CN115929437A - 一种柴油机机油使用状态智能识别的方法、装置及系统 - Google Patents

一种柴油机机油使用状态智能识别的方法、装置及系统 Download PDF

Info

Publication number
CN115929437A
CN115929437A CN202211582551.4A CN202211582551A CN115929437A CN 115929437 A CN115929437 A CN 115929437A CN 202211582551 A CN202211582551 A CN 202211582551A CN 115929437 A CN115929437 A CN 115929437A
Authority
CN
China
Prior art keywords
oil
engine oil
state
engine
outlet pressure
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
CN202211582551.4A
Other languages
English (en)
Inventor
段訾义
刘艳朝
张朝毅
刘帅
张明国
袁玉波
黄勇
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.)
CRRC Dalian Co Ltd
Dalian CRRC Diesel Engine Co Ltd
Original Assignee
CRRC Dalian Co Ltd
Dalian CRRC Diesel Engine 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 CRRC Dalian Co Ltd, Dalian CRRC Diesel Engine Co Ltd filed Critical CRRC Dalian Co Ltd
Priority to CN202211582551.4A priority Critical patent/CN115929437A/zh
Publication of CN115929437A publication Critical patent/CN115929437A/zh
Priority to PCT/CN2023/127144 priority patent/WO2024120046A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M11/00—Component parts, details or accessories, not provided for in, or of interest apart from, groups F01M1/00 - F01M9/00
    • F01M11/10—Indicating devices; Other safety devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/26—Oils; Viscous liquids; Paints; Inks
    • G01N33/28—Oils, i.e. hydrocarbon liquids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Mechanical Engineering (AREA)
  • Lubrication Details And Ventilation Of Internal Combustion Engines (AREA)

Abstract

本发明一种柴油机机油使用状态智能识别方法，包括以下步骤：获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；通过数据清洗方法对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；通过指标评价方法对机油状态的评价指标进行评价，识别出机油状态和机油的换油日期，不增加任何专用传感器和采集设备，该方法科学的实现柴油机机油使用状态的智能识别，指导机油更换，提高柴油机运用维护时效性，降低运用维护成本。

Description

一种柴油机机油使用状态智能识别的方法、装置及系统
技术领域
本发明属于全自动化产品领域，涉及一种柴油机机油使用状态智能识别的方法、装置及系统。
背景技术
机油在柴油机中的作用为润滑、冷却及力传递，堪称柴油机的“血液”，柴油机曲轴、凸轮轴、传动齿轮、阀隙机构、动力组、增压器等都依靠机油进行润滑和冷却。机油使用状态不良会直接导致上述关键部件的损伤和失效，严重影响柴油机的运用，因此必须加强对机油状态的监测识别能力。随着现代工业技术尤其是传感技术、嵌入式系统、基于大数据的信息技术的迅速发展，使得柴油机机油状态监测识别向智能化、系统化、综合化发展。
大部分用户采用定期更换柴油机机油的方式，不对机油状态进行监测；一部分用户定期进行机油取样化验，根据离线油样化验的结果确定是否进行机油更换；近几年一些设计单位开始进行柴油机机油状态的在线监测研究和设计。
目前的柴油机机油状态监测识别技术具有以下局限性：
1)定期更换柴油机机油的方式具有不准确性，容易造成失修或浪费；定期对机油取样化验需要搭建专门的化验室，并需要人工进行机油取样、化验反馈等工作流程，时效性和经济性差。
2)近几年开始研究和设计的柴油机机油在线状态监测研究和设计，主要是基于机油介电常数、密度、粘温曲线等参数指标来分析机油状态，需要安装专用。
发明内容
为了解决上述问题，本发明提供本发明采用的技术方案是：一种柴油机机油使用状态智能识别方法，包括以下步骤：
获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；
通过数据清洗方法对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；
基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；
通过指标评价方法对机油状态的评价指标进行评价，识别出机油状态和机油的换油日期。
进一步地：所述通过数据清洗方法对柴油机在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据的过程如下：
提取每日柴油机固定转速M和机油温度N下的n个机油泵出口压力数据P，则P＝[P1,P2,P3,...Pn]；
计算机油泵出口压力数据P的平均值
Figure BDA0003989214010000021
其中：
Figure BDA0003989214010000022
再对每个机油压力P与平均值
Figure BDA0003989214010000023
进行做差，形成偏差值ΔP；
筛选出偏差值ΔP<偏差值阈值的机油泵出口压力数据，得到筛选后的机油泵出口压力数据集P`，则P`＝[P`1,P`2,P`3,...P`x]，x≤n。
进一步地：所述机油状态的评价指标包括每日机油状态指标、机油正常状态基准和机油状态评估参数。
进一步地：所述每日机油状态指标的得到过程如下：
基于筛选后的机油泵出口压力数据集P`；
计算当日所有机油泵出口压力P`的平均值
Figure BDA0003989214010000024
其中：
Figure BDA0003989214010000025
Figure BDA0003989214010000026
作为当日机油状态的数据指标；
所述机油正常状态的基准值的得到过程如下：
计算柴油机从第一次更换机油后运行至目前，每日机油状态指标
Figure BDA0003989214010000027
的平均值
Figure BDA0003989214010000028
当柴油机从第一次更换机油，运行至目前一共有m天的数据，则:
Figure BDA0003989214010000031
Figure BDA0003989214010000032
作为机油正常状态的基准值；
所述机油状态评估参数得到过程如下：
计算当日机油状态指标与机油正常状态基准值的偏离度，所述偏离度公式如下：
Figure BDA0003989214010000033
其中：P`i为第i天的机油状态的数据指标；
所述偏离度作为当日机油状态的评估参数。
进一步地：所述通过指标评价方法对机油状态的评价指标进行评价，识别出机油状态和机油的换油日期的过程如下：
当日机油状态指标与机油正常状态基准值的偏离度ΔPm>设定的范围时，即机油指标到限，表示当日需要更换机油，即识别出机油的状态；
计算当日
Figure BDA0003989214010000034
与前一日期
Figure BDA0003989214010000035
的差值ΔPC作为评估参数，当ΔPC≥评估参数阈值，判断当日为换油日期。
一种柴油机机油使用状态智能识别装置，包括：
获取模块：用于获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；
筛选模块：用于对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；
得到模块：用于基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；
识别模块：用于对机油状态的评价指标进行评价，识别出机油的换油日期。
一种柴油机机油使用状态智能识别装置，包括
对机油泵出口压力、机油温度、柴油机转速信号进行采集的采集模块；
基于所述采集模块采集的机油泵出口压力、机油温度、柴油机转速信号数据，采用如所述的一种柴油机机油使用状态智能识别装置，对机油的换油日期进行识别。
本发明提供的一种柴油机机油使用状态智能识别的方法、装置及系统，具有以下优点：不增加任何专用传感器和采集设备，科学的实现柴油机机油使用状态的智能识别，指导机油更换，提高柴油机运用维护时效性，降低运用维护成本。
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做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的柴油机机油使用状态智能识别的方法的流程图；
图2是本发明的柴油机机油使用状态智能识别系统组成图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合，下面将参考附图并结合实施例来详细说明本发明。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制：方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其位器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。
随着柴油机机油的使用，因机油老化、稀释等现象会出现机油粘度的变化，而相同温度下不同机油粘度对应的机油压力不同，因此本方案以机油泵出口压力的变化趋势做为机油使用状态的评价指标，对机油泵出口压力分析进行分析，包括采集机油泵出口压力数据，通过数据清洗方法对法油泵出口压力数据进行有效数据筛选，通过指标评价方法进行机油状态识别、换油日期识别。
一种柴油机机油使用状态智能识别方法，包括以下步骤：
S1:获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；
S2:通过数据清洗方法对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；
S3:基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；
S4:通过指标评价方法对机油状态的评价指标进行评价，识别出机油状态和机油的换油日期。
所述柴油机机油使用状态智能识别方法在PLC系统运行；
步骤S1/S2/S3/S4顺序执行；
所述通过数据清洗方法对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集的过程如下：
提取每日柴油机固定转速M和机油温度N下的所有机油泵出口压力数据P，例如某天共提取出n个满足条件的数据，则P＝[P1,P2,P3,...Pn]；固定转速M可以选1000±5r/min；机油温度可以选择80±2℃；
计算机油泵出口压力数据P的平均值
Figure BDA0003989214010000061
其中：
Figure BDA0003989214010000062
再对每个机油压力P与平均值
Figure BDA0003989214010000063
进行做差，形成偏差值ΔP；
筛选出偏差值ΔP<偏差值阈值(偏差值阈值可以取20kPa)的机油泵出口压力数据，得到筛选后的机油泵出口压力数据集P`，例如某天共筛选出x个数据，则P`＝[P`1,P`2,P`3,...P`x]，x≤n。
进一步地，所述机油状态的评价指标包括每日机油状态指标、机油正常状态基准和机油状态评估参数。
所述每日机油状态指标的得到过程如下：
基于筛选后的机油泵出口压力数据集P`；
计算当日所有机油泵出口压力P`的平均值
Figure BDA0003989214010000064
其中：
Figure BDA0003989214010000065
p作为当日机油状态的数据指标；
所述机油正常状态的基准值的得到过程如下：
计算柴油机从第一次更换机油后运行至目前，每日机油状态指标
Figure BDA0003989214010000071
的平均值
Figure BDA0003989214010000072
例如柴油机从第一次更换机油，运行至目前一共有m天的数据，
Figure BDA0003989214010000073
Figure BDA0003989214010000074
作为机油正常状态的基准值；
所述机油状态评估参数得到过程如下：
计算当日机油状态指标与机油正常状态基准值的偏离度，所述偏离度公式如下：
Figure BDA0003989214010000075
公式中
Figure BDA0003989214010000076
为第i天的机油状态的数据指标；
所述偏离度作为当日机油状态的评估参数。
进一步地：所述通过指标评价方法对机油状态的评价指标进行评价，识别出识别出机油状态和机油的换油日期得过程如下：
当日机油状态指标与机油正常状态基准值的偏离度ΔPm>设定的范围时时，即机油指标到限，表示当日需要更换机油，即识别出机油的状态；
该设定的范围通过试验获得，试验方法是：从第一次更换机油起，运用到机油指标到限为止(该次指标到限的日期通过离线油样化验确定)，系统按照偏离度公式计算机油指标到限日期时的偏离度ΔPm，将该值作为设定的范围。
计算当日
Figure BDA0003989214010000077
与前一日期
Figure BDA0003989214010000078
的差值ΔPC作为评估参数，当ΔPC出现突变时，即当ΔPC≥评估参数阈值时，(评估参数阈值取值为40kpa)判断当日为换油日期。
一种柴油机机油使用状态智能识别装置，包括：
获取模块：用于获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；
筛选模块：用于对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；
得到模块：用于基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；
识别模块：用于对机油状态的评价指标进行评价，识别出机油的换油日期。
一种柴油机机油使用状态智能识别装置，包括：
对机油泵出口压力、机油温度、柴油机转速信号进行采集的采集模块；
所述采集模块包括安装在柴油机上的传感器、进行传感器信号转换的微机处理单元；采集的信息可以直接采用柴油机上正常使用的机油泵出口压力、机油温度、柴油机转速。信号采集模块的电路板或芯片将传感器输出的电信号转换为模拟量信号，具有滤波和抗电磁干扰能力。
基于所述采集模块采集的机油泵出口压力、机油温度、柴油机转速信号数据，采用如所述的一种柴油机机油使用状态智能识别装置，对机油的换油日期进行识别。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种柴油机机油使用状态智能识别方法，其特征在于：包括以下步骤：
获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；
通过数据清洗方法对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；
基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；
通过指标评价方法对机油状态的评价指标进行评价，识别出机油状态和机油的换油日期。
2.根据权利要求1所述的一种柴油机机油使用状态智能识别方法，其特征在于：所述通过数据清洗方法对柴油机在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据的过程如下：
提取每日柴油机固定转速M和机油温度N下的n个机油泵出口压力数据P，则P＝[P1,P2,P3,...Pn]；
计算机油泵出口压力数据P的平均值
Figure FDA0003989211000000011
其中：
Figure FDA0003989211000000012
再对每个机油压力P与平均值
Figure FDA0003989211000000013
进行做差，形成偏差值ΔP；
筛选出偏差值ΔP<偏差值阈值的机油泵出口压力数据，得到筛选后的机油泵出口压力数据集P`，则P`＝[P`1,P`2,P`3,...P`x]，x≤n。
3.根据权利要求1所述的一种柴油机机油使用状态智能识别方法，其特征在于：所述机油状态的评价指标包括每日机油状态指标、机油正常状态基准和机油状态评估参数。
4.根据权利要求3所述的一种柴油机机油使用状态智能识别方法，其特征在于：所述每日机油状态指标的得到过程如下：
基于筛选后的机油泵出口压力数据集P`；
计算当日所有机油泵出口压力P`的平均值
Figure FDA0003989211000000021
其中：
Figure FDA0003989211000000022
Figure FDA0003989211000000023
作为当日机油状态的数据指标；
所述机油正常状态的基准值的得到过程如下：
计算柴油机从第一次更换机油后运行至目前，每日机油状态指标
Figure FDA0003989211000000024
的平均值
Figure FDA0003989211000000025
当柴油机从第一次更换机油，运行至目前一共有m天的数据，则
Figure FDA0003989211000000026
Figure FDA0003989211000000027
Figure FDA0003989211000000028
作为机油正常状态的基准值；
所述机油状态评估参数得到过程如下：
计算当日机油状态指标与机油正常状态基准值的偏离度，所述偏离度公式如下：
Figure FDA0003989211000000029
其中：P`i为第i天的机油状态的数据指标；
所述偏离度作为当日机油状态的评估参数。
5.根据权利要求1所述的一种柴油机机油使用状态智能识别方法，其特征在于：所述通过指标评价方法对机油状态的评价指标进行评价，识别出机油状态和机油的换油日期的过程如下：
当日机油状态指标与机油正常状态基准值的偏离度ΔPm>设定的范围时，即机油指标到限，表示当日需要更换机油，即识别出机油的状态；
计算当日
Figure FDA00039892110000000210
与前一日期
Figure FDA00039892110000000211
的差值ΔPC作为评估参数，当ΔPC≥评估参数阈值，判断当日为换油日期。
6.一种柴油机机油使用状态智能识别装置，其特征在于：包括：
获取模块：用于获取柴油机正常运行时，机油泵出口压力、机油温度、柴油机转速信号数据；
筛选模块：用于对柴油机每日在固定转速M和机油温度在固定温度N下的机油泵出口压力数据进行筛选，得到筛选后的机油泵出口压力数据集；
得到模块：用于基于筛选后的机油泵出口压力数据集，得到机油状态的评价指标；
识别模块：用于对机油状态的评价指标进行评价，识别出机油的换油日期。
7.一种柴油机机油使用状态智能识别装置，其特征在于：包括
对机油泵出口压力、机油温度、柴油机转速信号进行采集的采集模块；
基于所述采集模块采集的机油泵出口压力、机油温度、柴油机转速信号数据，采用如权利要求6所述的一种柴油机机油使用状态智能识别装置，对机油的换油日期进行识别。
CN202211582551.4A 2022-12-08 2022-12-08 一种柴油机机油使用状态智能识别的方法、装置及系统 Pending CN115929437A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211582551.4A CN115929437A (zh) 2022-12-08 2022-12-08 一种柴油机机油使用状态智能识别的方法、装置及系统
PCT/CN2023/127144 WO2024120046A1 (zh) 2022-12-08 2023-10-27 一种柴油机机油使用状态智能识别的方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211582551.4A CN115929437A (zh) 2022-12-08 2022-12-08 一种柴油机机油使用状态智能识别的方法、装置及系统

Publications (1)

Publication Number Publication Date
CN115929437A true CN115929437A (zh) 2023-04-07

Family

ID=86698782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211582551.4A Pending CN115929437A (zh) 2022-12-08 2022-12-08 一种柴油机机油使用状态智能识别的方法、装置及系统

Country Status (2)

Country Link
CN (1) CN115929437A (zh)
WO (1) WO2024120046A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024120046A1 (zh) * 2022-12-08 2024-06-13 中车大连机车车辆有限公司 一种柴油机机油使用状态智能识别的方法、装置及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100064069A (ko) * 2008-12-04 2010-06-14 현대자동차주식회사 디젤 엔진의 오일 압력 모니터링 방법
CN110307990B (zh) * 2019-06-05 2020-12-25 中国中车股份有限公司 一种柴油机机油系统故障的智能诊断方法及系统
CN113006900B (zh) * 2019-12-20 2022-03-08 蜂巢动力系统(江苏)有限公司 发动机机油稀释测量方法及装置
US11821345B2 (en) * 2021-03-24 2023-11-21 Caterpillar Inc. Systems and methods for lubricant dilution detection
CN114925766A (zh) * 2022-05-26 2022-08-19 江苏海平面数据科技有限公司 一种基于车联网大数据的柴油发动机机油更换识别方法
CN115929437A (zh) * 2022-12-08 2023-04-07 中车大连机车车辆有限公司 一种柴油机机油使用状态智能识别的方法、装置及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024120046A1 (zh) * 2022-12-08 2024-06-13 中车大连机车车辆有限公司 一种柴油机机油使用状态智能识别的方法、装置及系统

Also Published As

Publication number Publication date
WO2024120046A1 (zh) 2024-06-13

Similar Documents

Publication Publication Date Title
CN101799359B (zh) 一种动力设备故障监测预报方法及其系统
CN105718876B (zh) 一种滚珠丝杠健康状态的评估方法
CN102182671B (zh) 一种气体压缩机的状态分析监测方法
CN101726413B (zh) 通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法
CN113657221B (zh) 一种基于智能感知技术的电厂设备状态监测方法
CN115929437A (zh) 一种柴油机机油使用状态智能识别的方法、装置及系统
CN101798957B (zh) 一种动力设备故障诊断方法
CN116756595B (zh) 一种导电滑环故障数据采集监测方法
WO1997029410A1 (en) Process information and maintenance system for distributed control systems
CN114934898B (zh) 基于多模态参数的液压泵故障诊断分析系统
EP3198157A1 (en) Lubricant condition assessment system
CN117710364B (zh) 一种基于机器视觉的抗磨液压油除杂全流程分析管理系统
CN115015523A (zh) 一种基于油液分析的润滑油在线监测系统及监测方法
CN102607641A (zh) 一种燃气轮机的聚类异常检测方法
CN102393303B (zh) 一种燃气轮机的排序异常检测方法
CN118134116B (zh) 一种基于大数据分析的电缆及通道的状态监测评估方法
Hancock et al. A hybrid approach to hydraulic vane pump condition monitoring and fault detection
CN114878172A (zh) 一种船舶主机气缸温度信号特征提取方法及系统
CN117807538A (zh) 一种基于动态阈值和趋势预测的故障检测方法
CN107121490B (zh) 一种湿法冶金过程中运行状态的评价方法
CN211573846U (zh) 基于电流信号和信息融合的轴流风机故障诊断系统
CN106053089A (zh) 一种燃气轮机的排序异常检测系统
CN112861957A (zh) 一种油井运行状态检测方法及装置
CN113030443A (zh) 一种基于动态自适应趋势分析的地铁车辆油液智能监测方法及判断模型
CN221550688U (zh) 一种用于油液在线监测的缓冲装置

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