CN115816514A - 基于测量电变量的机器人关节制动器故障检测方法及系统 - Google Patents

基于测量电变量的机器人关节制动器故障检测方法及系统 Download PDF

Info

Publication number
CN115816514A
CN115816514A CN202310119444.6A CN202310119444A CN115816514A CN 115816514 A CN115816514 A CN 115816514A CN 202310119444 A CN202310119444 A CN 202310119444A CN 115816514 A CN115816514 A CN 115816514A
Authority
CN
China
Prior art keywords
brake
preset current
current threshold
fault detection
threshold
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
Application number
CN202310119444.6A
Other languages
English (en)
Other versions
CN115816514B (zh
Inventor
王迎智
李大鹏
杨猛
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.)
Jixian Artificial Intelligence Co Ltd
Original Assignee
Jixian Artificial Intelligence 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 Jixian Artificial Intelligence Co Ltd filed Critical Jixian Artificial Intelligence Co Ltd
Priority to CN202310119444.6A priority Critical patent/CN115816514B/zh
Publication of CN115816514A publication Critical patent/CN115816514A/zh
Application granted granted Critical
Publication of CN115816514B publication Critical patent/CN115816514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Manipulator (AREA)

Abstract

本发明属于测量电变量技术领域，提供了基于测量电变量的机器人关节制动器故障检测方法及系统，包括：获取制动器所在回路中的电流信号和制动器的状态信号；根据制动器的状态，确定相匹配的预设电流阈值；将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果可以实现对制动器的意外打开以及制动器无法打开的故障检测，从而实现当制动器出现故障时，操作者可以通过故障检测结果进行相关应对操作，防止危害的进一步发生。

Description

基于测量电变量的机器人关节制动器故障检测方法及系统
技术领域
本发明属于测量电变量技术领域，尤其涉及一种基于测量电变量的机器人关节制动器故障检测方法及系统。
背景技术
医用机器人的各个关节不运动时，通常需要用制动器锁住，以防止医用机器人的意外的运动，制动器还可以称抱闸。当操作者未发出命令，制动器意外打开时，在重力或者操作者意外推动的作用下，医用机器人应用部分的意外动作会对患者造成无法接受的伤害；当制动器出现故障无法打开时，关节转动的力矩将会变大，影响医用机器人的临床功能。在手术过程中出现意外动作或制动器无法打开等故障时，会严重影响手术进程；另外，如果制动器发生短路，产生的热量可能会烫伤操作者或患者。
现有的医用机器人，在关节处虽然设置了制动器以实现关节的锁定，但是，制动器在长时间和高频次使用过程中，会出现意外打开和无法打开等故障，如果不能对制动器的意外打开以及制动器无法打开等故障进行检测，会导致医用机器人应用部分意外动作对患者造成伤害的问题，以及关节转动力矩变大影响医用机器人临床功能的问题。
发明内容
本发明为了解决上述问题，提出了一种基于测量电变量的机器人关节制动器故障检测方法及系统，本发明通过对制动器电变量的检测来判断制动器是否正常工作，实现了对制动器的意外打开以及制动器无法打开等故障的检测，在制动器出现故障时，可以及时进行报警，避免了手术过程中出现的医用机器人应用部分意外动作对患者造成伤害以及关节转动力矩变大影响医用机器人临床功能的问题。
为了实现上述目的，本发明是通过如下的技术方案来实现：
第一方面，本发明提供了一种基于测量电变量的机器人关节制动器故障检测方法，包括：
获取制动器所在回路中的电流信号和制动器的状态信号；
根据制动器的状态，确定相匹配的预设电流阈值；
将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果来判断制动器的故障类型。
进一步的，所述制动器为打开状态时，如果电流信号大于第一预设电流阈值，判断制动器出现打开幅度过大故障；如果电流信号小于第二预设电流阈值，判断所述制动器出现无法打开故障；所述第二预设电流阈值小于所述第一预设电流阈值。
进一步的，所述制动器为关闭状态时，如果电流信号大于第三预设电流阈值，判断所述制动器出现意外打开故障；所述第三预设电流阈值小于所述第二预设电流阈值。
进一步的，所述回路中至少包括一个制动器。
进一步的，对获取的电流信号进行去噪处理。
进一步的，采用小波阈值去噪法进行去噪处理，阈值函数为：
采用小波阈值去噪法进行去噪处理，阈值函数为：
Figure SMS_1
Figure SMS_2
其中，a表示设定的阈值；
Figure SMS_3
表示去噪后第i层小波分解分量的第j个系数，i和j为常数；
Figure SMS_4
表示阈值处理后的分解系数；sgn表示符号函数。
第二方面，本发明还提供了一种基于测量电变量的机器人关节制动器故障检测系统，包括：
数据采集模块，被配置为：获取制动器所在回路中的电流信号和制动器的状态信号；
阈值确定模块，被配置为：根据制动器的状态，确定相匹配的预设电流阈值；
故障检测模块，被配置为：将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果来判断制动器的故障类型。
进一步的，所述制动器为打开状态时，如果电流信号大于第一预设电流阈值，判断制动器出现打开幅度过大故障；如果电流信号小于第二预设电流阈值，判断所述制动器出现无法打开故障；所述第二预设电流阈值小于所述第一预设电流阈值。
进一步的，所述制动器为关闭状态时，如果电流信号大于第三预设电流阈值，判断所述制动器出现意外打开故障；所述第三预设电流阈值小于所述第二预设电流阈值。
进一步的，对获取的电流信号进行去噪处理。
与现有技术相比，本发明的有益效果为：
1、本发明通过获取制动器所在回路中的电流信号，然后根据电流信号与第一预设电流阈值、第二预设电流阈值和第三预设电流阈值的比较结果，可以实现对制动器的意外打开以及制动器无法打开的故障检测，从而实现当制动器出现故障时，操作者可以通过故障检测结果进行相关应对操作，防止危害的进一步发生；
2、本发明通过直接获取制动器所在回路中的电流信号进行故障检测，较在制动器上增加限位开关等元件实现的对制动器故障检测等方式，降低了关节处的整体体积和结构复杂度，降低了关节处的臃肿程度；
3、本发明中的检测方法仅在控制柜内部增加了电流传感器，对制动器的外形大小无影响，而且电流传感器的体积也很小，不影响控制柜的设计；
4、本发明在获取电流信号后，首先对获取的电流信号进行去噪处理，再进行电流信号的比较，保证了检测精度。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例1的流程图；
图2为本发明实施例1的制动器所在回路示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
正如背景金属中记载的，现有的医用机器人，不能对制动器的意外打开以及制动器无法打开等故障进行检测，或者，如果在制动器上增加限位开关等元件实现对制动器故障检测时，制动器的体积会因为限位开关的设置而增大，关节整体体积增大，增加了关节的臃肿程度，不利于设计；针对上述问题，如图1所示，本实施例体提供了一种测量电变量的基于测量电变量的机器人关节制动器故障检测方法，包括：
获取制动器所在回路中的电流信号和制动器的状态信号；
根据制动器的状态，确定相匹配的预设电流阈值；
将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果来判断制动器的故障类型。
具体的，所述制动器为打开状态时，如果电流信号大于第一预设电流阈值，判断制动器出现打开幅度过大故障；如果电流信号小于第二预设电流阈值，判断所述制动器出现无法打开故障；所述制动器为关闭状态时，如果电流信号大于第三预设电流阈值，判断所述制动器出现意外打开故障；当判断制动器出现故障时，进行报警，否则，不报警；所述第三预设电流阈值小于所述第二预设电流阈值，所述第二预设电流阈值小于所述第一预设电流阈值。
可以理解的，当获取的电流信号超出预设电流阈值时，制动器发生故障；通过直接获取制动器所在回路中的电流信号，然后判断获取的电流信号是否超出预设电流阈值来确定制动器是否发生故障并进行报警，当制动器出现故障时候，操作者可以通过报警信息得知，防止危害的进一步发生。
在获取电流信号超出预设电流阈值时，可以在医用机器人的控制柜内部增加电流传感器实现电流信号的采集，此种方式对制动器的外形大小无影响，而且电流传感器的体积也很小，不影响控制柜的设计。具体的，如图2所示，在制动器所在回路中设置电流传感器U1，所述回路中至少包括一个制动器，其中，第一制动器、第二制动器、第三制动器、第四制动器、第五制动器和第六制动器分别为医用机器人关节处的制动器，制动器的打开动作和闭合动作可以通过继电器KA1来控制。
因电脑等终端设备不能直接处理电流信号，需要将电流信号转成电压信号，在经过模拟数字转化，才能变成数字量进行运算；所述电流传感器U1采集制动器所在回路的电流信号后，将采集的电流模拟信号转换为0~10V的模拟电压信号，将转化后的电压信号发送到模拟数字转换模块IO实现将模拟量转换成数字量；图2中，A1是指模拟量输入的编号；Iwxxx是指模拟量输入模块的名字；模拟量采集模块为可编程电子系统。
可选的，获取制动器所在回路中的电流信号后，判断制动器是否打开；
如果所述制动器打开，将获取的电流信号与第一预设电流阈值和第二预设电流阈值进行比较，否则，将获取的电流信号与第三预设电流阈值进行比较；其中，所述第三预设电流阈值小于所述第二预设电流阈值，所述第二预设电流阈值小于所述第一预设电流阈值。
第一预设电流阈值、第二预设电流阈值和第三预设电流阈值的确定可以通过实验确定；具体的，可以设置常量Ib为正常状态下制动器的电流值，所述第一预设电流阈值可以设置为1.05*Ib，所述第二预设电流阈值可以设置为0.95*Ib，所述第三预设电流阈值可以设置为0.05*Ib；具体的，可编程电子系统的程序中，常量Ib表示正常状态下制动器的电流值，I表示制动器动作时从模拟数字转换模块IO采集到的电流值。
可选的，在所述制动器打开时，如果电流信号大于所述第一预设电流阈值或小于所述第二预设电流阈值时进行报警，否则不报警。在所述制动器未打开时，如果电流信号大于所述第三预设电流阈值时进行报警，否则不报警。
如图1和图2所示，当操作者发出打开制动器的命令时，所述继电器KA1闭合，当I<0.95*Ib或者I>1.05*Ib时，进行报警；当操作者未发出打开制动器的命令时，所述继电器KA1断开，当I>0.05*Ib时，进行报警；本实施例中，可以通过程序输出报警信号到预设的图形界面实现对操作者的提示，还可以通过语音报警等方式实现对操作者的提示。
可以理解的，获取制动器状态信号时，可以将操作控制过程中发出的控制指令作为状态信号；比如，实际操作过程中，当发出制动器工作指令后，依据状态信号判断的制动器为打开状态；当不发出制动器工作指令或发出制动器停止工作指令后，依据状态信号判断的制动器为关闭状态。故障判断时，根据实时控制指令所述制动器为打开状态时，如果电流信号大于所述第一预设电流阈值，则可以判断为所述制动器出现打开幅度过大故障，如果电流信号小于所述第二预设电流阈值，则可以判断为所述制动器出现无法打开故障；根据实时控制指令所述制动器为关闭状态时，如果电流信号大于所述第一预设电流阈值，则可以判断为所述制动器出现意外打开故障。
在其他一些实施例中，为了保证检测精度，在获取电流信号后，首先对获取的电流信号进行去噪处理，再进行电流信号的比较。
具体的，可以采用小波阈值去噪法进行去噪处理，将电流信号通过小波变换后，产生的小波系数含有电流信号的重要信息，将电流信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于电流信号的小波系数。可以选取一个合适的阈值，大于阈值的小波系数被认为是正常电流信号产生的，应予以保留；小于阈值的则认为是噪声产生的，设置为零，从而达到去噪的目的；具体的：
S1、分解：选定一种层数为N的小波对信号进行小波分解；
S2、阈值处理过程：分解后通过选取一合适的阈值，用阈值函数对各层系数进行量化；
阈值选取时，传统的软阈值函数为：
Figure SMS_5
其中，a表示设定的阈值，可以采用通用阈值
Figure SMS_6
，b表示噪声方差，L表示信号长度；
Figure SMS_7
表示去噪后第i层小波分解分量的第j个系数，i和j为常数；
Figure SMS_8
为阈值处理后的分解系数；sgn表示符号函数，是指返回一个整型变量。
传统的硬阈值函数为：
Figure SMS_9
本实施例中，对传统软阈值函数进行改进，得到新阈值函数为：
Figure SMS_10
其中，a表示设定的阈值；
Figure SMS_11
表示去噪后第i层小波分解分量的第j个系数；
Figure SMS_12
表示阈值处理后的分解系数；sgn表示符号函数，是指返回一个整型变量；w接近1时，去噪能力比较好，w可以通过实验获得，还可以通过以下方式获得：
Figure SMS_13
S3、重构：用处理后的分解系数重构信号。
实施例2：
本实施例提供了一种基于测量电变量的机器人关节制动器故障检测系统，包括：
数据采集模块，被配置为：获取制动器所在回路中的电流信号和制动器的状态信号；
阈值确定模块，被配置为：根据制动器的状态，确定相匹配的预设电流阈值；
故障检测模块，被配置为：将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果来判断制动器的故障类型。
所述系统的工作方法与实施例1的测量电变量的基于测量电变量的机器人关节制动器故障检测方法相同，这里不再赘述。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

Claims (10)

1.基于测量电变量的机器人关节制动器故障检测方法，其特征在于，包括：
获取制动器所在回路中的电流信号和制动器的状态信号；
根据制动器的状态，确定相匹配的预设电流阈值；
将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果来判断制动器的故障类型。
2.如权利要求1所述的基于测量电变量的机器人关节制动器故障检测方法，其特征在于，所述制动器为打开状态时，如果电流信号大于第一预设电流阈值，判断制动器出现打开幅度过大故障；如果电流信号小于第二预设电流阈值，判断所述制动器出现无法打开故障；所述第二预设电流阈值小于所述第一预设电流阈值。
3.如权利要求2所述的基于测量电变量的机器人关节制动器故障检测方法，其特征在于，所述制动器为关闭状态时，如果电流信号大于第三预设电流阈值，判断所述制动器出现意外打开故障；所述第三预设电流阈值小于所述第二预设电流阈值。
4.如权利要求1所述的基于测量电变量的机器人关节制动器故障检测方法，其特征在于，所述回路中至少包括一个制动器。
5.如权利要求1所述的基于测量电变量的机器人关节制动器故障检测方法，其特征在于，对获取的电流信号进行去噪处理。
6.如权利要求5所述的基于测量电变量的机器人关节制动器故障检测方法，其特征在于，采用小波阈值去噪法进行去噪处理，阈值函数为：
Figure QLYQS_1
Figure QLYQS_2
其中，a表示设定的阈值；
Figure QLYQS_3
表示去噪后第i层小波分解分量的第j个系数，i和j为常数；
Figure QLYQS_4
表示阈值处理后的分解系数；sgn表示符号函数。
7.基于测量电变量的机器人关节制动器故障检测系统，其特征在于，包括：
数据采集模块，被配置为：获取制动器所在回路中的电流信号和制动器的状态信号；
阈值确定模块，被配置为：根据制动器的状态，确定相匹配的预设电流阈值；
故障检测模块，被配置为：将制动器所在回路中的电流信号与所述状态相匹配的对应预设电流阈值进行比较，通过比较结果来判断制动器的故障类型。
8.如权利要求7所述的基于测量电变量的机器人关节制动器故障检测系统，其特征在于，在所述故障检测模块中，所述制动器为打开状态时，如果电流信号大于第一预设电流阈值，判断制动器出现打开幅度过大故障；如果电流信号小于第二预设电流阈值，判断所述制动器出现无法打开故障；所述第二预设电流阈值小于所述第一预设电流阈值。
9.如权利要求8所述的基于测量电变量的机器人关节制动器故障检测系统，其特征在于，在所述故障检测模块中，所述制动器为关闭状态时，如果电流信号大于第三预设电流阈值，判断所述制动器出现意外打开故障；所述第三预设电流阈值小于所述第二预设电流阈值。
10.如权利要求7所述的基于测量电变量的机器人关节制动器故障检测系统，其特征在于，在所述故障检测模块中，对获取的电流信号进行去噪处理。
CN202310119444.6A 2023-02-16 2023-02-16 基于测量电变量的机器人关节制动器故障检测方法及系统 Active CN115816514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310119444.6A CN115816514B (zh) 2023-02-16 2023-02-16 基于测量电变量的机器人关节制动器故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310119444.6A CN115816514B (zh) 2023-02-16 2023-02-16 基于测量电变量的机器人关节制动器故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN115816514A true CN115816514A (zh) 2023-03-21
CN115816514B CN115816514B (zh) 2023-06-27

Family

ID=85521532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310119444.6A Active CN115816514B (zh) 2023-02-16 2023-02-16 基于测量电变量的机器人关节制动器故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN115816514B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050023894A1 (en) * 2003-08-01 2005-02-03 Fanuc Ltd Brake apparatus having braking condition monitoring section
CN102590716A (zh) * 2012-02-11 2012-07-18 广东电网公司电力科学研究院 一种基于小波分析的电力电缆局部放电信号去噪方法
US20140000355A1 (en) * 2012-06-28 2014-01-02 Fanuc Corporation Brake abnormality diagnosis method and brake abnormality diagnosis device
CN105866669A (zh) * 2016-05-19 2016-08-17 华南理工大学 一种断路器分合闸控制回路故障诊断方法
KR20190001121A (ko) * 2017-06-26 2019-01-04 (주)다인큐브 로봇용 브레이크 전원장치 및 브레이크 제어 방법
CN109375575A (zh) * 2018-11-27 2019-02-22 张心怡 一种抱闸控制方法及系统
CN111977484A (zh) * 2020-08-21 2020-11-24 巨人通力电梯有限公司 一种抱闸电源控制方法及系统
CN113681558A (zh) * 2021-08-17 2021-11-23 珠海格力电器股份有限公司 多关节机器人的电机抱闸异常控制方法、装置及机器人
WO2021258832A1 (zh) * 2020-06-23 2021-12-30 青岛科技大学 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法
WO2022057730A1 (zh) * 2020-09-21 2022-03-24 苏州艾利特机器人有限公司 一种机器人制动异常检测方法及多关节机器人
CN114581674A (zh) * 2022-03-21 2022-06-03 南京信息工程大学 一种基于改进阈值函数的小波去噪方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050023894A1 (en) * 2003-08-01 2005-02-03 Fanuc Ltd Brake apparatus having braking condition monitoring section
CN102590716A (zh) * 2012-02-11 2012-07-18 广东电网公司电力科学研究院 一种基于小波分析的电力电缆局部放电信号去噪方法
US20140000355A1 (en) * 2012-06-28 2014-01-02 Fanuc Corporation Brake abnormality diagnosis method and brake abnormality diagnosis device
CN105866669A (zh) * 2016-05-19 2016-08-17 华南理工大学 一种断路器分合闸控制回路故障诊断方法
KR20190001121A (ko) * 2017-06-26 2019-01-04 (주)다인큐브 로봇용 브레이크 전원장치 및 브레이크 제어 방법
CN109375575A (zh) * 2018-11-27 2019-02-22 张心怡 一种抱闸控制方法及系统
WO2021258832A1 (zh) * 2020-06-23 2021-12-30 青岛科技大学 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法
CN111977484A (zh) * 2020-08-21 2020-11-24 巨人通力电梯有限公司 一种抱闸电源控制方法及系统
WO2022057730A1 (zh) * 2020-09-21 2022-03-24 苏州艾利特机器人有限公司 一种机器人制动异常检测方法及多关节机器人
CN113681558A (zh) * 2021-08-17 2021-11-23 珠海格力电器股份有限公司 多关节机器人的电机抱闸异常控制方法、装置及机器人
CN114581674A (zh) * 2022-03-21 2022-06-03 南京信息工程大学 一种基于改进阈值函数的小波去噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘明君;董增寿;: "基于改进小波变换的手臂肌电信号去噪算法的研究" *
马东;杨铮;王立玲;: "基于两种改进阈值函数的表面肌电信号降噪研究", 现代电子技术 *

Also Published As

Publication number Publication date
CN115816514B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN108501757B (zh) 一种电池管理系统、电流采样方法、装置及电动汽车
JP6050754B2 (ja) 信号処理に基づく故障検出、分離、及び修正のためのシステム、方法、及び装置
CN107631863B (zh) 高压断路器机械特性监测系统及其监测方法
EP1898225A1 (en) System and method for detecting leak current
JP2010271073A (ja) 機器の異常診断装置
JP5965406B2 (ja) 不規則なセンサ信号ノイズを検出するためのシステム、方法、及び装置
CN117434407B (zh) 时频域特征融合的换流变阀侧套管绝缘分析方法及系统
CN103884265A (zh) 一种位移传感器故障检测电路及其控制系统
CN108590425A (zh) 一种高可靠性车窗控制方法
CN115816514A (zh) 基于测量电变量的机器人关节制动器故障检测方法及系统
JP2010002403A (ja) 避雷器漏れ電流の状態監視装置
CN206532402U (zh) 一种电气火灾监控探测器的温度检测电路
CN115046764A (zh) 一种滚动轴承早期故障诊断方法
CN110680297A (zh) 一种血压监护仪的故障检测方法、装置及设备
KR101522204B1 (ko) 협대역 분석에서 주파수선 자동 추적 방법
JP2012161025A (ja) ケーブル診断装置及びケーブル診断方法
CN111780868A (zh) 一种利用Jeffery差异量的变压器运行状态振声检测方法和系统
KR101549543B1 (ko) 칼만 추정 기법과 상대적 확률 측정 기법 기반의 전원 공급 상태 진단 시스템 및 방법
CN104280189A (zh) 一种压力传感器故障硬件检测方法与装置
CN109254216B (zh) 一种用于测控保护装置的ad校验方法及系统
CN113589158A (zh) 刀闸的合闸状态监测方法、装置、设备和存储介质
CN111239572B (zh) 雷电防护设施spd的在线监测方法和系统
CN106383290A (zh) 一种在线测试直流避雷器漏电流的试验方法
BR102015028907B1 (pt) Método de detecção de saturação em transformadores de corrente utilizando o filtro de savitzky-golay
CN113748390A (zh) 使用scada系统的变电站设备监测

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