CN115238925B - 一种电机设备监管方法及系统 - Google Patents
一种电机设备监管方法及系统 Download PDFInfo
- Publication number
- CN115238925B CN115238925B CN202210875983.8A CN202210875983A CN115238925B CN 115238925 B CN115238925 B CN 115238925B CN 202210875983 A CN202210875983 A CN 202210875983A CN 115238925 B CN115238925 B CN 115238925B
- Authority
- CN
- China
- Prior art keywords
- motor
- state diagram
- prediction model
- running state
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010586 diagram Methods 0.000 claims abstract description 62
- 238000012423 maintenance Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 42
- 239000004519 grease Substances 0.000 claims abstract description 19
- 230000001050 lubricating effect Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004040 coloring Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 abstract description 9
- 238000006243 chemical reaction Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Electric Motors In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种电机设备监管方法及系统,应用于智能监控技术领域,获取目标电机设备的历史数据;所述历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;利用历史运行数据输入到预测模型,并训练所述预测模型,得到最优预测模型;将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;根据所述电机运行状态图确定故障所在区域,确定综合异常信息,并根据所述综合异常信息生成对应运维策略。本发明能够精准判断异常,通过综合评定多个参数对异常进行预测,并且生成电机运行状态图,直观得到异常点,同时根据异常生成对应的策略。
Description
技术领域
本发明涉及智能监控技术领域,更具体的说是涉及一种电机设备监管方法及系统。
背景技术
电机、轴承广泛用于各种工业生产场合,并且要求是7*24小时全年不间断长期工作,是不可缺少的设备,因此检测电机的工作状态,保证它能良好工作至关重要。现在有很多方案,主要通过人工巡场的方式、通过肉眼或是手持终端检测设备、进行巡视查看设备的温度,振动,润滑,在现场监测,监控。
通过人工巡场或单机检测都不能很好的解决发现电机问题的实时性,存在误报、漏报等诸多不可控因素的缺陷。人工、单机或者通过有线连接组成局域网模式还存在实施成本高、调度难等缺陷。目前大部分只是准对温度,或者振动进行检测,尚未有对温度、振动、润滑进行全方位监控的技术方案。更没有通过温度、振动、润滑综合评判发生何种故障,只能通过温度或振动单一数据变化判断故障,对于故障的确定准确率低;并且没有对应的运维策略的生成,对于异常情况处理不到位,仍然会引发事故。
因此,如何提供一种对运行异常判断准确,同时生成运维策略的电机设备监管方法及系统是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种电机设备监管方法及系统,能够精准判断异常,通过综合评定多个参数对异常进行预测,并且生成电机运行状态图,直观得到异常点,同时根据异常生成对应的运维策略。
为了实现上述目的,本发明提供如下技术方案:
一种电机设备监管方法,具体步骤如下:
获取目标电机设备的历史运行数据;所述历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;
利用所述历史运行数据输入到预测模型,并训练所述预测模型,得到最优预测模型;
将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;
根据所述电机运行状态图确定故障所在区域,确定综合异常信息,并根据所述综合异常信息生成对应运维策略。
可选的,在上述的一种电机设备监管方法中,所述最优预测模型包括若干子预测模型分别对历史运行数据进行预测,分别得到不同故障发生的概率;
根据历史运行数据之间的相关性确定权重;
利用所述权重确定综合预测结果。
可选的,在上述的一种电机设备监管方法中,所述电机运行状态图生成步骤:
根据子预测模型得到的不同故障发生的概率,生成子电机运行状态图;
将所述多个子电机运行状态图叠加处理,并根据相关性确定的权重进行修正,得到电机运行状态图。
可选的,在上述的一种电机设备监管方法中,所述电机运行状态图生成步骤:
根据子预测模型得到的不同故障发生的概率,并根据相关性确定的权重对概率进行修正,得到电机运行状态图。
可选的,在上述的一种电机设备监管方法中,根据所述电机运行状态图确定故障所在区域,具体步骤如下:
根据故障概率对电机运行状态图进行着色,所述着色包括对电机运行状态图中的每个零件进行着色。
可选的,在上述的一种电机设备监管方法中,确定综合异常信息生成对应运维策略具体步骤如下:
建立运维规则库;
根据所述综合异常信息的属性进行逻辑运算处理并基于运维规则库中存储的运维规则确定所述综合异常信息对应的待处理部件;
调用运维规则库中的运维规则对待处理部件进行运维操作。
一种电机设备监管系统,包括:
第一获取模块,获取目标电机设备的历史运行数据;所述历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;
训练模块,利用所述历史运行数据输入到预测模型,并训练所述预测模型,得到最优预测模型;
状态图生成模块,将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;
运维策略生成模块,根据所述电机运行状态图确定故障所在区域,确定综合异常信息,并根据所述综合异常信息生成对应运维策略。
可选的,在上述的一种电机设备监管系统中,所述训练模块包括若干子预测单元,分别对历史运行数据进行预测,分别得到不同故障发生的概率;
权重单元,根据历史运行数据之间的相关性确定权重;
输出单元,利用所述权重确定综合预测结果。
可选的,在上述的一种电机设备监管系统中,状态图生成模块包括:
状态子图单元,根据子预测单元得到的不同故障发生的概率,生成子电机运行状态图;
修正单元,将所述多个子电机运行状态图叠加处理,并根据相关性确定的权重进行修正,得到电机运行状态图。
可选的,在上述的一种电机设备监管系统中,运维策略生成模块包括:
运维规则库,存储运维规则;
确定单元,根据所述综合异常信息的属性进行逻辑运算处理并基于运维规则库中存储的运维规则确定所述综合异常信息对应的待处理部件;
执行单元,调用运维规则库中的运维规则对待处理部件进行运维操作,增加或减少润滑脂加注量。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种电机设备监管方法及系统,能够精准判断异常,通过综合评定多个参数对异常进行预测,并且生成电机运行状态图,直观得到异常点,同时根据异常生成对应的策略。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程图;
图2为本发明的结构框图;
图3为本发明的温度走势图;
图4为本发明的振动走势图。
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。
本发明实施例公开了一种电机设备监管方法,如图1所示,具体步骤如下:
获取目标电机设备的历史运行数据;历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;
利用历史运行数据输入到预测模型,并训练预测模型,得到最优预测模型;
将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;
根据电机运行状态图确定故障所在区域,确定综合异常信息,并根据综合异常信息生成对应运维策略。
需要了解的是:开关信号用于监控是否有润滑脂加注,若存在加注,则生成一个开关信号,通过是否产生开关信号来表示润滑脂是否加注。
通过上述技术方案,利用历史运行数据训练预测模型,根据累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量判断故障发生的概率,根据不同故障对应的概率生成电机运行状态图,根据电机运行状态图确定故障所在区域,确定综合异常信息,并根据综合异常信息生成对应运维策略。
进一步,根据综合异常信息结合传感器采集的现场获得加油状态、加油量等能够得到电机轴承油量情况,实现按需自动加注润滑脂;
更进一步,当根据综合异常信息监控剩余耗材时长过短,发出警报,不会出现缺油、缺电情况。
更进一步,当综合传感器采集的信号,判断电机处于停机状态时,系统停止工作,直至电机再次启动被唤醒,减少能量损耗和润滑脂损失。
本发明的实施例中,温度信号采集模块与微处理器连接,用于获取目标电机设备的温度信号,将温度信号发送给微处理器;
振动信号采集模块与微处理器连接,用于获取目标电机设备的振动信号,将振动信号发送给微处理器;
开关信号采集模块与微处理器连接,用于获取目标电机设备的开关信号,将开关信号发送给微处理器;
微处理器接收温度信号、振动信号和开关信号,将温度信号、振动信号和开关信号发送给云端服务器;或微处理器对温度信号、振动信号和开关信号进行实时监控,当温度信号、振动信号和开关信号中的至少一种发生异常,则产生报警信号,并将报警信号发送给客户终端。
进一步地,温度信号采集模块包括温度传感器和温度信号转换单元;
温度传感器与温度信号转换单元连接,用于获取目标电机设备的原始温度信号,将原始温度信号发送给温度信号转换单元;
温度信号转换单元用于获取原始温度信号,将原始温度信号转换为微处理器能够识别的温度信号,并将转换后的温度信号发送给微处理器。
进一步地,振动信号采集模块包括振动传感器和振动信号转换单元;
振动传感器与振动信号转换单元连接,用于获取目标电机设备的原始振动信号,将原始振动信号发送给振动信号转换单元;
振动信号转换单元用于获取原始振动信号,将原始振动信号转换为微处理器能够识别的振动信号,并将转换后的振动信号发送给微处理器。
进一步地,开关信号采集模块包括开关传感器和开关信号转换单元;
开关传感器与开关信号转换单元连接,用于获取目标电机设备的原始开关信号,将原始开关信号发送给开关信号转换单元;
开关信号转换单元用于获取原始开关信号,将原始开关信号转换为微处理器能够识别的开关信号,并将转换后的开关信号发送给微处理器。
进一步地,还包括电池模块和电源管理模块,电池模块通过电源管理模块和微处理器连接。
进一步地,还包括通信模块,无线通信模块与微处理器连接,以供微处理器基于无线通信模块将温度信号、振动信号、开关信号或报警信号发送给用户终端或云端服务器。
进一步地,温度信号采集模块、振动信号采集模块和开关信号采集模块基于无线物联网通信技术和微处理器连接。
进一步地,无线物联网通信技术为蓝牙、WIFI、NB-IoT或LoRa。
为了进一步优化上述技术方案,最优预测模型包括若干子预测模型分别对温度信号、振动信号和开关信号进行预测,分别得到不同故障发生的概率;
根据温度信号、振动信号和开关信号之间的相关性确定权重;
利用权重确定综合预测结果。
进一步,根据不同子预测模型预测单一变量,通过不同变量之间的相关性确定权重,根据权重系数确定综合预测结果。
为了进一步优化上述技术方案,电机运行状态图生成步骤:
根据子预测模型得到的不同故障发生的概率,生成子电机运行状态图;将多个子电机运行状态图叠加处理,并根据相关性确定的权重进行修正,得到电机运行状态图。
为了进一步优化上述技术方案,电机运行状态图生成步骤:
根据子预测模型得到的不同故障发生的概率,并根据相关性确定的权重对概率进行修正,得到电机运行状态图。
为了进一步优化上述技术方案,根据电机运行状态图确定故障所在区域,具体步骤如下:
根据故障概率对电机运行状态图进行着色,着色包括对电机运行状态图中的每个零件进行着色。
不同颜色代表不同损坏程度,例如轴承表示为红色,表示需要更换;表示为黄色说明磨损度已经达到50%以上,颜色的设定与磨损程度可以根据使用者自行定义。
为了进一步优化上述技术方案,确定综合异常信息生成对应运维策略具体步骤如下:
建立运维规则库;
根据综合异常信息的属性进行逻辑运算处理并基于运维规则库中存储的运维规则确定综合异常信息对应的待处理部件;
调用运维规则库中的运维规则对待处理部件进行运维操作。
进一步,本发明实施例具有自动感知电机起停,可随时通过手机端查看电机运行状态。正常显示绿色,传感器感知数据超过预警值显示橙色,电机停机显示红色。
可连续记录振动和温度数据,形成数据曲线,直观显示变化趋势,如图3、4所示。
能够记录历史温度的最高值和振动的最大值。振动超设置的预警值后,能够及时显示超标信息,同时电机运行状态图上的电机图标变成红色。
根据综合异常信息,生成对应运维策略,能够直观显示的润滑脂和电池剩余情况。
本发明的另一实施例公开了一种电机设备监管系统,如图2所示,包括:
第一获取模块,获取目标电机设备的历史运行数据;历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;
训练模块,利用累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量输入到预测模型,并训练预测模型,得到最优预测模型;
状态图生成模块,将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;
运维策略生成模块,根据电机运行状态图确定故障所在区域,确定综合异常信息,并根据综合异常信息生成对应运维策略。
为了进一步优化上述技术方案,训练模块包括若干子预测单元,分别对温度信号、振动信号和开关信号进行预测,分别得到不同故障发生的概率;
权重单元,根据温度信号、振动信号和开关信号之间的相关性确定权重;
输出单元,利用权重确定综合预测结果。
为了进一步优化上述技术方案,状态图生成模块包括:
状态子图单元,根据子预测单元得到的不同故障发生的概率,生成子电机运行状态图;
修正单元,将多个子电机运行状态图叠加处理,并根据相关性确定的权重进行修正,得到电机运行状态图。
为了进一步优化上述技术方案,运维策略生成模块包括:
运维规则库,存储运维规则;
确定单元,根据综合异常信息的属性进行逻辑运算处理并基于运维规则库中存储的运维规则确定综合异常信息对应的待处理部件;
执行单元,调用运维规则库中的运维规则对待处理部件进行运维操作。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种电机设备监管方法,其特征在于,具体步骤如下:
获取目标电机设备的历史运行数据;所述历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;
利用历史运行数据输入到预测模型,并训练所述预测模型,得到最优预测模型;
将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;
生成电机运行状态图的方案是根据子预测模型得到的不同故障发生的概率,生成子电机运行状态图,将所述多个子电机运行状态图叠加处理,并根据相关性确定的权重进行修正,得到电机运行状态图或根据子预测模型得到的不同故障发生的概率,并根据相关性确定的权重对概率进行修正,得到电机运行状态图;
根据所述电机运行状态图确定故障所在区域,确定综合异常信息,并根据所述综合异常信息生成对应运维策略;
根据所述电机运行状态图确定故障所在区域,具体步骤如下:
根据故障概率对电机运行状态图进行着色,所述着色包括对电机运行状态图中的每个零件进行着色;
根据综合异常信息生成对应运维策略具体步骤如下:
建立运维规则库;
根据所述综合异常信息的属性进行逻辑运算处理并基于运维规则库中存储的运维规则确定所述综合异常信息对应的待处理部件;
调用运维规则库中的运维规则对待处理部件进行运维操作;
所述开关信号用于监控是否有润滑脂加注,若存在加注,则生成一个开关信号;
所述最优预测模型包括若干子预测模型分别对历史运行数据进行预测,分别得到不同故障发生的概率;
根据历史运行数据之间的相关性确定权重;
利用所述权重确定综合预测结果;
根据综合异常信息结合传感器采集的现场获得加油状态、加油量能够得到电机轴承油量情况,实现按需自动加注润滑脂;
当根据综合异常信息监控剩余耗材时长过短,发出警报,不会出现缺油、缺电情况;
当综合传感器采集的信号,判断电机处于停机状态时,系统停止工作,直至电机再次启动被唤醒,减少能量损耗和润滑脂损失。
2.一种电机设备监管系统,其特征在于,所述电机设备监管系统用于实现权利要求1所述的电机设备监管方法,包括:
第一获取模块,获取目标电机设备的历史运行数据;所述历史运行数据包括:累计运行时间、温度信号、振动信号、开关信号和润滑脂加注量;
训练模块,利用所述历史运行数据输入到预测模型,并训练所述预测模型,得到最优预测模型;
状态图生成模块,将实时获取的监管数据输入到最优预测模型,输出各种故障出现的概率,通过故障概率生成电机运行状态图;
运维策略生成模块,根据所述电机运行状态图确定故障所在区域,确定综合异常信息,并根据所述综合异常信息生成对应运维策略。
3.根据权利要求2所述的一种电机设备监管系统,其特征在于,所述训练模块包括若干子预测单元,分别对历史运行数据进行预测,分别得到不同故障发生的概率;
权重单元,根据历史运行数据之间的相关性确定权重;
输出单元,利用所述权重确定综合预测结果。
4.根据权利要求2所述的一种电机设备监管系统,其特征在于,状态图生成模块包括:
状态子图单元,根据子预测单元得到的不同故障发生的概率,生成子电机运行状态图;
修正单元,将所述多个子电机运行状态图叠加处理,并根据相关性确定的权重进行修正,得到电机运行状态图。
5.根据权利要求2所述的一种电机设备监管系统,其特征在于,运维策略生成模块包括:
运维规则库,存储运维规则;
确定单元,根据所述综合异常信息的属性进行逻辑运算处理并基于运维规则库中存储的运维规则确定所述综合异常信息对应的待处理部件;
执行单元,调用运维规则库中的运维规则对待处理部件进行运维操作,增加或减少润滑脂加注量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210875983.8A CN115238925B (zh) | 2022-07-25 | 2022-07-25 | 一种电机设备监管方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210875983.8A CN115238925B (zh) | 2022-07-25 | 2022-07-25 | 一种电机设备监管方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115238925A CN115238925A (zh) | 2022-10-25 |
CN115238925B true CN115238925B (zh) | 2023-12-29 |
Family
ID=83675012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210875983.8A Active CN115238925B (zh) | 2022-07-25 | 2022-07-25 | 一种电机设备监管方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238925B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975639B (zh) * | 2023-07-28 | 2024-07-12 | 东莞盟大集团有限公司 | 设备的异常防控系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105471647A (zh) * | 2015-12-03 | 2016-04-06 | 国网江西省电力公司信息通信分公司 | 一种电力通信网故障定位方法 |
CN111046916A (zh) * | 2019-11-20 | 2020-04-21 | 上海电机学院 | 一种基于空洞卷积胶囊网络的电机故障诊断方法及系统 |
CN111650919A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 多维度监测的自动扶梯故障预测与健康管理方法及系统 |
CN112947368A (zh) * | 2021-02-02 | 2021-06-11 | 安徽理工大学 | 一种三相异步电动机故障诊断装置及方法 |
-
2022
- 2022-07-25 CN CN202210875983.8A patent/CN115238925B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105471647A (zh) * | 2015-12-03 | 2016-04-06 | 国网江西省电力公司信息通信分公司 | 一种电力通信网故障定位方法 |
CN111046916A (zh) * | 2019-11-20 | 2020-04-21 | 上海电机学院 | 一种基于空洞卷积胶囊网络的电机故障诊断方法及系统 |
CN111650919A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 多维度监测的自动扶梯故障预测与健康管理方法及系统 |
CN112947368A (zh) * | 2021-02-02 | 2021-06-11 | 安徽理工大学 | 一种三相异步电动机故障诊断装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115238925A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10310453B2 (en) | Dynamic assessment system for high-voltage electrical components | |
CA2799404C (en) | Remote monitoring of machine alarms | |
CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
CN114415581B (zh) | 一种机械设备运维方法及系统 | |
CN115238925B (zh) | 一种电机设备监管方法及系统 | |
CN115566804B (zh) | 一种基于分布式光纤传感技术的电力监测系统 | |
CN115376296B (zh) | 一种基于工业互联网的生产故障预警系统 | |
CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN111371180B (zh) | 变电站巡查监管与数据分析系统 | |
KR102291163B1 (ko) | 실시간 데이터 수집 분석을 위한 무선 설비 관리 시스템 및 이의 진단방법 | |
CN110765633A (zh) | 一种动力装置的智能管理方法和装置 | |
CN111210092A (zh) | 一种基于深度学习的堆垛机预测性维护方法及其系统 | |
CN115034408A (zh) | 一种无缝钢管生产重点设备物联网维修预测系统 | |
CN114709923A (zh) | 一种电力物联网的智能故障判断方法 | |
CN114115197A (zh) | 燃气轮机状态维修决策系统、方法以及存储介质 | |
CN112001561A (zh) | 一种电力行业风险预测方法及系统 | |
CN117332233B (zh) | 一种电机智能化维护系统 | |
AU2015200309B2 (en) | Predicting failure of a mining machine | |
CN109885018A (zh) | 一种面向金属包装设备的专家智库系统的管理方法 | |
CN118348946A (zh) | 一种220v直流系统故障诊断方法 | |
CN115239058A (zh) | 基于dcs数据深度挖掘的发电机状态检测评价方法及系统 | |
CN116647575A (zh) | 一种滚筒渣处理装置的设备健康管理系统和方法 | |
CN117748742A (zh) | 一种电力工程的实时监测方法及系统 | |
CN118524117A (zh) | 一种物联网安全检测方法及系统 | |
CN115129031A (zh) | 一种工业控制产品报修数据方法及系统 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Xin Quanshuang Inventor after: Jiao Kun Inventor after: Hu Tianyang Inventor before: Xin Quanshuang Inventor before: Jiao Kun |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |