CN115655764B - 振动趋势分析方法、装置、电子设备及存储介质 - Google Patents
振动趋势分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115655764B CN115655764B CN202211341314.9A CN202211341314A CN115655764B CN 115655764 B CN115655764 B CN 115655764B CN 202211341314 A CN202211341314 A CN 202211341314A CN 115655764 B CN115655764 B CN 115655764B
- Authority
- CN
- China
- Prior art keywords
- working condition
- vibration data
- original vibration
- data
- trend
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013450 outlier detection Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及工业设备领域，具体涉及一种振动趋势分析方法、装置、电子设备及存储介质。该方法包括：获取待监测设备对应的电流数据以及多组原始振动数据；根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况；对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势；对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。上述方法，并不是在不考虑待监测设备的工况的情况下，对一段时间内的所有原始振动数据进行振动趋势分析，因此可以保证确定的各个工况对应的原始振动数据的振动趋势的准确性，进而保证确定待监测设备的运行状况的准确性。
Description
技术领域
本发明涉及工业设备领域，具体涉及一种振动趋势分析方法、装置、电子设备及存储介质。
背景技术
振动是影响旋转机械安全运行的重要因素，同时也直接反映了设备的运行状态。旋转机械绝大多数结构或机械方面的故障都能通过振动信号呈现出来，因此，旋转机械振动监测是设备状态监测的一项重要工作。
现有技术中，为了分析旋转机械设备的健康状况变化，通常会采集一段时间的振动数据，对其进行滤波、积分、傅里叶变换等处理获取频谱或者特征值，然后通过分析频谱或特征值的趋势变化来获取设备的健康变化。
上述方法，并不区分旋转机械设备的实际工况，对一段时间内的所有振动数据对应的特征数据进行分析的，从而导致获取到的振动数据对应的振动趋势不准确，进而导致不能准确确定旋转机械设备的运行状况。
发明内容
有鉴于此，本发明实施例提供了一种振动趋势分析方法，旨在解决现有技术中，获取到的原始振动数据对应的振动趋势不准确，不能准确确定旋转机械设备的运行状的问题。
根据第一方面，本发明实施例提供了一种振动趋势分析方法，方法包括：
获取待监测设备对应的电流数据以及多组原始振动数据；
根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况；
对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势；
对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。
本发明实施例提供的振动趋势分析方法，获取待监测设备对应的电流数据以及多组原始振动数据，然后，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况，保证了确定的各组原始振动数据对应的待监测设备的工况的准确性。对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。然后，对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。保证了确定的待监测设备的运行状况的准确性。上述方法，首先确定各组原始振动数据对应的待监测设备的工况，然后确定各个工况对应的原始振动数据的振动趋势，而不是在并不考虑待监测设备的工况的情况下，对一段时间内的所有原始振动数据进行振动趋势分析，因此上述方法，可以保证确定的各个工况对应的原始振动数据的振动趋势的准确性，进而保证确定待监测设备的运行状况的准确性。
结合第一方面，在第一方面第一实施方式中，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况，包括：
获取各组原始振动数据对应的电流数据；
根据电流数据对应的电流大小和变化趋势，确定电流数据对应的待监测设备的工况；
根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
本发明实施例提供的振动趋势分析方法，获取各组原始振动数据对应的电流数据；根据电流数据对应的电流大小和变化趋势，确定电流数据对应的待监测设备的工况，保证了确定的电流数据对应的待监测设备的工况的准确性。然后，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况，保证了确定的各组原始振动数据对应的待监测设备的工况的准确性。
结合第一方面，在第一方面第二实施方式中，对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势，包括：
根据各组原始振动数据对应的待监测设备的工况，对各组原始振动数据进行标注；
根据标注结果，确定同一工况下的各组原始振动数据；
利用同一工况下的各组原始振动数据，计算同一工况下的各组原始振动数据对应的特征值；特征值包括最大值、最小值、差值、平均值、方差以及有效值中的至少一种；
根据同一工况下的各组原始振动数据对应的特征值之间的关系，确定各个工况对应的原始振动数据的振动趋势。
