CN116071053A - 基于数字孪生的往复式压缩机状态预警系统 - Google Patents
基于数字孪生的往复式压缩机状态预警系统 Download PDFInfo
- Publication number
- CN116071053A CN116071053A CN202310361704.0A CN202310361704A CN116071053A CN 116071053 A CN116071053 A CN 116071053A CN 202310361704 A CN202310361704 A CN 202310361704A CN 116071053 A CN116071053 A CN 116071053A
- Authority
- CN
- China
- Prior art keywords
- state
- degradation
- health
- equipment
- real
- 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
- 230000015556 catabolic process Effects 0.000 claims abstract description 84
- 238000006731 degradation reaction Methods 0.000 claims abstract description 84
- 230000036541 health Effects 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 238000009877 rendering Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 9
- 230000003862 health status Effects 0.000 claims description 8
- 230000000630 rising effect Effects 0.000 claims description 8
- 230000006866 deterioration Effects 0.000 claims description 4
- 238000004062 sedimentation Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 230000005856 abnormality Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Economics (AREA)
- Computer Graphics (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于数字孪生的往复式压缩机状态预警系统，包括通信模块，用于接收安装在设备上的传感器采集的设备实时运行状态数据；建模模块，用于根据设备CAD对往复式压缩机建模和渲染，还根据所述实时运行状态数据进行状态数据渲染；其中：还包括分析模块，用于根据实时运行状态数据对设备状态进行评估；评估时，根据实时运行状态数据进行不同等级的健康状态以及劣化状态的评估；展示模块，用于展示渲染得到的往复式压缩机模型和状态数据以及分析得到的设备实时的健康状态和劣化状态。本发明能够对设备的运行状态进行预警以及降低设备出现故障的概率。
Description
技术领域
本发明涉及一种往复式压缩机状态预警系统，具体涉及一种基于数字孪生的往复式压缩机状态预警系统。
背景技术
传统往复式压缩机状态检测分析分为离线分析和在线分析两种方式。离线分析是通过人工的方式去设备现场采集设备运行状态数据，然后将数据导入到离线分析系统进行数据分析，这种设备状态监测方式存在很多问题，第一是人工采集的规范性、采集到设备状态数据的准确性、设备状态分析的实时性都不能得到确切的保证。在线分析平台是通过安装在设备上的传感器将设备状态数据实时进行采集分析，但也存在一些问题，比如分析结果通常采用数据或文字表达，而这种分析结果并不能够使得用户在第一时间得到设备状态的重要信息。而目前，在线分析平台中，为了能够直接展示出设备故障情况，出现了基于数字孪生的故障分析平台，通过数字孪生和在线建模技术能够将设备的实际运行状态更为直观的直接展示在图中，用户通过建模能够直观了解到设备的实际运行情况。
中国专利文献CN115542856A公开了一种基于数字孪生建模的设备故障诊断预警系统及使用方法，包括故障信息采集模块，故障信息采集模块的输出端分别电性连接有电路故障检测模块、温湿度传感器和设备输出参数动态记录模块，电路故障检测模块的输出端电性连接有电路控制模块，故障信息采集模块的输出端分别电性连接有存储单元、中央处理器和信息连接模块。本发明解决了现阶段基于数字孪生建模的设备故障诊断系统普遍存在诊断效率较弱且不具备预警报警功能的问题。
该现有技术具有以下不足：该现有技术中虽然实现了预警报警功能，但是在该现有技术中，在检测出数据异常时就会触发报警单元组件进行报警发声，而在设备实际使用中，一方面，导致数据异常的原因多种多样，在有的情况下，数据异常并不就意味着设备运行异常，如由于采集过程异常导致信号中断而出现的数据异常则并不属于设备异常，这种情况下的报警则属于误报警，从而降低了报警准确性，另一方面，同样由于数据异常的原因有很多，用户根据报警信息并不能够知晓设备异常原因，还需要用户自行去分析故障，导致用户不能够第一时间去解决故障，从而降低了故障解决效率，甚至还有可能使得故障严重化，从而影响设备使用寿命。
又有中国专利文献CN114382662A公开了一种基于数字孪生的风机状态预警方法。该方法包括：风机关键部件实体；基于关键部位实体的实时状态量数据构建初始数字孪生模型；获取初始数字孪生模型的统计特征以及相关性特性；对监测状态量进行仿真预测，并基于仿真预测数据更新数字孪生模型；获取更新的数字孪生模型的统计特征以及相关性特征；对比更新的数字孪生模型的特征与初始数字孪生模型的特征，判断风机关键部件运行状态并进行预警。本发明解决了目前相关技术在对风机运行状态进行预警时，依赖状态监测数据和大量故障案例构建模式识别模型，忽略风机隐性的潜伏性缺陷对判断模型的影响及识别模型无法考虑风机未来运行趋势的问题，而造成的无法对风机运行状态进行准确判断和预警的技术问题。
该现有技术具有以下不足：该现有技术中，虽然能够实现对设备状态的预警，但是在该现有技术中，在进行预警时，需要先基于状态量时间序列的特征对数字孪生模型进行仿真预测，然后基于仿真预测数据更新数字孪生模型后，对比更新的数字孪生模型的特征与初始数字孪生模型的特征，以此来进行预警。也就意味着，预警的准确性与更新的数字孪生模型的准确性有关，而更新的数字孪生模型又是根据初始数字孪生模型的数据进行预测得到的，也就是说说，预警的准确性就会依赖于最初采集到的数据，因此对于该现有技术来说，虽然从未来趋势来说，能够提高预警的准确性，但是当实时状态量数据出现误差时，依旧会降低预警的准确性。
发明内容
本发明为了解决现有技术中的设备故障诊断预警系统的报警准确率低的问题，提供了一种基于数字孪生的往复式压缩机状态预警系统，包括通信模块，用于接收安装在设备上的传感器采集的设备实时运行状态数据；
建模模块，用于根据设备CAD对往复式压缩机建模和渲染，还根据实时运行状态数据进行状态数据渲染；其中，还包括分析模块，用于根据实时运行状态数据对设备状态进行评估；评估时，根据实时运行状态数据进行不同等级的健康状态以及劣化状态的评估；
分析模块预设有健康等级划分表和劣化状态划分表，健康等级划分表包括多种健康状态以及对应的状态数据范围值，在进行评估时，将实时运行状态数据与健康等级划分表进行比对得到设备的健康状态，劣化状态划分表包括多种劣化状态以及对应的数据波动范围值，在进行评估时，还对采集到的实时运行状态数据进行计算得到实时数据波动值，并将实时数据波动值与劣化状态划分表进行比对得到设备实时的劣化状态；
展示模块，用于展示渲染得到的往复式压缩机模型和状态数据以及分析得到的设备实时的健康状态和劣化状态。
与现有技术相比，第一，本方案中，一方面，对设备的健康状态进行多级的评估，能够使得分析结果更准确，从而能够提高报警的准确性；另一方面，考虑到偶尔出现一两次的异常数据可能会导致误报警，但是从设备的劣化状态来说，由于劣化状态是经过一段时间的数据来表征设备性能劣化的能力，因此即便是出现一两次的异常数据，也不会对劣化状态的判定造成太多影响，因此本方案中，还会对能够表征设备性能劣化程度以及设备劣化发展趋势的劣化状态评估，根据评估出的劣化状态知晓设备未来的运行状态趋势，从而实现对设备运行状态的预警，能够降低设备出现故障的概率。
第二，利用设置的分析模块对设备运行状态进行分析时，一方面，通过实时运行状态数据与状态数据范围值的比对得出设备的健康状态，也就能够使得分析结果更准确，从而能够提高报警的准确性；另一方面，除了对设备的健康状态的分析，还通过实时运行状态数据自身之间的波动情况实现了对设备劣化状态的分析，通过劣化状态的分析还能够知晓设备未来的运行状态趋势，从而实现对设备运行状态的预警，能够降低设备出现故障的概率。
优选地，健康等级划分表还包括与健康状态对应的状态描述，劣化状态划分表还包括与劣化状态对应的劣化状态描述。本方案中，利用设置的状态描述和劣化状态描述能够帮助用户对设备当前状态的了解，从而提高故障解决效率。
优选地，健康等级划分表中健康状态包括正常、预警、报警、危险、停机以及异常等级，劣化状态划分表中劣化状态包括平稳、波动明显、缓慢上升、快速上升、停机和异常。本方案中，通过多个健康状态以及劣化状态的设置能够实现对设备运行状态更准确的分析，从而提高了分析结果的准确性。
优选地，健康等级划分表中，当健康状态为正常时，对应的状态描述为设备近期趋势平稳；当健康状态为预警时，对应的状态描述为设备故障可接受，能够持续运行；当健康状态为报警时，对应的状态描述为故障明显，只适合短期运行；当健康状态为危险时，对应的状态描述为故障严重，需尽快检修；当健康状态为停机时，对应的状态描述为设备近期处于停机状态；当健康状态为异常时，对应的状态描述为设备信号异常。本方案中，状态描述的具体设置能够使得用户对设备运行状态更详细的了解。
优选地，劣化状态划分表中，当劣化状态为平稳时，对应的劣化状态描述为近期运行稳定；当劣化状态为波动明显时，对应的劣化状态描述为设备近期运行状态波动明显，需要加强关注；当劣化状态为缓慢上升时，对应的劣化状态描述为设备近期出现轻微的劣化，需要加强关注；当劣化状态为快速上升时，对应的劣化状态描述为设备劣化严重，需要及时处理；当劣化状态为停机时，对应的劣化状态描述为设备近期处于停机状态；当劣化状态为异常时，对应的劣化状态描述为信号中断。本方案中，劣化状态描述的具体设置能够使得用户对设备运行状态更详细的了解。
优选地，分析模块还预设有与健康状态和劣化状态对应的建议。本方案中，分析模块中建议的设置能够辅助用户进行故障的解决，从而提高故障解决效率。
优选地，还包括汇总模块，用于对分析模块的结果进行汇总，得到的汇总结果包括设备的健康状态、劣化趋势、状态描述和建议。本方案中，汇总模块的设置能够对分析结果进行汇总，方便用户查看分析结果，以便用户对设备的运行状态有更全面的了解。
优选地，实时运行状态数据包括转速值、动态电气、十字头振动平均值、曲轴箱振动平均值、活塞杆沉降平均值、气缸振动平均值、气缸压力平均值、气阀温度中的一种或多种。
本发明具有以下有益效果：
1、与现有技术相比，本方案中，在获得设备的实时运行状态数据后进行健康状态和劣化状态的分析，一方面，多个健康状态的划分能够提高报警的准确性，另一方面，通过劣化状态的分析还能够知晓设备未来的运行状态趋势，从而实现对设备运行状态的预警，能够降低设备出现故障的概率；
2、多个健康状态和多个劣化状态的划分以及对应的状态描述能够提高分析结果的准确性，以辅助用户更快对设备出现的故障进行准确维修。
附图说明
图1为本发明基于数字孪生的往复式压缩机状态预警系统实施例的示意图；
图2为曲轴自由端振动时域-频谱图；
图3为排气阀温度采集结果示意图。
具体实施方式
下面通过具体实施方式进一步详细说明：
1、定义
建模：利用三维制作软件通过虚拟三维空间构建出具有三维数据的模型；
渲染：是CG的最后一道工序（除了后期制作），也是最终使图像符合的3D场景的阶段。
2、实施例基本如下所示：基于数字孪生的往复式压缩机状态预警系统，包括通信模块，用于接收安装在设备上的传感器采集的设备实时运行状态数据；实时运行状态数据包括转速值、动态电气、十字头振动平均值、曲轴箱振动平均值、活塞杆沉降平均值、气缸振动平均值、气缸压力平均值、气阀温度中的一种或多种，本实施例中包括曲轴箱振动平均值、十字头振动平均值、活塞杆沉降平均值、气缸振动平均值和气阀温度。
建模模块，用于根据设备CAD对往复式压缩机建模和渲染，还根据实时运行状态数据进行状态数据渲染；
分析模块，用于根据实时运行状态数据对设备状态进行评估；具体的，分析模块预设有健康等级划分表和劣化状态划分表，健康等级划分表包括多种健康状态、对应的状态数据范围值以及与健康状态对应的状态描述，健康状态包括正常、预警、报警、危险、停机以及异常等级；劣化状态划分表包括多种劣化状态、对应的数据波动范围值以及与劣化状态对应的劣化状态描述，劣化状态包括平稳、波动明显、缓慢上升、快速上升、停机和异常。
本实施例中，在对健康状态进行划分时，以温度为例，在划分等级时，参考一段正常运行工况下的温度趋势图，求平均值，然后以平均值为基准线，高出A%为预警，高出B%为报警，达到C%则为危险，其中A、B和C的确定需要根据实际工况进行确认，满足A＜B＜C即可，如设定A=15，B=20，C=30。在对劣化状态进行划分时，同样的，需要实际工况进行设定，如在图3中，A-B段为趋势平稳，C点附近为快速上升，D-G段为缓慢上升。
健康等级划分表如表一所示，劣化状态划分表如表二所示。
表一 健康等级划分表
表二 劣化状态划分表
在进行评估时，将实时运行状态数据与健康等级划分表进行比对得到设备的健康状态，还对采集到的实时运行状态数据进行计算得到实时数据波动值，并将实时数据波动值与劣化状态划分表进行比对得到设备实时的劣化状态。
分析模块还预设有与健康状态和劣化状态对应的建议；
汇总模块，用于对分析模块的结果进行汇总，得到的汇总结果包括设备的健康状态、劣化趋势、状态描述和建议。汇总后的一种分析结果示例如表三所示。
表三 分析结果示例
展示模块，用于展示渲染得到的往复式压缩机模型和状态数据以及分析得到的设备实时的健康状态和劣化状态，渲染后的往复式压缩机模型如图1所示。
具体实施过程如下：以曲轴箱振动平均值为例，设定采集到的曲轴箱振动平均值如图2所示。
由图2可知，虽曲轴箱振动趋势平稳，但曲轴箱自由端振动在180°换向时存在冲击，有时存在冲击，可能原因为自由端大头瓦间隙超标或瞬时润滑不良。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.基于数字孪生的往复式压缩机状态预警系统，包括通信模块，用于接收安装在设备上的传感器采集的设备实时运行状态数据；
建模模块，用于根据设备CAD对往复式压缩机建模和渲染，还根据所述实时运行状态数据进行状态数据渲染；
其特征在于：还包括分析模块，用于根据实时运行状态数据对设备状态进行评估；评估时，根据实时运行状态数据进行不同等级的健康状态以及劣化状态的评估；
所述分析模块预设有健康等级划分表和劣化状态划分表，所述健康等级划分表包括多种健康状态以及对应的状态数据范围值，在进行评估时，将所述实时运行状态数据与健康等级划分表进行比对得到设备的健康状态，所述劣化状态划分表包括多种劣化状态以及对应的数据波动范围值，在进行评估时，还对采集到的实时运行状态数据进行计算得到实时数据波动值，并将所述实时数据波动值与劣化状态划分表进行比对得到设备实时的劣化状态；
展示模块，用于展示渲染得到的往复式压缩机模型和状态数据以及分析得到的设备实时的健康状态和劣化状态。
2.根据权利要求1所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：所述健康等级划分表还包括与所述健康状态对应的状态描述，所述劣化状态划分表还包括与所述劣化状态对应的劣化状态描述。
3.根据权利要求2所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：所述健康等级划分表中健康状态包括正常、预警、报警、危险、停机以及异常等级，所述劣化状态划分表中劣化状态包括平稳、波动明显、缓慢上升、快速上升、停机和异常。
4.根据权利要求3所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：所述健康等级划分表中，当健康状态为正常时，对应的状态描述为设备近期趋势平稳；当健康状态为预警时，对应的状态描述为设备故障可接受，能够持续运行；当健康状态为报警时，对应的状态描述为故障明显，只适合短期运行；当健康状态为危险时，对应的状态描述为故障严重，需尽快检修；当健康状态为停机时，对应的状态描述为设备近期处于停机状态；当健康状态为异常时，对应的状态描述为设备信号异常。
5.根据权利要求3或4所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：所述劣化状态划分表中，当劣化状态为平稳时，对应的劣化状态描述为近期运行稳定；当劣化状态为波动明显时，对应的劣化状态描述为设备近期运行状态波动明显，需要加强关注；当劣化状态为缓慢上升时，对应的劣化状态描述为设备近期出现轻微的劣化，需要加强关注；当劣化状态为快速上升时，对应的劣化状态描述为设备劣化严重，需要及时处理；当劣化状态为停机时，对应的劣化状态描述为设备近期处于停机状态；当劣化状态为异常时，对应的劣化状态描述为信号中断。
6.根据权利要求5所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：所述分析模块还预设有与健康状态和劣化状态对应的建议。
7.根据权利要求6所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：还包括汇总模块，用于对分析模块的结果进行汇总，得到的汇总结果包括设备的健康状态、劣化趋势、状态描述和建议。
8.根据权利要求7所述的基于数字孪生的往复式压缩机状态预警系统，其特征在于：所述实时运行状态数据包括转速值、动态电气、十字头振动平均值、曲轴箱振动平均值、活塞杆沉降平均值、气缸振动平均值、气缸压力平均值、气阀温度中的一种或多种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310361704.0A CN116071053B (zh) | 2023-04-07 | 2023-04-07 | 基于数字孪生的往复式压缩机状态预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310361704.0A CN116071053B (zh) | 2023-04-07 | 2023-04-07 | 基于数字孪生的往复式压缩机状态预警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116071053A true CN116071053A (zh) | 2023-05-05 |
| CN116071053B CN116071053B (zh) | 2023-11-28 |
Family
ID=86182284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310361704.0A Active CN116071053B (zh) | 2023-04-07 | 2023-04-07 | 基于数字孪生的往复式压缩机状态预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116071053B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933409A (zh) * | 2023-06-14 | 2023-10-24 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
| CN111401583A (zh) * | 2020-03-18 | 2020-07-10 | 北京天泽智云科技有限公司 | 基于预测性维护的自动扶梯全生命周期健康管理系统 |
| CN112418451A (zh) * | 2020-11-05 | 2021-02-26 | 武汉大学 | 基于数字孪生的变压器故障诊断定位系统 |
| CN113343482A (zh) * | 2021-06-28 | 2021-09-03 | 中国人民解放军陆军装甲兵学院 | 一种基于数字孪生的车辆动力系统监控管理方法 |
| CN114239864A (zh) * | 2021-10-27 | 2022-03-25 | 国网福建省电力有限公司检修分公司 | 一种基于数字孪生的换流阀故障检修方法及终端 |
| CN114677025A (zh) * | 2022-03-30 | 2022-06-28 | 北京数智勘实科技有限公司 | 一种催化剂运行智能管理系统和管理方法 |
| CN114876717A (zh) * | 2022-06-16 | 2022-08-09 | 西安热工研究院有限公司 | 一种水轮发电机组运行故障的保护方法及系统 |
| CN115081324A (zh) * | 2022-06-20 | 2022-09-20 | 中国铁建重工集团股份有限公司 | 一种地下工程装备的性能预测优化及故障诊断系统和方法 |
| CN115347915A (zh) * | 2022-08-16 | 2022-11-15 | 广东电网有限责任公司 | 一种电力线载波通信设备运行状态的检测方法及装置 |
| US20230082761A1 (en) * | 2021-09-14 | 2023-03-16 | Wuhan United Imaging Healthcare Co., Ltd. | Systems and methods for device monitoring |
| CN115833380A (zh) * | 2022-12-05 | 2023-03-21 | 国网甘肃省电力公司平凉供电公司 | 一种应用于电力物联网的边缘物联代理方法 |
| CN115901263A (zh) * | 2022-12-14 | 2023-04-04 | 昆明理工大学 | 基于数字孪生的滚动轴承剩余寿命在线预测方法及系统 |
-
2023
- 2023-04-07 CN CN202310361704.0A patent/CN116071053B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
| CN111401583A (zh) * | 2020-03-18 | 2020-07-10 | 北京天泽智云科技有限公司 | 基于预测性维护的自动扶梯全生命周期健康管理系统 |
| CN112418451A (zh) * | 2020-11-05 | 2021-02-26 | 武汉大学 | 基于数字孪生的变压器故障诊断定位系统 |
| CN113343482A (zh) * | 2021-06-28 | 2021-09-03 | 中国人民解放军陆军装甲兵学院 | 一种基于数字孪生的车辆动力系统监控管理方法 |
| US20230082761A1 (en) * | 2021-09-14 | 2023-03-16 | Wuhan United Imaging Healthcare Co., Ltd. | Systems and methods for device monitoring |
| CN114239864A (zh) * | 2021-10-27 | 2022-03-25 | 国网福建省电力有限公司检修分公司 | 一种基于数字孪生的换流阀故障检修方法及终端 |
| CN114677025A (zh) * | 2022-03-30 | 2022-06-28 | 北京数智勘实科技有限公司 | 一种催化剂运行智能管理系统和管理方法 |
| CN114876717A (zh) * | 2022-06-16 | 2022-08-09 | 西安热工研究院有限公司 | 一种水轮发电机组运行故障的保护方法及系统 |
| CN115081324A (zh) * | 2022-06-20 | 2022-09-20 | 中国铁建重工集团股份有限公司 | 一种地下工程装备的性能预测优化及故障诊断系统和方法 |
| CN115347915A (zh) * | 2022-08-16 | 2022-11-15 | 广东电网有限责任公司 | 一种电力线载波通信设备运行状态的检测方法及装置 |
| CN115833380A (zh) * | 2022-12-05 | 2023-03-21 | 国网甘肃省电力公司平凉供电公司 | 一种应用于电力物联网的边缘物联代理方法 |
| CN115901263A (zh) * | 2022-12-14 | 2023-04-04 | 昆明理工大学 | 基于数字孪生的滚动轴承剩余寿命在线预测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘云鹏等: "电力变压器智能运维的数字孪生体构想", 《中国电机工程学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933409A (zh) * | 2023-06-14 | 2023-10-24 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
| CN116933409B (zh) * | 2023-06-14 | 2024-05-07 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116071053B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10496466B2 (en) | Preprocessor of abnormality sign diagnosing device and processing method of the same | |
| CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
| CN116071053B (zh) | 基于数字孪生的往复式压缩机状态预警系统 | |
| 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 | |
| CN109469896A (zh) | 一种基于时间序列分析工业锅炉故障的诊断方法及系统 | |
| CN111927717B (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
| CN110794683A (zh) | 基于深度神经网络和峭度特征的风电齿轮箱状态评估方法 | |
| CN114708885A (zh) | 一种基于声音信号的风机故障预警方法 | |
| CN114878172B (zh) | 一种船舶主机气缸温度信号特征提取方法及系统 | |
| CN116976191A (zh) | 一种水轮发电机组轴系稳定性劣化趋势预测方法 | |
| CN116428124A (zh) | 一种基于同型号设备数量较多的故障诊断方法 | |
| CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
| CN117272032B (zh) | 一种基于振动检测的空压机故障诊断方法与装置 | |
| CN110696990A (zh) | 一种基于数据驱动的船舶发电机部件影响识别方法及系统 | |
| CN114738132A (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
| CN117994955A (zh) | 水电机组温度报警模型建立和报警方法及装置 | |
| CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
| CN116163943B (zh) | 一种运行状态实时监测的压缩机 | |
| CN109872511B (zh) | 一种针对轴向位移突变监测的自适应两级报警方法 | |
| CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
| CN115929569A (zh) | 一种风电机组变桨系统故障诊断方法 | |
| CN111980900B (zh) | 一种基于多源数据融合分析的水泵故障诊断方法 | |
| EP3303835B1 (en) | Method for windmill farm monitoring | |
| CN113075547A (zh) | 电机数据的采集方法及系统 | |
| CN110958312A (zh) | 一种航空传动故障数据分析系统 |
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 |