX，三极管输出值标记为SJ，G极电压值标记为GY；
获取预测值i，对第i-u的状态数据进行获取，第i-u代表预测故障第i天的前u天，并将三组数据值分别标记为CXu、SJu和GYu，将再次获取的输出值CXu与场效应管输出值CX进行比对处理，得到比对值，将比对值与预设值T进行比对，当比对值小于预设值T时，代表场效应管存在故障，并将对应的数据通过输出终端输出；
其中三极管输出值以及G极电压值采用同样的处理方式进行处理，便于外部人员快速找到指定的故障点，便于操作人员进行操作处理。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：处理服务器对射频功率数据和状态数据进行处理，其中射频功率数据传输至功率数据排列分区单元内，功率数据排列分区单元对射频功率数据进行排列，数据阶段离散单元将不同的射频功率数据进行离散处理，生成多组捆绑数据包，并将捆绑数据包传输至预测单元内，预测单元根据捆绑数据包对射频功率放大器进行故障预测；状态数据处理单元对状态数据进行处理，将处理结果输送至预测单元内，预测单元再将处理结果通过输出终端输出，操作人员根据处理结果获取故障原因，便于外部人员快速找到指定的故障点，便于操作人员进行操作处理；
提前对射频功率的放大器的数据进行分析处理，得到若干个不同的捆绑数据包以及不同分区，根据不同分区以及捆绑数据包对获取的初始射频功率值进行分析，通过传导因子，对初始射频功率值的降低趋势进行计算，对故障的发生时间进行预测，提前告警，便于操作人员对射频功率放大器的操作数据实时把控。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (6)

1.一种基于大数据的射频功率放大器用运行故障预测系统，其特征在于，包括数据采集端、处理服务器以及输出终端：
所述数据采集端用于对射频功率放大器的射频功率数据以及状态数据进行获取；
所述处理服务器对射频功率数据和状态数据进行处理，且处理服务器包括功率数据排列分区单元、数据阶段离散单元、状态数据处理单元以及预测单元，所述功率数据排列分区单元对射频功率数据进行排列，且数据阶段离散单元将不同的射频功率数据进行离散处理，生成多组捆绑数据包，并将捆绑数据包传输至预测单元内，预测单元根据捆绑数据包对射频功率放大器进行故障预测；
所述状态数据处理单元对状态数据进行处理，通过处理结果寻找故障原因。
2.根据权利要求1所述的一种基于大数据的射频功率放大器用运行故障预测系统，其特征在于，处理服务器对射频功率数据进行处理步骤为：
功率数据排列分区单元对多组射频功率数据进行排列，以当前时刻为校准时刻，获取前半年的射频功率数据，前半年为六个月；
以24h为一组时间单位，将24h内所有的射频功率数据进行均值处理，得到待处理射频功率数据DCLi，其中i代表不同的时间单位，i=1、2、……、n；
将处理得到的多组待处理射频功率数据DCLi传输至数据阶段离散单元内。
3.根据权利要求2所述的一种基于大数据的射频功率放大器用运行故障预测系统，其特征在于，数据阶段离散单元对多组待处理射频功率数据DCLi进行处理的步骤为：
S1、采用
Figure 548351DEST_PATH_IMAGE001
得到传导因子
Figure 731071DEST_PATH_IMAGE002
，此时的i≥2，i=2、3、……、n，通过计算处理得到多组不同的传导因子
Figure 979650DEST_PATH_IMAGE002
；
S2、采用
Figure 578121DEST_PATH_IMAGE003
得到离散值LSi，其中
Figure 64598DEST_PATH_IMAGE004
为多组不同的传导因子
Figure 93252DEST_PATH_IMAGE002
的均值，其中j∈i；
S3、令j=1，得到第一组离散值LS1，将离散值LS1与预设值X1进行比对，当离散值LS1≤X1时，令j值加1再次进行计算，直到离散值LSi大于X1时，停止，获取对应的区间（1，j-1），并提取对应的传导因子
Figure 625865DEST_PATH_IMAGE002
，将区间与传导因子进行捆绑，生成第一捆绑数据包；
S4、再从j值进行计算，重复步骤S3，获取得到多组不同的区间以及传导因子，将区间以及传导因子进行捆绑，并依次类推生成不同的后续捆绑数据包，分别为第二捆绑数据包、第三捆绑数据包、……，第o个捆绑数据包，第o个捆绑数据包代表最后一组数据包。
4.根据权利要求3所述的一种基于大数据的射频功率放大器用运行故障预测系统，其特征在于，预测单元根据捆绑数据包以及射频功率放大器的初始射频功率数据进行故障预测，其中预测步骤如下：
P1、将初始射频功率数据标记为CSk，k代表不同阶段，不同阶段与不同的时间单位相对应；
P2、提取第一捆绑数据包，并将第一捆绑数据包内部的传导因子
Figure 28027DEST_PATH_IMAGE002
以及区间进行获取，采用
Figure 962485DEST_PATH_IMAGE005
得到末端射频功率数据值CSm；
P3、预测单元内部设置有预设参数因子B，当CSm×B≤CSk时，提取对应的区间末端值j-1，并生成待处理故障信号，当CSm×B＞CSk时，提取第二捆绑数据包，重复执行步骤P2，此时计算公式中，所采用的传导因子以及区间值均为第二捆绑数据包内部的传导因子以及区间值，经过多次计算，直到CSm×B≤CSk时，提取对应的区间末端值i，同时生成待处理故障信号；
P4、将区间末端值i，以及待处理故障信号传输至输出终端内，通过输出终端进行输出，i值为射频功率放大器工作后的预测时间值。
5.根据权利要求1所述的一种基于大数据的射频功率放大器用运行故障预测系统，其特征在于，状态数据包括场效应管输出值、三极管输出值以及G极电压值。
6.根据权利要求5所述的一种基于大数据的射频功率放大器用运行故障预测系统，其特征在于，状态数据处理单元对状态数据进行处理的步骤为：
射频功率放大器启动时，获取场效应管输出值、三极管输出值以及G极电压值的初始数据，并将场效应管输出值标记为CX，三极管输出值标记为SJ，G极电压值标记为GY；
获取预测值i，对第i-u的状态数据进行获取，第i-u代表预测故障第i天的前u天，并将三组数据值分别标记为CXu、SJu和GYu，将再次获取的输出值CXu与场效应管输出值CX进行比对处理，得到比对值，将比对值与预设值T进行比对，当比对值小于预设值T时，代表场效应管存在故障，并将对应的数据通过输出终端输出，比对值大于预设值T时，代表场效应管不存在故障；
其中三极管输出值以及G极电压值采用同样的处理方式进行处理，对三极管以及G极电压进行判定是否存在故障。
CN202210739430.XA 2022-06-28 2022-06-28 一种基于大数据的射频功率放大器用运行故障预测系统 Pending CN114817865A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210739430.XA CN114817865A (zh) 2022-06-28 2022-06-28 一种基于大数据的射频功率放大器用运行故障预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210739430.XA CN114817865A (zh) 2022-06-28 2022-06-28 一种基于大数据的射频功率放大器用运行故障预测系统

Publications (1)

Publication Number Publication Date
CN114817865A true CN114817865A (zh) 2022-07-29

Family

ID=82523304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210739430.XA Pending CN114817865A (zh) 2022-06-28 2022-06-28 一种基于大数据的射频功率放大器用运行故障预测系统

Country Status (1)

Country Link
CN (1) CN114817865A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115320181A (zh) * 2022-08-26 2022-11-11 江西福山众品鑫包装有限公司 一种瓦楞纸制备工艺智能控制系统及其表面处理工艺
CN115664551A (zh) * 2022-12-23 2023-01-31 深圳市傲立电子有限公司 一种用于射频功率放大器的安全监测预警系统

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932224A (zh) * 2019-12-16 2020-03-27 安徽博洽多闻智能电网科技有限公司 一种抗干扰高的一体化微机综合保护测控装置
CN111337026A (zh) * 2020-02-17 2020-06-26 安徽建筑大学 室内定位系统
CN111765593A (zh) * 2020-07-07 2020-10-13 珠海格力电器股份有限公司 一种空调节流元器件故障预警方法和空调
CN112952853A (zh) * 2021-01-28 2021-06-11 远光软件股份有限公司 一种含分布式电源的配电网无功优化调度方法
CN113189505A (zh) * 2021-03-26 2021-07-30 深圳市磐锋精密技术有限公司 一种基于大数据的手机电池状态监测系统
CN113672592A (zh) * 2021-08-16 2021-11-19 江苏荣泽信息科技股份有限公司 基于区块链的温室气体核算系统
CN113890015A (zh) * 2021-09-25 2022-01-04 三峡大学 基于改进模糊c均值聚类算法的配电网动态重构方法
CN114120592A (zh) * 2021-10-15 2022-03-01 青岛海尔空调电子有限公司 用于故障报警的方法及装置、电子设备、存储介质
CN114154731A (zh) * 2021-12-08 2022-03-08 湖南铁道职业技术学院 基于深度学习的风电超短期功率预测方法及系统
CN114169631A (zh) * 2021-12-15 2022-03-11 中国石油大学胜利学院 一种基于数据分析的油田电力负荷管控系统
CN114162177A (zh) * 2022-01-04 2022-03-11 安徽徽一通讯科技有限公司 铁路区间作业防护用预警手环
CN114418221A (zh) * 2022-01-21 2022-04-29 宣畅 一种短期风力发电预测方法、装置、设备及存储介质
CN114545787A (zh) * 2022-03-04 2022-05-27 合肥惟新半导体科技有限公司 降低待机功耗的家用电器控制系统
CN114650565A (zh) * 2022-05-23 2022-06-21 深圳市天翊瑞霖智能科技有限公司 一种基于数据分析的智能网关用智能流控管理系统
CN114658488A (zh) * 2022-03-23 2022-06-24 安徽华昇能源互联网研究院有限公司 一种智能电缆井监控管理系统
CN114694938A (zh) * 2022-03-30 2022-07-01 安徽省昌盛电子有限公司 一种电流杂波过滤系统
CN114722219A (zh) * 2022-06-10 2022-07-08 深圳市永吉星光电有限公司 高清阵列唛音视频模块及系统
CN114779074A (zh) * 2022-04-19 2022-07-22 安徽皖新电机有限公司 一种电机快速出厂负载测试用自动化测试系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932224A (zh) * 2019-12-16 2020-03-27 安徽博洽多闻智能电网科技有限公司 一种抗干扰高的一体化微机综合保护测控装置
CN111337026A (zh) * 2020-02-17 2020-06-26 安徽建筑大学 室内定位系统
CN111765593A (zh) * 2020-07-07 2020-10-13 珠海格力电器股份有限公司 一种空调节流元器件故障预警方法和空调
CN112952853A (zh) * 2021-01-28 2021-06-11 远光软件股份有限公司 一种含分布式电源的配电网无功优化调度方法
CN113189505A (zh) * 2021-03-26 2021-07-30 深圳市磐锋精密技术有限公司 一种基于大数据的手机电池状态监测系统
CN113672592A (zh) * 2021-08-16 2021-11-19 江苏荣泽信息科技股份有限公司 基于区块链的温室气体核算系统
CN113890015A (zh) * 2021-09-25 2022-01-04 三峡大学 基于改进模糊c均值聚类算法的配电网动态重构方法
CN114120592A (zh) * 2021-10-15 2022-03-01 青岛海尔空调电子有限公司 用于故障报警的方法及装置、电子设备、存储介质
CN114154731A (zh) * 2021-12-08 2022-03-08 湖南铁道职业技术学院 基于深度学习的风电超短期功率预测方法及系统
CN114169631A (zh) * 2021-12-15 2022-03-11 中国石油大学胜利学院 一种基于数据分析的油田电力负荷管控系统
CN114162177A (zh) * 2022-01-04 2022-03-11 安徽徽一通讯科技有限公司 铁路区间作业防护用预警手环
CN114418221A (zh) * 2022-01-21 2022-04-29 宣畅 一种短期风力发电预测方法、装置、设备及存储介质
CN114545787A (zh) * 2022-03-04 2022-05-27 合肥惟新半导体科技有限公司 降低待机功耗的家用电器控制系统
CN114658488A (zh) * 2022-03-23 2022-06-24 安徽华昇能源互联网研究院有限公司 一种智能电缆井监控管理系统
CN114694938A (zh) * 2022-03-30 2022-07-01 安徽省昌盛电子有限公司 一种电流杂波过滤系统
CN114779074A (zh) * 2022-04-19 2022-07-22 安徽皖新电机有限公司 一种电机快速出厂负载测试用自动化测试系统
CN114650565A (zh) * 2022-05-23 2022-06-21 深圳市天翊瑞霖智能科技有限公司 一种基于数据分析的智能网关用智能流控管理系统
CN114722219A (zh) * 2022-06-10 2022-07-08 深圳市永吉星光电有限公司 高清阵列唛音视频模块及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115320181A (zh) * 2022-08-26 2022-11-11 江西福山众品鑫包装有限公司 一种瓦楞纸制备工艺智能控制系统及其表面处理工艺
CN115664551A (zh) * 2022-12-23 2023-01-31 深圳市傲立电子有限公司 一种用于射频功率放大器的安全监测预警系统

Similar Documents

Publication Publication Date Title
CN114817865A (zh) 一种基于大数据的射频功率放大器用运行故障预测系统
CN116433009A (zh) 一种用于变电设备的异常监测方法、装置及存储介质
CN110475224A (zh) 一种基于边缘计算的传感器数据处理与协同预测方法
CN110723166A (zh) 一种道岔监测方法及系统
CN116887569B (zh) 一种数据中心能耗预测和节能调节方法、系统及存储介质
CN113379252A (zh) 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法
CN110601909B (zh) 网络维护方法、装置、计算机设备和存储介质
CN106936611B (zh) 一种预测网络状态的方法及装置
CN113570473B (zh) 设备故障监测方法、装置、计算机设备和存储介质
CN111025128A (zh) 基于ai的医疗设备故障检测系统及方法
CN113033889B (zh) 高压输电线路故障预测方法、装置及终端设备
CN110909463B (zh) 一种大功率毫米波回旋行波管的主动控保方法及系统
CN111010306B (zh) 动态网络告警分析方法、装置、计算机设备及存储介质
CN114726709A (zh) 配电网智能运维监控方法、装置、设备及存储介质
CN110232482B (zh) 基于神经网络的设备管理方法及装置
WO2023162043A1 (ja) トラヒックデータ収集システム、トラヒックデータ収集方法及びトラヒックデータ収集プログラム
CN117096956B (zh) 一种高压变频器的谐波控制方法及系统
CN113114542B (zh) 一种基于ip应答的卫星通信系统运行状态监测方法及系统
CN116953386A (zh) 配电网参数检错系统及其检错方法
CN115332985A (zh) 一种气体绝缘变电站的感知安装方法及系统
CN116708142A (zh) 数据传输的方法、装置、存储介质及电子设备
CN118070985A (zh) 一种预测配电自动化终端验收时间的方法
CN113743106A (zh) Sv报文重复过滤方法、装置、计算机设备和存储介质
CN116563777A (zh) 电力设备图像监控方法及装置
Wang et al. Research of anomaly detection based on time series

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220729

RJ01 Rejection of invention patent application after publication