本发明实施例提供的振动趋势分析方法，根据各组原始振动数据对应的待监测设备的工况，对各组原始振动数据进行标注，保证了标注结果的准确性。然后，根据标注结果，确定同一工况下的各组原始振动数据，保证了确定的同一工况下的各组原始振动数据的准确性。然后，利用同一工况下的各组原始振动数据，计算同一工况下的各组原始振动数据对应的特征值，保证了计算得到的同一工况下的各组原始振动数据对应的特征值的准确性。然后，根据同一工况下的各组原始振动数据对应的特征值之间的关系，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。
结合第一方面第二实施方式，在第一方面第三实施方式中，根据同一工况下的各组原始振动数据对应的特征值之间的关系，确定各个工况对应的原始振动数据的振动趋势，包括：
将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列；
对目标特征值序列进行分析，确定各个工况对应的原始振动数据的振动趋势。
本发明实施例提供的振动趋势分析方法，将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列，保证了生成的各个工况对应的目标特征值序列的准确性。然后，对目标特征值序列进行分析，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。
结合第一方面第三实施方式，在第一方面第四实施方式中，将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列，包括：
将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成候选特征值序列；
对候选特征值序列内的特征值进行异常数据检测，删除候选特征值序列内的异常特征值，生成各个工况对应的目标特征值序列。
本发明实施例提供的振动趋势分析方法，将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成候选特征值序列，保证了生成的候选特征值序列的准确性。然后，对候选特征值序列内的特征值进行异常数据检测，删除候选特征值序列内的异常特征值，生成各个工况对应的目标特征值序列，保证了生成的各个工况对应的目标特征值序列的准确性。
结合第一方面第三实施方式，在第一方面第五实施方式中，对目标特征值序列进行分析，确定各个工况对应的原始振动数据的振动趋势，包括：
利用预设算法对目标特征值序列进行平滑处理；
根据平滑处理后的目标特征值序列，生成目标趋势图；
对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势。
本发明实施例提供的振动趋势分析方法，利用预设算法对目标特征值序列进行平滑处理，根据平滑处理后的目标特征值序列，生成目标趋势图，保证了生成的目标趋势图的准确性以及平滑性。然后，对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。
结合第一方面，在第一方面第六实施方式中，对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况，包括：
针对各个工况，将原始振动数据的振动趋势与标准振动趋势进行对比；
当原始振动数据的振动趋势与标准振动趋势之间的最大差距小于预设差距阈值时，确定待监测设备的正常运动；
当原始振动数据的振动趋势与标准振动趋势之间的最大差距大于或者等于预设差距阈值时，确定待监测设备的存在故障。
本发明实施例提供的振动趋势分析方法，针对各个工况，将原始振动数据的振动趋势与标准振动趋势进行对比，当原始振动数据的振动趋势与标准振动趋势之间的最大差距小于预设差距阈值时，确定待监测设备的正常运动；当原始振动数据的振动趋势与标准振动趋势之间的最大差距大于或者等于预设差距阈值时，确定待监测设备的存在故障，保证了确定的待监测设备的运行状况的准确性。
根据第二方面，本发明实施例还提供了一种振动趋势分析装置，装置包括：
获取模块，用于获取待监测设备对应的电流数据以及多组原始振动数据；
第一确定模块，用于根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况；
第二确定模块，用于对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势；
第三确定模块，用于对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。
本发明实施例提供的振动趋势分析装置，获取待监测设备对应的电流数据以及多组原始振动数据，然后，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况，保证了确定的各组原始振动数据对应的待监测设备的工况的准确性。对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。然后，对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。保证了确定的待监测设备的运行状况的准确性。上述装置，首先确定各组原始振动数据对应的待监测设备的工况，然后确定各个工况对应的原始振动数据的振动趋势，而不是在并不考虑待监测设备的工况的情况下，对一段时间内的所有原始振动数据进行振动趋势分析，因此上述方法，可以保证确定的各个工况对应的原始振动数据的振动趋势的准确性，进而保证确定待监测设备的运行状况的准确性。
根据第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中的振动趋势分析方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行第一方面或者第一方面的任意一种实施方式中的振动趋势分析方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1是应用本发明实施例提供的振动趋势分析方法的流程图；
图2是应用本发明另一实施例提供的振动趋势分析方法的流程图；
图3是应用本发明实施例提供的各组原始振动数据对应的电流数据的示意图；
图4是应用本发明实施例提供的电流数据对应的待监测设备的工况的示意图；
图5是应用本发明另一实施例提供的振动趋势分析方法的流程图；
图6是应用本发明实施例提供的振动趋势分析装置的功能模块图；
图7是应用本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
需要说明的是，本申请实施例提供的振动趋势分析的方法，其执行主体可以是振动趋势分析的装置，该振动趋势分析的装置可以通过软件、硬件或者软硬件结合的方式实现成为电子设备的部分或者全部，其中，该电子设备可以是待监测设备中的一个控制器，也可以是独立于待监测设备的电子设备。当该电子设备独立于待监测设备时，该电子设备可以是服务器或者终端，其中，本申请实施例中的服务器可以为一台服务器，也可以为由多台服务器组成的服务器集群，本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备以及智能机器人等其他智能硬件设备。下述方法实施例中，均以执行主体是电子设备为例来进行说明。
在本申请一个实施例中，如图1所示，提供了一种振动趋势分析方法，以该方法应用于电子设备为例进行说明，包括以下步骤：
S11、获取待监测设备对应的电流数据以及多组原始振动数据。
具体地，电子设备可以接收与电子设备连接的采集设备传输的待监测设备对应的电流数据以及多组原始振动数据，也可以接收用户输入的待监测设备对应的电流数据以及多组原始振动数据，还可以接收其他设备发送的待监测设备对应的电流数据以及多组原始振动数据。本申请实施例对电子设备获取待监测设备中任一振动测点对应的原始振动数据的方式不做具体限定。
其中，待监测设备对应的电流数据可以是待监测设备对应的驱动电机的电流数据，驱动电机是用于驱动待监测设备的运作，驱动电机的输出端连接着待监测设备的输入端，可以从驱动电机获取实时的电流数据。
其中，待监测设备可以是轧机设备，也可以是其他设备，本申请实施例对待监测。
其中，原始振动数据可以是原始振动加速度数据，也可以是原始振动速度数据，本申请实施例对原始振动数据不做具体限定。
示例性的，电子设备可以基于与安装在待监测设备上的振动加速度传感器之间的连接，获取振动加速度传感器传输的原始振动加速度数据。其中，振动加速度传感设为：每隔ta单位时间采集一批，每批数据的采样频率为fs赫兹，采样点数为n个，每组采集到的振动加速度数据为A＝{x1,x2,x3,...,xn-1,xn}。
S12、根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
在本申请一种可选的实施方式中，电子设备可以对电流数据进行分析，根据电流数据确定待监测设备的工况，然后，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
关于该步骤将在下文进行详细介绍。
S13、对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势。
在本申请一种可选的实施方式中，电子设备确定了各组原始振动数据对应的待监测设备的工况之后，可以对获取同一工况下的各组原始振动数据，然后将同一工况下的各组原始振动数据按照采样时间进行排列。根据排列好的各组原始振动数据，生成候选趋势图，根据候选趋势图，确定各个工况对应的原始振动数据的振动趋势。
关于该步骤将在下文进行详细介绍。
S14、对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。
在本申请一种可选的实施方式中，在确定了各个工况对应的原始振动数据的振动趋势之后，电子设备可以获取各个工况下原始振动数据对应的标准振动趋势，然后将各个工况对应的原始振动数据的振动趋势与各个工况下原始振动数据对应的标准振动趋势进行对比，根据对比结果，确定待监测设备的运行状况。
关于该步骤将在下文进行详细介绍。
本发明实施例提供的振动趋势分析方法，获取待监测设备对应的电流数据以及多组原始振动数据，然后，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况，保证了确定的各组原始振动数据对应的待监测设备的工况的准确性。对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。然后，对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。保证了确定的待监测设备的运行状况的准确性。上述方法，首先确定各组原始振动数据对应的待监测设备的工况，然后确定各个工况对应的原始振动数据的振动趋势，而不是在并不考虑待监测设备的工况的情况下，对一段时间内的所有原始振动数据进行振动趋势分析，因此上述方法，可以保证确定的各个工况对应的原始振动数据的振动趋势的准确性，进而保证确定待监测设备的运行状况的准确性。
在本申请一个实施例中，如图2所示，提供了一种振动趋势分析方法，以该方法应用于电子设备为例进行说明，包括以下步骤：
S21、获取待监测设备对应的电流数据以及多组原始振动数据。
关于该步骤请参见图1对S11的介绍，在此不进行赘述。
S22、根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
在本申请一种可选的实施方式中，上述S22“根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况”，可以包括如下步骤：
S221、获取各组原始振动数据对应的电流数据。
具体地，电子设备可以接收与电子设备连接的电流采集设备传输的各组原始振动数据对应的电流数据，也可以接收用户输入的各组原始振动数据对应的电流数据，还可以接收其他设备发送的各组原始振动数据对应的电流数据。本申请实施例对电子设备获取各组原始振动数据对应的电流数据的方式不做具体限定。
示例性的，如图3所示，各组原始振动数据对应的电流数据可以如图3所示。
S222、根据电流数据对应的电流大小和变化趋势，确定电流数据对应的待监测设备的工况。
具体地，电子设备在获取到各组原始振动数据对应的电流数据之后，电子设备可以对电流数据进行读取和分析，确定电流数据对应的电流大小和变化趋势，然后，根据电流数据对应的电流大小和变化趋势，确定电流数据对应的待监测设备的工况。
示例性的，如图4所示，框(1)表示待监测设备开机且待监测设备有负载状态，框(2)表示待监测设备开机且待监测设备无负载状态，框(3)表示表示待监测设备断电瞬间，框(4)表示待监测设备关机状态。
S223、根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
具体地，电子设备在确定电流数据对应的待监测设备的工况之后，可以根据电流数据对应的采样时间和各组原始振动数据对应的采样时间，确定与电流数据中各段分电流数据对应的各组原始振动数据，然后根据电流数据中各段分电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
S23、对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势。
关于该步骤请参见图1对S13的介绍，在此不进行赘述。
S24、对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。
关于该步骤请参见图1对S13的介绍，在此不进行赘述。
本发明实施例提供的振动趋势分析方法，获取各组原始振动数据对应的电流数据；根据电流数据对应的电流大小和变化趋势，确定电流数据对应的待监测设备的工况，保证了确定的电流数据对应的待监测设备的工况的准确性。然后，根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况，保证了确定的各组原始振动数据对应的待监测设备的工况的准确性。
在本申请一个实施例中，如图5所示，提供了一种振动趋势分析方法，以该方法应用于电子设备为例进行说明，包括以下步骤：
S31、获取待监测设备对应的电流数据以及多组原始振动数据。
关于该步骤请参见图2对S21的介绍，在此不进行赘述。
S32、根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
关于该步骤请参见图2对S22的介绍，在此不进行赘述。
S33、对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势。
在本申请一种可选的实施方式中，上述S33“同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势”，可以包括如下步骤：
S331、根据各组原始振动数据对应的待监测设备的工况，对各组原始振动数据进行标注。
具体地，电子设备在确定了各组原始振动数据对应的待监测设备的工况之后，可以根据各组原始振动数据对应的待监测设备的工况，对各组原始振动数据进行标注。
示例性的，电子设备在确定了各组原始振动数据对应的待监测设备的工况之后，对各组原始振动数据打上状态标签，此处将标签记在左上角，如标签为l1的原始振动数据则记为为方便描述，下文用标签l1作为例子进行讲述，即/>为打上标签l1的原始振动数组，/>表示该原始振动数组里的第i个数据。
S332、根据标注结果，确定同一工况下的各组原始振动数据。
具体地，在对各组原始振动数据进行标注之后，电子设备对各组原始振动数据对应的标注标签进行读取，然后，根据标注标签，提取同一工况下的各组原始振动数据，从而确定同一工况下的各组原始振动数据。
S333、利用同一工况下的各组原始振动数据，计算同一工况下的各组原始振动数据对应的特征值。
其中，特征值包括最大值、最小值、差值、平均值、方差以及有效值中的至少一种。
具体地，针对同一工况下的各组原始振动数据，电子设备可以利用同一工况下的各组原始振动数据，计算同一工况下的各组原始振动数据对应的特征值。
示例性的，特征值及计算公式可以如下：
最大值：
最小值：
差值：
平均值：
方差：
有效值：
S334、根据同一工况下的各组原始振动数据对应的特征值之间的关系，确定各个工况对应的原始振动数据的振动趋势。
在本申请一种可选的实施方式中，上述S334“根据同一工况下的各组原始振动数据对应的特征值之间的关系，确定各个工况对应的原始振动数据的振动趋势”，可以包括如下步骤：
(1)将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列。
在本申请一种可选的实施方式中，电子设备可以将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列。
具体地，电子设备可以将同一工况下的各组原始振动数据对应的最大值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列；电子设备可以将同一工况下的各组原始振动数据对应的最小值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列；电子设备可以将同一工况下的各组原始振动数据对应的差值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列；电子设备可以将同一工况下的各组原始振动数据对应的平均值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列；电子设备可以将同一工况下的各组原始振动数据对应的方差按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列；电子设备可以将同一工况下的各组原始振动数据对应的有效值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列。
示例性的，假设采集了1000组的原始振动数据，其中有100组原始振动数据属于标签l1，则这100个组原始振动数据的最大值形成的数组为l1状态下的最大值数组，并设该数组为每组特征值数据组均按照数据采集时间先后进行排序，根据该数据组即可得出各个特征值在不同状态下的目标特征值序列。
在本申请另一种可选的实施方式中，上述步骤(1)“将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序”，可以包括如下步骤：
(11)将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成候选特征值序列。
(12)对候选特征值序列内的特征值进行异常数据检测，删除候选特征值序列内的异常特征值，生成各个工况对应的目标特征值序列。
具体地，电子设备可以将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成各个工况对应的候选特征值序列。
但是，由于现场环境干扰等原因，有时候会采集到异常的数据，因此需要去除异常值。因此，电子设备可以对候选特征值序列内的特征值进行异常数据检测，删除候选特征值序列内的异常特征值，生成各个工况对应的目标特征值序列。
可选的，电子设备可以使用异常值检测算法对对候选特征值序列内的特征值进行异常数据检测，其中，异常值检测算法可以使用箱型图，异常值检测算法也可以使用其他算法。
示例性的，假设异常值检测算法，电子设备对某个工况下某个特征值的趋势数据进行检测，计算如下值：
下四分位数(QL)，表示趋势数据中有四分之一的数据取值比它小；
上四分位数(QU)，表示趋势数据中有四分之一的数据取值比它大；
四分位间距(IQR)，IQR＝QU-QL。
若趋势数据中有数据小于QL-1.5×IQR或者大于QU+1.5×IQR，则认为是异常数据，并将该异常数据从趋势数据中去除。
(2)对目标特征值序列进行分析，确定各个工况对应的原始振动数据的振动趋势。
在本申请一种可选的实施方式中，电子设备可以对目标特征值序列进行分析，生成目标趋势图。然后，对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势。
在本申请另一种可选的实施方式中，上述步骤(2)“对目标特征值序列进行分析，确定各个工况对应的原始振动数据的振动趋势”，可以包括如下步骤：
(21)利用预设算法对目标特征值序列进行平滑处理；
(22)根据平滑处理后的目标特征值序列，生成目标趋势图；
(23)对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势。
具体地，由于目标特征值序列中可能出现前后两个数差距很大的情况，因此导致最终生成的目标趋势图会出现突变的情况，显得不够平滑。因此，电子设备可以利用预设算法对目标特征值序列进行平滑处理，其中，预设算法可以是滑动平均法，也可以是其他算法，本申请实施例对预设算法不做具体限定。
示例性的，当预设算法为滑动平均法时，以上述步骤中的的为例，取滑动窗口为3，则/>其中/>
然后，电子设备根据平滑处理后的目标特征值序列，生成目标趋势图。对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势。
S34、对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。
在本申请一种可选的实施方式中，上述S34“对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况”，可以包括如下步骤：
S341、针对各个工况，将原始振动数据的振动趋势与标准振动趋势进行对比。
S342、当原始振动数据的振动趋势与标准振动趋势之间的最大差距小于预设差距阈值时，确定待监测设备的正常运动；
S343、当原始振动数据的振动趋势与标准振动趋势之间的最大差距大于或者等于预设差距阈值时，确定待监测设备的存在故障。
具体地，电子设备在确定各个工况对应的原始振动数据的振动趋势之后，电子设备可以获取各个工况下原始振动数据对应的标准振动趋势，然后将各个工况对应的原始振动数据的振动趋势与各个工况下原始振动数据对应的标准振动趋势进行对比。当原始振动数据的振动趋势与标准振动趋势之间的最大差距小于预设差距阈值时，确定待监测设备的正常运动；当原始振动数据的振动趋势与标准振动趋势之间的最大差距大于或者等于预设差距阈值时，确定待监测设备的存在故障。
本发明实施例提供的振动趋势分析方法，根据各组原始振动数据对应的待监测设备的工况，对各组原始振动数据进行标注，保证了标注结果的准确性。然后，根据标注结果，确定同一工况下的各组原始振动数据，保证了确定的同一工况下的各组原始振动数据的准确性。然后，利用同一工况下的各组原始振动数据，计算同一工况下的各组原始振动数据对应的特征值，保证了计算得到的同一工况下的各组原始振动数据对应的特征值的准确性。然后，将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成候选特征值序列，保证了生成的候选特征值序列的准确性。然后，对候选特征值序列内的特征值进行异常数据检测，删除候选特征值序列内的异常特征值，生成各个工况对应的目标特征值序列，保证了生成的各个工况对应的目标特征值序列的准确性。然后，利用预设算法对目标特征值序列进行平滑处理，根据平滑处理后的目标特征值序列，生成目标趋势图，保证了生成的目标趋势图的准确性以及平滑性。然后，对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势，保证了确定的各个工况对应的原始振动数据的振动趋势的准确性。
此外，本发明实施例提供的振动趋势分析方法，针对各个工况，将原始振动数据的振动趋势与标准振动趋势进行对比，当原始振动数据的振动趋势与标准振动趋势之间的最大差距小于预设差距阈值时，确定待监测设备的正常运动；当原始振动数据的振动趋势与标准振动趋势之间的最大差距大于或者等于预设差距阈值时，确定待监测设备的存在故障，保证了确定的待监测设备的运行状况的准确性。
应该理解的是，虽然图1、图2、以及图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、图2、以及图5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示，本实施例提供一种振动趋势分析装置，包括：
获取模块41，用于获取待监测设备对应的电流数据以及多组原始振动数据；
第一确定模块42，用于根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况；
第二确定模块43，用于对同一工况下的各组原始振动数据进行数据分析，确定各个工况对应的原始振动数据的振动趋势；
第三确定模块44，用于对各个工况对应的原始振动数据的振动趋势进行分析，确定待监测设备的运行状况。
在本申请一个实施例中，上述第一确定模块42，具体用于获取各组原始振动数据对应的电流数据；根据电流数据对应的电流大小和变化趋势，确定电流数据对应的待监测设备的工况；根据电流数据与各组原始振动数据之间的对应关系，确定各组原始振动数据对应的待监测设备的工况。
在本申请一个实施例中，上述第二确定模块43，具体用于根据各组原始振动数据对应的待监测设备的工况，对各组原始振动数据进行标注；根据标注结果，确定同一工况下的各组原始振动数据；利用同一工况下的各组原始振动数据，计算同一工况下的各组原始振动数据对应的特征值；特征值包括最大值、最小值、差值、平均值、方差以及有效值中的至少一种；根据同一工况下的各组原始振动数据对应的特征值之间的关系，确定各个工况对应的原始振动数据的振动趋势。
在本申请一个实施例中，上述第二确定模块43，具体用于将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应的采样时间进行排序，生成各个工况对应的目标特征值序列；对目标特征值序列进行分析，确定各个工况对应的原始振动数据的振动趋势。
在本申请一个实施例中，上述第二确定模块43，具体用于将同一工况下的各组原始振动数据对应的特征值按照各组原始振动数据对应采样时间进行排序，生成候选特征值序列；对候选特征值序列内的特征值进行异常数据检测，删除候选特征值序列内的异常特征值，生成各个工况对应的目标特征值序列。
在本申请一个实施例中，上述第二确定模块43，具体用于利用预设算法对目标特征值序列进行平滑处理；根据平滑处理后的目标特征值序列，生成目标趋势图；对目标趋势图进行读取，确定各个工况对应的原始振动数据的振动趋势。
在本申请一个实施例中，上述第三确定模块44，具体用于针对各个工况，将原始振动数据的振动趋势与标准振动趋势进行对比；当原始振动数据的振动趋势与标准振动趋势之间的最大差距小于预设差距阈值时，确定待监测设备的正常运动；当原始振动数据的振动趋势与标准振动趋势之间的最大差距大于或者等于预设差距阈值时，确定待监测设备的存在故障。
关于振动趋势分析装置的具体限定以及有益效果可以参见上文中对于振动趋势分析方法的限定，在此不再赘述。上述振动趋势分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本发明实施例还提供一种电子设备，具有上述图6所示的振动趋势分析装置。
如图7所示，图7是本发明可选实施例提供的一种电子设备的结构示意图，如图7所示，该电子设备可以包括：至少一个处理器51，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口53，存储器54，至少一个通信总线52。其中，通信总线52用于实现这些组件之间的连接通信。其中，通信接口53可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口53还可以包括标准的有线接口、无线接口。存储器54可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器54可选的还可以是至少一个位于远离前述处理器51的存储装置。其中处理器51可以结合图6所描述的装置，存储器54中存储应用程序，且处理器51调用存储器54中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线52可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线52可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器54可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器54还可以包括上述种类的存储器的组合。
其中，处理器51可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器51还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器54还用于存储程序指令。处理器51可以调用程序指令，实现如本申请图1、图2以及图5实施例中所示的振动趋势分析方法。
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的振动趋势分析方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种振动趋势分析方法，其特征在于，所述方法包括：
获取待监测设备对应的电流数据以及多组原始振动数据；
根据所述电流数据与各组所述原始振动数据之间的对应关系，确定各组所述原始振动数据对应的所述待监测设备的工况；
对同一工况下的各组所述原始振动数据进行数据分析，确定各个工况对应的所述原始振动数据的振动趋势；
对各个工况对应的所述原始振动数据的振动趋势进行分析，确定所述待监测设备的运行状况；
其中，所述根据所述电流数据与各组所述原始振动数据之间的对应关系，确定各组所述原始振动数据对应的所述待监测设备的工况，包括：
获取各组所述原始振动数据对应的所述电流数据；
根据所述电流数据对应的电流大小和变化趋势，确定所述电流数据对应的所述待监测设备的工况；
根据所述电流数据与各组所述原始振动数据之间的对应关系，确定各组所述原始振动数据对应的所述待监测设备的工况；
所述对同一工况下的各组所述原始振动数据进行数据分析，确定各个工况对应的所述原始振动数据的振动趋势，包括：
根据各组所述原始振动数据对应的所述待监测设备的工况，对各组所述原始振动数据进行标注；
根据标注结果，确定同一工况下的各组所述原始振动数据；
利用同一工况下的各组所述原始振动数据，计算同一工况下的各组所述原始振动数据对应的特征值；所述特征值包括最大值、最小值、差值、平均值、方差以及有效值中的至少一种；
根据同一工况下的各组所述原始振动数据对应的特征值之间的关系，确定各个工况对应的所述原始振动数据的振动趋势。
2.根据权利要求1所述的方法，其特征在于，所述根据同一工况下的各组所述原始振动数据对应的特征值之间的关系，确定各个工况对应的所述原始振动数据的振动趋势，包括：
将同一工况下的各组所述原始振动数据对应的特征值按照各组所述原始振动数据对应的采样时间进行排序，生成各个工况对应的目标特征值序列；
对所述目标特征值序列进行分析，确定各个工况对应的所述原始振动数据的振动趋势。
3.根据权利要求2所述的方法，其特征在于，所述将同一工况下的各组所述原始振动数据对应的特征值按照各组所述原始振动数据对应采样时间进行排序，生成各个工况对应的目标特征值序列，包括：
所述将同一工况下的各组所述原始振动数据对应的特征值按照各组所述原始振动数据对应采样时间进行排序，生成候选特征值序列；
对所述候选特征值序列内的所述特征值进行异常数据检测，删除所述候选特征值序列内的异常特征值，生成各个工况对应的所述目标特征值序列。
4.根据权利要求2所述的方法，其特征在于，所述对所述目标特征值序列进行分析，确定各个工况对应的所述原始振动数据的振动趋势，包括：
利用预设算法对所述目标特征值序列进行平滑处理；
根据平滑处理后的目标特征值序列，生成目标趋势图；
对所述目标趋势图进行读取，确定各个工况对应的所述原始振动数据的振动趋势。
5.根据权利要求1所述的方法，其特征在于，所述对各个工况对应的所述原始振动数据的振动趋势进行分析，确定所述待监测设备的运行状况，包括：
针对各个工况，将所述原始振动数据的振动趋势与标准振动趋势进行对比；
当所述原始振动数据的振动趋势与所述标准振动趋势之间的最大差距小于预设差距阈值时，确定所述待监测设备的正常运动；
当所述原始振动数据的振动趋势与所述标准振动趋势之间的最大差距大于或者等于所述预设差距阈值时，确定所述待监测设备的存在故障。
6.一种振动趋势分析装置，其特征在于，所述装置包括：
获取模块，用于获取待监测设备对应的电流数据以及多组原始振动数据；
第一确定模块，用于根据所述电流数据与各组所述原始振动数据之间的对应关系，确定各组所述原始振动数据对应的所述待监测设备的工况；其中，所述根据所述电流数据与各组所述原始振动数据之间的对应关系，确定各组所述原始振动数据对应的所述待监测设备的工况，包括：获取各组所述原始振动数据对应的所述电流数据；根据所述电流数据对应的电流大小和变化趋势，确定所述电流数据对应的所述待监测设备的工况；根据所述电流数据与各组所述原始振动数据之间的对应关系，确定各组所述原始振动数据对应的所述待监测设备的工况；
第二确定模块，用于对同一工况下的各组所述原始振动数据进行数据分析，确定各个工况对应的所述原始振动数据的振动趋势；其中，所述对同一工况下的各组所述原始振动数据进行数据分析，确定各个工况对应的所述原始振动数据的振动趋势，包括：根据各组所述原始振动数据对应的所述待监测设备的工况，对各组所述原始振动数据进行标注；根据标注结果，确定同一工况下的各组所述原始振动数据；利用同一工况下的各组所述原始振动数据，计算同一工况下的各组所述原始振动数据对应的特征值；所述特征值包括最大值、最小值、差值、平均值、方差以及有效值中的至少一种；根据同一工况下的各组所述原始振动数据对应的特征值之间的关系，确定各个工况对应的所述原始振动数据的振动趋势；
第三确定模块，用于对各个工况对应的所述原始振动数据的振动趋势进行分析，确定所述待监测设备的运行状况。
7.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5中任一项所述的振动趋势分析方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-5中任一项所述的振动趋势分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211341314.9A CN115655764B (zh) | 2022-10-27 | 2022-10-27 | 振动趋势分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211341314.9A CN115655764B (zh) | 2022-10-27 | 2022-10-27 | 振动趋势分析方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115655764A CN115655764A (zh) | 2023-01-31 |
| CN115655764B true CN115655764B (zh) | 2023-08-25 |
Family
ID=84993216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211341314.9A Active CN115655764B (zh) | 2022-10-27 | 2022-10-27 | 振动趋势分析方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115655764B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5610339A (en) * | 1994-10-20 | 1997-03-11 | Ingersoll-Rand Company | Method for collecting machine vibration data |
| CN101289990A (zh) * | 2008-06-17 | 2008-10-22 | 四川中鼎自动控制有限公司 | 水轮发电机组振动保护的实现方法 |
| JP2012058812A (ja) * | 2010-09-06 | 2012-03-22 | Toshiba Corp | トレンドデータ管理装置およびトレンドデータ管理方法 |
| JP2017173321A (ja) * | 2016-03-17 | 2017-09-28 | Ntn株式会社 | 状態監視システムおよび風力発電装置 |
| CN111426498A (zh) * | 2020-04-23 | 2020-07-17 | 郑州大学 | 一种监测设备运行状态的边缘处理方法 |
| CN112781843A (zh) * | 2019-11-11 | 2021-05-11 | 通用电气公司 | 通过确定瞬时转速操作期间的振动趋势检测转子异常 |
| CN114091238A (zh) * | 2021-10-22 | 2022-02-25 | 中国华能集团清洁能源技术研究院有限公司 | 设备寿命预测方法、装置、电子设备及存储介质 |
-
2022
- 2022-10-27 CN CN202211341314.9A patent/CN115655764B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5610339A (en) * | 1994-10-20 | 1997-03-11 | Ingersoll-Rand Company | Method for collecting machine vibration data |
| CN101289990A (zh) * | 2008-06-17 | 2008-10-22 | 四川中鼎自动控制有限公司 | 水轮发电机组振动保护的实现方法 |
| JP2012058812A (ja) * | 2010-09-06 | 2012-03-22 | Toshiba Corp | トレンドデータ管理装置およびトレンドデータ管理方法 |
| JP2017173321A (ja) * | 2016-03-17 | 2017-09-28 | Ntn株式会社 | 状態監視システムおよび風力発電装置 |
| CN112781843A (zh) * | 2019-11-11 | 2021-05-11 | 通用电气公司 | 通过确定瞬时转速操作期间的振动趋势检测转子异常 |
| CN111426498A (zh) * | 2020-04-23 | 2020-07-17 | 郑州大学 | 一种监测设备运行状态的边缘处理方法 |
| CN114091238A (zh) * | 2021-10-22 | 2022-02-25 | 中国华能集团清洁能源技术研究院有限公司 | 设备寿命预测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115655764A (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114065613B (zh) | 基于深度迁移学习的多工况流程工业故障检测诊断方法 | |
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN109086876B (zh) | 设备的运行状态检测方法、装置、计算机设备和存储介质 | |
| JP6851558B1 (ja) | 異常診断方法、異常診断装置および異常診断プログラム | |
| CN112766342A (zh) | 一种电气设备的异常检测方法 | |
| JP2004524609A (ja) | 予測状態監視における変化状態の適応モデリング | |
| CN112272763B (zh) | 异常探测装置、异常探测方法以及计算机可读取的存储介质 | |
| JP5895457B2 (ja) | 異常監視システムおよび異常監視方法 | |
| EP3825800A1 (en) | Anomaly detection device, method of detecting anomaly, and program | |
| CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
| CN115931319B (zh) | 故障诊断方法、装置、电子设备及存储介质 | |
| JP7012888B2 (ja) | 異常要因推定装置、異常要因推定方法、及びプログラム | |
| Yang et al. | Total precision inspection of machine tools with virtual metrology | |
| CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
| CN114548280A (zh) | 故障诊断模型的训练、故障诊断方法及电子设备 | |
| CN117314890B (zh) | 打扣加工的安全控制方法、装置、设备及存储介质 | |
| CN115655764B (zh) | 振动趋势分析方法、装置、电子设备及存储介质 | |
| CN113110961A (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
| JP2022168706A (ja) | 異常検知装置、プログラム、異常検知方法、及び製造方法 | |
| CN112987682A (zh) | 控制方法、控制装置和机械设备 | |
| CN114265840A (zh) | 异常得分计算装置、方法以及存储介质 | |
| CN111007817A (zh) | 设备加工工件质量检测方法、装置及计算机可读存储介质 | |
| JP2020086786A (ja) | 検出装置及び機械学習方法 | |
| JP7311820B1 (ja) | 異常判定方法、異常判定装置及びプログラム | |
| JP6510931B2 (ja) | データ解析方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |