CN115919544A - 一种基于人工智能的鼓膜治疗仪故障预测系统 - Google Patents
一种基于人工智能的鼓膜治疗仪故障预测系统 Download PDFInfo
- Publication number
- CN115919544A CN115919544A CN202310231194.5A CN202310231194A CN115919544A CN 115919544 A CN115919544 A CN 115919544A CN 202310231194 A CN202310231194 A CN 202310231194A CN 115919544 A CN115919544 A CN 115919544A
- Authority
- CN
- China
- Prior art keywords
- value
- prediction
- monitored object
- coefficient
- 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.)
- Granted
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于故障预测领域,涉及数据分析技术,用于解决现有的鼓膜治疗仪故障预测系统无法在鼓膜治疗仪出现故障之前提前进行故障预警的问题,具体是一种基于人工智能的鼓膜治疗仪故障预测系统,包括故障预测平台,所述故障预测平台通信连接有运行监测模块、辅助监测模块、故障预测模块、预测反馈模块、警示模块、控制器以及存储模块;将鼓膜治疗仪标记为监测对象,获取监测对象的运行系数,通过运行系数的数值大小对监测对象的运行状态是否满足要求进行判定;本发明可以对鼓膜治疗仪运行时的运行状态进行监测分析,从而根据运行系数的数值大小对监测对象的运行状态好坏程度进行反馈,在监测对象运行状态出现异常时及时进行预警。
Description
技术领域
本发明属于故障预测领域,涉及数据分析技术,具体是一种基于人工智能的鼓膜治疗仪故障预测系统。
背景技术
鼓膜治疗仪采用智能控制技术,通过智能控制自动调节脉冲气流,运用抽动与震动鼓膜的物理作用,增加和改善鼓膜与听骨链的传音功能,达到治疗的目的。脉冲气流的运动也能有效地增进听觉神经末梢的感受性,治疗各种原因引起的感音神经性耳聋,耳鸣等。
现有的鼓膜治疗仪故障预测系统仅能够通过鼓膜治疗仪运行时的各项参数进行分析,在鼓膜治疗仪出现故障时及时进行反馈;但是无法在鼓膜治疗仪出现故障之前提前进行故障预警,导致鼓膜治疗仪的故障率较高。
针对上述技术问题,本发明提出一种解决方案。
发明内容
本发明的目的在于提供一种基于人工智能的鼓膜治疗仪故障预测系统,用于解决现有的鼓膜治疗仪故障预测系统无法在鼓膜治疗仪出现故障之前提前进行故障预警的问题;
本发明需要解决的技术问题为:如何提供一种可以在鼓膜治疗仪出现故障之前提前进行故障预警的鼓膜治疗仪故障预测系统。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的鼓膜治疗仪故障预测系统,包括故障预测平台,所述故障预测平台通信连接有运行监测模块、辅助监测模块、故障预测模块、预测反馈模块、警示模块、控制器以及存储模块;
所述运行监测模块用于对鼓膜治疗仪的运行状态进行监测分析:将鼓膜治疗仪标记为监测对象,获取监测对象的运行系数,通过运行系数的数值大小对监测对象的运行状态是否满足要求进行判定;
所述辅助监测模块用于对鼓膜治疗仪的运行环境进行辅助监测分析并得到监测对象的环异系数;将监测对象的环异系数发送至故障预测平台,故障预测平台接收到监测对象的环异系数后将环异系数发送至故障预测模块;
所述故障预测模块用于对鼓膜治疗仪的故障概率进行预测分析并得到监测对象的预测系数,通过预测系数的数值大小对监测对象是否存在故障风险进行判定;
所述预测反馈模块用于对鼓膜治疗仪的故障预测结果精确性进行反馈分析。
作为本发明的一种优选实施方式,监测对象的运行系数的获取过程包括:在监测对象开始运行时获取监测对象的排气数据、气压数据以及频率数据,排气数据的获取过程包括:获取监测对象单向脉动气体容量值与排气范围,将排气范围的最大值与最小值的平均值标记为监测对象的排气标准值,将监测对象的单向脉动气体容量值与排气标准值差值的绝对值标记为监测对象的排气数据;气压数据的获取过程包括:获取监测对象的单向脉动气压值与气压范围,将气压范围的最大值与最小值的平均值标记为气压标准值,将监测对象的单向脉动气压值与气压标准值差值的绝对值标记为监测对象的气压数据;频率数据的获取过程包括:获取监测对象在最近L1秒内的气体脉冲频率值与频率范围,将频率范围的最大值与最小值的平均值标记为频率标准值,将监测对象的气体脉冲频率值与频率标准值差值的绝对值标记为频率数据;通过对排气数据、气压数据以及频率数据进行数值计算得到监测对象的运行系数。
作为本发明的一种优选实施方式,对监测对象的运行状态是否满足要求进行判定的具体过程包括:通过存储模块获取到运行阈值,将监测对象的运行系数与运行阈值进行比较:若运行系数小于等于运行阈值,则判定监测对象的运行状态不满足要求,运行监测模块向故障预测平台发送运行故障信号,故障预测平台接收到运行故障信号后将运行故障信号发送至控制器以及警示模块,控制器接收到运行故障信号后切断监测对象的供电线路,警示模块接收到运行故障信号后控制多色信号灯亮红灯;若运行系数大于运行阈值,则判定监测对象的运行状态满足要求,运行监测模块向故障预测平台发送运行正常信号,故障预测平台接收到运行正常信号后将运行正常信号发送至警示模块,警示模块接收到运行正常信号后控制多色信号灯亮绿色。
作为本发明的一种优选实施方式,监测对象的环异系数的获取过程包括:在监测对象运行时获取监测对象运行环境中的温异数据、湿异数据以及压异数据;温异数据的获取过程包括:获取监测对象运行时外部环境的空气温度值以及温度范围,将温度范围的最大值与最小值的平均值标记为温度均值,将空气温度值与温度均值差值的绝对值标记为监测对象的温异数据;湿异数据的获取过程包括:获取监测对象运行时外部环境的空气湿度值以及湿度范围,将湿度范围的最大值与最小值的平均值标记为湿度均值,将空气湿度值与湿度均值差值的绝对值标记为监测对象的湿异数据;压异数据的获取过程包括:获取监测对象运行时外部环境的空气压力值以及压力范围,将压力范围的最大值与最小值的平均值标记为压力均值,将空气压力值与压力均值差值的绝对值标记为压异数据;通过对温异数据、湿异数据以及压异数据进行数值计算得到监测对象的环异系数。
作为本发明的一种优选实施方式,监测对象的预测系数的获取过程包括:以监测对象的运行时间为X轴、监测对象的运行系数YX为Y轴建立直角坐标系,在直角坐标系中分别绘制监测对象的运行曲线与环异曲线,将运行曲线的最低点与环异曲线的最低点分别标记为运行点与环异点,在直角坐标系的X轴上标出分析点(0,L2),L2的数值为运行点横坐标数值与环异点横坐标数值的平均值,依次对运行点、环异点以及分析点进行连线得到一个封闭三角形,将封闭三角形的面积值标记为预测系数。
作为本发明的一种优选实施方式,对监测对象是否存在故障风险进行判定的具体过程包括:通过存储模块获取到预测阈值,将预测系数与预测阈值进行比较:若预测系数大于等于预测阈值,则判定监测对象不存在故障风险;若预测系数小于预测阈值,则判定监测对象存在故障风险,故障预测模块向故障预测平台发送故障预警信号,故障预测平台接收到故障预警信号后将故障预警信号发送至警示模块,警示模块接收到故障预警信号后控制多色信号灯亮黄色。
作为本发明的一种优选实施方式,预测反馈模块对鼓膜治疗仪的故障预测结果精确性进行反馈分析的具体过程包括:将监测对象最近L3次运行过程标记为反馈过程,获取反馈过程中警示模块接收到故障预警信号的次数以及运行故障信号的次数并分别标记为YJ与GZ;通过对YJ与GZ进行数值计算得到监测对象的反馈系数,通过存储模块获取到反馈阈值,将监测对象的反馈系数与反馈阈值进行比较:若反馈系数小于反馈阈值,则判定监测对象的故障预测结果精确性不满足要求,通过公式YCn=t1×YC得到新的预测阈值YCn,其中YC为预测阈值的数值,t1为比例系数,且1.05≤t1≤1.15;将新的预测阈值YCn的数值对预测阈值进行数值替换;若反馈系数大于等于反馈阈值,则判定监测对象的故障预测结果精确性满足要求。
本发明具备下述有益效果:
1、通过运行监测模块可以对鼓膜治疗仪运行时的运行状态进行监测分析,通过对监测对象运行时的各项运行参数进行综合分析得到运行系数,从而根据运行系数的数值大小对监测对象的运行状态好坏程度进行反馈,在监测对象运行状态出现异常时及时进行预警;
2、通过辅助监测模块可以对鼓膜治疗仪的运行环境进行辅助监测分析,通过对监测对象运行时的各项环境参数进行综合分析得到环异系数,进而根据环异系数的数值大小对监测对象的运行环境异常程度进行反馈,保证监测对象可以在正常的环境下运行,降低其出现故障的可能性;
3、通过故障预测模块可以对鼓膜治疗仪的故障概率进行预测分析,通过对监测对象运行时间内的运行曲线与环异曲线进行综合分析得到预测系数,通过预测系数对监测对象继续使用时出现故障的概率进行反馈,从而在监测对象存在故障隐患时及时中止其运行,降低鼓膜治疗仪的故障概率;
4、通过预测反馈模块可以对鼓膜治疗仪的故障预测结果精确性进行反馈分析,结合故障数据与预测数据进行综合分析,从而在故障预测结果精确性不高的情况下对预测阈值的数值进行更新,从而不断对故障预测结果精确性进行优化。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明系统框图。
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作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。
实施例一
如图1所示,一种基于人工智能的鼓膜治疗仪故障预测系统,包括故障预测平台,故障预测平台通信连接有运行监测模块、辅助监测模块、故障预测模块、预测反馈模块、警示模块、控制器以及存储模块。
警示模块包括多色信号灯。
运行监测模块用于对鼓膜治疗仪的运行状态进行监测分析:将鼓膜治疗仪标记为监测对象,在监测对象开始运行时获取监测对象的排气数据PQ、气压数据QY以及频率数据PL,排气数据PQ的获取过程包括:获取监测对象单向脉动气体容量值与排气范围,将排气范围的最大值与最小值的平均值标记为监测对象的排气标准值,将监测对象的单向脉动气体容量值与排气标准值差值的绝对值标记为监测对象的排气数据PQ;气压数据QY的获取过程包括:获取监测对象的单向脉动气压值与气压范围,将气压范围的最大值与最小值的平均值标记为气压标准值,将监测对象的单向脉动气压值与气压标准值差值的绝对值标记为监测对象的气压数据QY;频率数据PL数据的获取过程包括:获取监测对象在最近L1秒内的气体脉冲频率值与频率范围,L1为数值常量,L1的具体数值由管理人员自行设置;将频率范围的最大值与最小值的平均值标记为频率标准值,将监测对象的气体脉冲频率值与频率标准值差值的绝对值标记为频率数据PL;通过公式得到监测对象的运行系数YX,运行系数是一个反映监测对象运行状态好坏程度的数值,运行系数的数值越大,则表示监测对象的运行状态越差;其中α1、α2以及α3均为比例系数,且α1>α2>α3>1,将监测对象的运行系数YX通过故障预测平台发送至故障预测模块;通过存储模块获取到运行阈值YXmin,将监测对象的运行系数YX与运行阈值YXmin进行比较:若运行系数YX小于等于运行阈值YXmin,则判定监测对象的运行状态不满足要求,运行监测模块向故障预测平台发送运行故障信号,故障预测平台接收到运行故障信号后将运行故障信号发送至控制器以及警示模块,控制器接收到运行故障信号后切断监测对象的供电线路,警示模块接收到运行故障信号后控制多色信号灯亮红灯;若运行系数YX大于运行阈值YXmin,则判定监测对象的运行状态满足要求,运行监测模块向故障预测平台发送运行正常信号,故障预测平台接收到运行正常信号后将运行正常信号发送至警示模块,警示模块接收到运行正常信号后控制多色信号灯亮绿色;对鼓膜治疗仪运行时的运行状态进行监测分析,通过对监测对象运行时的各项运行参数进行综合分析得到运行系数,从而根据运行系数的数值大小对监测对象的运行状态好坏程度进行反馈,在监测对象运行状态出现异常时及时进行预警。
辅助监测模块用于对鼓膜治疗仪的运行环境进行辅助监测分析:在监测对象运行时获取监测对象运行环境中的温异数据WY、湿异数据SY以及压异数据YY;温异数据WY的获取过程包括:获取监测对象运行时外部环境的空气温度值以及温度范围,将温度范围的最大值与最小值的平均值标记为温度均值,将空气温度值与温度均值差值的绝对值标记为监测对象的温异数据WY;湿异数据SY的获取过程包括:获取监测对象运行时外部环境的空气湿度值以及湿度范围,将湿度范围的最大值与最小值的平均值标记为湿度均值,将空气湿度值与湿度均值差值的绝对值标记为监测对象的湿异数据SY;压异数据YY的获取过程包括:获取监测对象运行时外部环境的空气压力值以及压力范围,将压力范围的最大值与最小值的平均值标记为压力均值,将空气压力值与压力均值差值的绝对值标记为压异数据YY;通过公式得到监测对象的环异系数HY,环异系数是一个反映监测对象运行环境异常程度的数值,环异系数的数值越大,则表示监测对象运行环境异常程度越高;其中β1、β2以及β3均为比例系数,且β1>β2>β3>1;将监测对象的环异系数HY发送至故障预测平台,故障预测平台接收到监测对象的环异系数HY后将环异系数HY发送至故障预测模块;对鼓膜治疗仪的运行环境进行辅助监测分析,通过对监测对象运行时的各项环境参数进行综合分析得到环异系数,进而根据环异系数的数值大小对监测对象的运行环境异常程度进行反馈,保证监测对象可以在正常的环境下运行,降低其出现故障的可能性。
故障预测模块用于对鼓膜治疗仪的故障概率进行预测分析:以监测对象的运行时间为X轴、监测对象的运行系数YX为Y轴建立直角坐标系,在直角坐标系中分别绘制监测对象的运行曲线与环异曲线,将运行曲线的最低点与环异曲线的最低点分别标记为运行点与环异点,在直角坐标系的X轴上标出分析点(0,L2),L2的数值为运行点横坐标数值与环异点横坐标数值的平均值,依次对运行点、环异点以及分析点进行连线得到一个封闭三角形,将封闭三角形的面积值标记为预测系数,通过存储模块获取到预测阈值,将预测系数与预测阈值进行比较:若预测系数大于等于预测阈值,则判定监测对象不存在故障风险;若预测系数小于预测阈值,则判定监测对象存在故障风险,故障预测模块向故障预测平台发送故障预警信号,故障预测平台接收到故障预警信号后将故障预警信号发送至警示模块,警示模块接收到故障预警信号后控制多色信号灯亮黄色;对鼓膜治疗仪的故障概率进行预测分析,通过对监测对象运行时间内的运行曲线与环异曲线进行综合分析得到预测系数,通过预测系数对监测对象继续使用时出现故障的概率进行反馈,从而在监测对象存在故障隐患时及时中止其运行,降低鼓膜治疗仪的故障概率。
预测反馈模块用于对鼓膜治疗仪的故障预测结果精确性进行反馈分析:将监测对象最近L3次运行过程标记为反馈过程,L3为数值常量,L3的具体数值由管理人员自行设置;获取反馈过程中警示模块接收到故障预警信号的次数以及运行故障信号的次数并分别标记为YJ与GZ;通过公式FK=m1×(YJ-GZ)得到监测对象的反馈系数FK,其中m1为比例系数,通过存储模块获取到反馈阈值FKmin,将监测对象的反馈系数FK与反馈阈值FKmin进行比较:若反馈系数FK小于反馈阈值FKmin,则判定监测对象的故障预测结果精确性不满足要求,通过公式YCn=t1×YC得到新的预测阈值YCn,其中YC为预测阈值的数值,t1为比例系数,且1.05≤t1≤1.15;将新的预测阈值YCn的数值对预测阈值进行数值替换;若反馈系数FK大于等于反馈阈值FKmin,则判定监测对象的故障预测结果精确性满足要求;对鼓膜治疗仪的故障预测结果精确性进行反馈分析,结合故障数据与预测数据进行综合分析,从而在故障预测结果精确性不高的情况下对预测阈值的数值进行更新,从而不断对故障预测结果精确性进行优化。
一种基于人工智能的鼓膜治疗仪故障预测系统,工作时,对鼓膜治疗仪的运行状态进行监测分析:将鼓膜治疗仪标记为监测对象,在监测对象开始运行时获取监测对象的排气数据PQ、气压数据QY以及频率数据PL并进行数值计算得到运行系数YX,通过运行系数YX的数值大小对监测对象的运行状态是否满足要求进行判定;对鼓膜治疗仪的运行环境进行辅助监测分析并得到监测对象的环异系数HY,结合运行曲线与环异曲线进行综合分析得到预测系数,通过预测系数的数值大小对监测对象继续使用时出现故障的概率进行反馈。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的运行系数;将设定的运行系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为5.54、3.65和2.17;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的运行系数;只要不影响参数与量化后数值的比例关系即可,如运行系数与气压数据的数值成反比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种基于人工智能的鼓膜治疗仪故障预测系统,其特征在于,包括故障预测平台,所述故障预测平台通信连接有运行监测模块、辅助监测模块、故障预测模块、预测反馈模块、警示模块、控制器以及存储模块;
所述运行监测模块用于对鼓膜治疗仪的运行状态进行监测分析:将鼓膜治疗仪标记为监测对象,获取监测对象的运行系数,通过运行系数的数值大小对监测对象的运行状态是否满足要求进行判定;
所述辅助监测模块用于对鼓膜治疗仪的运行环境进行辅助监测分析并得到监测对象的环异系数;将监测对象的环异系数发送至故障预测平台,故障预测平台接收到监测对象的环异系数后将环异系数发送至故障预测模块;
所述故障预测模块用于对鼓膜治疗仪的故障概率进行预测分析并得到监测对象的预测系数,通过预测系数的数值大小对监测对象是否存在故障风险进行判定;
所述预测反馈模块用于对鼓膜治疗仪的故障预测结果精确性进行反馈分析;监测对象的预测系数的获取过程包括:以监测对象的运行时间为X轴、监测对象的运行系数YX为Y轴建立直角坐标系,在直角坐标系中分别绘制监测对象的运行曲线与环异曲线,将运行曲线的最低点与环异曲线的最低点分别标记为运行点与环异点,在直角坐标系的X轴上标出分析点(0,L2),L2的数值为运行点横坐标数值与环异点横坐标数值的平均值,依次对运行点、环异点以及分析点进行连线得到一个封闭三角形,将封闭三角形的面积值标记为预测系数;
对监测对象是否存在故障风险进行判定的具体过程包括:通过存储模块获取到预测阈值,将预测系数与预测阈值进行比较:若预测系数大于等于预测阈值,则判定监测对象不存在故障风险;若预测系数小于预测阈值,则判定监测对象存在故障风险,故障预测模块向故障预测平台发送故障预警信号,故障预测平台接收到故障预警信号后将故障预警信号发送至警示模块,警示模块接收到故障预警信号后控制多色信号灯亮黄色。
2.根据权利要求1所述的一种基于人工智能的鼓膜治疗仪故障预测系统,其特征在于,监测对象的运行系数的获取过程包括:在监测对象开始运行时获取监测对象的排气数据、气压数据以及频率数据,排气数据的获取过程包括:获取监测对象单向脉动气体容量值与排气范围,将排气范围的最大值与最小值的平均值标记为监测对象的排气标准值,将监测对象的单向脉动气体容量值与排气标准值差值的绝对值标记为监测对象的排气数据;气压数据的获取过程包括:获取监测对象的单向脉动气压值与气压范围,将气压范围的最大值与最小值的平均值标记为气压标准值,将监测对象的单向脉动气压值与气压标准值差值的绝对值标记为监测对象的气压数据;频率数据的获取过程包括:获取监测对象在最近L1秒内的气体脉冲频率值与频率范围,将频率范围的最大值与最小值的平均值标记为频率标准值,将监测对象的气体脉冲频率值与频率标准值差值的绝对值标记为频率数据;通过对排气数据、气压数据以及频率数据进行数值计算得到监测对象的运行系数。
3.根据权利要求2所述的一种基于人工智能的鼓膜治疗仪故障预测系统,其特征在于,对监测对象的运行状态是否满足要求进行判定的具体过程包括:通过存储模块获取到运行阈值,将监测对象的运行系数与运行阈值进行比较:若运行系数小于等于运行阈值,则判定监测对象的运行状态不满足要求,运行监测模块向故障预测平台发送运行故障信号,故障预测平台接收到运行故障信号后将运行故障信号发送至控制器以及警示模块,控制器接收到运行故障信号后切断监测对象的供电线路,警示模块接收到运行故障信号后控制多色信号灯亮红灯;若运行系数大于运行阈值,则判定监测对象的运行状态满足要求,运行监测模块向故障预测平台发送运行正常信号,故障预测平台接收到运行正常信号后将运行正常信号发送至警示模块,警示模块接收到运行正常信号后控制多色信号灯亮绿色。
4.根据权利要求3所述的一种基于人工智能的鼓膜治疗仪故障预测系统,其特征在于,监测对象的环异系数的获取过程包括:在监测对象运行时获取监测对象运行环境中的温异数据、湿异数据以及压异数据;温异数据的获取过程包括:获取监测对象运行时外部环境的空气温度值以及温度范围,将温度范围的最大值与最小值的平均值标记为温度均值,将空气温度值与温度均值差值的绝对值标记为监测对象的温异数据;湿异数据的获取过程包括:获取监测对象运行时外部环境的空气湿度值以及湿度范围,将湿度范围的最大值与最小值的平均值标记为湿度均值,将空气湿度值与湿度均值差值的绝对值标记为监测对象的湿异数据;压异数据的获取过程包括:获取监测对象运行时外部环境的空气压力值以及压力范围,将压力范围的最大值与最小值的平均值标记为压力均值,将空气压力值与压力均值差值的绝对值标记为压异数据;通过对温异数据、湿异数据以及压异数据进行数值计算得到监测对象的环异系数。
5.根据权利要求4所述的一种基于人工智能的鼓膜治疗仪故障预测系统,其特征在于,预测反馈模块对鼓膜治疗仪的故障预测结果精确性进行反馈分析的具体过程包括:将监测对象最近L3次运行过程标记为反馈过程,获取反馈过程中警示模块接收到故障预警信号的次数以及运行故障信号的次数并分别标记为YJ与GZ;通过对YJ与GZ进行数值计算得到监测对象的反馈系数,通过存储模块获取到反馈阈值,将监测对象的反馈系数与反馈阈值进行比较:若反馈系数小于反馈阈值,则判定监测对象的故障预测结果精确性不满足要求,通过公式YCn=t1×YC得到新的预测阈值YCn,其中YC为预测阈值的数值,t1为比例系数,且1.05≤t1≤1.15;将新的预测阈值YCn的数值对预测阈值进行数值替换;若反馈系数大于等于反馈阈值,则判定监测对象的故障预测结果精确性满足要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231194.5A CN115919544B (zh) | 2023-03-13 | 2023-03-13 | 一种基于人工智能的鼓膜治疗仪故障预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231194.5A CN115919544B (zh) | 2023-03-13 | 2023-03-13 | 一种基于人工智能的鼓膜治疗仪故障预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115919544A true CN115919544A (zh) | 2023-04-07 |
CN115919544B CN115919544B (zh) | 2023-05-23 |
Family
ID=85835802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310231194.5A Active CN115919544B (zh) | 2023-03-13 | 2023-03-13 | 一种基于人工智能的鼓膜治疗仪故障预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115919544B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130204808A1 (en) * | 2012-02-08 | 2013-08-08 | General Electric Company | Fault Prediction of Monitored Assets |
WO2017088354A1 (zh) * | 2015-11-27 | 2017-06-01 | 张泽 | 设备故障诊断方法、装置及系统 |
WO2020118533A1 (zh) * | 2018-12-11 | 2020-06-18 | 中广核工程有限公司 | 核电站泄漏监测报警方法及报警系统 |
KR20210040861A (ko) * | 2020-07-20 | 2021-04-14 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 고장 예측 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 |
CN114793019A (zh) * | 2022-05-31 | 2022-07-26 | 南京国电南思科技发展股份有限公司 | 基于大数据分析的二次设备可视化监管系统 |
CN114859845A (zh) * | 2022-06-09 | 2022-08-05 | 中用科技有限公司 | 基于物联网控制器的智能工业数据管理系统 |
CN114976986A (zh) * | 2022-08-02 | 2022-08-30 | 山东汇能电气有限公司 | 一种基于大数据的空气绝缘充气柜自适应调控系统 |
CN115204426A (zh) * | 2022-09-14 | 2022-10-18 | 山东汇泓纺织科技有限公司 | 一种基于物联网的纺织流水线运行监管系统 |
CN115289101A (zh) * | 2022-08-04 | 2022-11-04 | 安徽云龙粮机有限公司 | 一种用于后卸翻板平台的液压系统 |
CN115471994A (zh) * | 2022-11-15 | 2022-12-13 | 淄博威世能净油设备有限公司 | 一种基于数据分析的净油机运行故障预测系统 |
CN115603453A (zh) * | 2022-09-29 | 2023-01-13 | 东营金丰正阳科技发展有限公司(Cn) | 一种带智能监测系统的直流母线群控装置 |
-
2023
- 2023-03-13 CN CN202310231194.5A patent/CN115919544B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130204808A1 (en) * | 2012-02-08 | 2013-08-08 | General Electric Company | Fault Prediction of Monitored Assets |
WO2017088354A1 (zh) * | 2015-11-27 | 2017-06-01 | 张泽 | 设备故障诊断方法、装置及系统 |
WO2020118533A1 (zh) * | 2018-12-11 | 2020-06-18 | 中广核工程有限公司 | 核电站泄漏监测报警方法及报警系统 |
KR20210040861A (ko) * | 2020-07-20 | 2021-04-14 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 고장 예측 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 |
CN114793019A (zh) * | 2022-05-31 | 2022-07-26 | 南京国电南思科技发展股份有限公司 | 基于大数据分析的二次设备可视化监管系统 |
CN114859845A (zh) * | 2022-06-09 | 2022-08-05 | 中用科技有限公司 | 基于物联网控制器的智能工业数据管理系统 |
CN114976986A (zh) * | 2022-08-02 | 2022-08-30 | 山东汇能电气有限公司 | 一种基于大数据的空气绝缘充气柜自适应调控系统 |
CN115289101A (zh) * | 2022-08-04 | 2022-11-04 | 安徽云龙粮机有限公司 | 一种用于后卸翻板平台的液压系统 |
CN115204426A (zh) * | 2022-09-14 | 2022-10-18 | 山东汇泓纺织科技有限公司 | 一种基于物联网的纺织流水线运行监管系统 |
CN115603453A (zh) * | 2022-09-29 | 2023-01-13 | 东营金丰正阳科技发展有限公司(Cn) | 一种带智能监测系统的直流母线群控装置 |
CN115471994A (zh) * | 2022-11-15 | 2022-12-13 | 淄博威世能净油设备有限公司 | 一种基于数据分析的净油机运行故障预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115919544B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116246407A (zh) | 一种基于人工智能的农林区域火灾预警监管系统 | |
CN109683493A (zh) | 基于物联网的六氟化硫气体泄漏监测系统及方法 | |
CN107172128B (zh) | 一种云辅助的制造装备大数据采集方法 | |
CN110159929B (zh) | 地下排水管网智能管控大数据处理方法 | |
CN116980958B (zh) | 一种基于数据识别的无线设备电故障监测方法及系统 | |
CN114838767B (zh) | 一种冷链物流用温湿度智能化监测系统及方法 | |
CN113962439A (zh) | 基于工业大数据的云平台数据管理系统及其构建方法 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN111950201B (zh) | 一种泵用密封装置的全生命周期监测系统及方法 | |
CN116976557A (zh) | 一种节能减碳的园区能源控制方法及系统 | |
CN116032692A (zh) | 一种智能物联网关以及基于智能物联网关的物联网系统 | |
CN117041312A (zh) | 基于物联网的企业级信息技术监控系统 | |
CN115919544B (zh) | 一种基于人工智能的鼓膜治疗仪故障预测系统 | |
CN111030299A (zh) | 一种基于边信道的电网嵌入式终端安全监测方法及系统 | |
CN110517438A (zh) | 一种自适应调整烟雾报警器阈值的方法及报警装置 | |
CN117058826A (zh) | 一种基于人工智能的声学安防传感器运行检测系统 | |
CN110647086B (zh) | 一种基于运行大数据分析的智能运维监控系统 | |
CN117156386A (zh) | 消防智能定位、呼救、报警对讲设备 | |
CN116511203A (zh) | 基于大数据的实验室通风柜智能调节降耗系统 | |
CN116465059A (zh) | 基于数据分析的节能空调器运行监管系统 | |
CN113015120B (zh) | 一种基于神经网络的治污监测系统和方法 | |
CN114967628A (zh) | 一种基于5g智能工厂的保健食品生产杀菌管控系统 | |
CN112526945B (zh) | 具备反馈与闭环控制功能的全流程监控与预警系统 | |
CN115248292A (zh) | 一种变压器故障分析诊断方法及系统 | |
CN114826883A (zh) | 一种基于物联网数据传输的网络设备故障报警监测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |