CN116223000B - 一种机器故障智能在线自动检测系统 - Google Patents
一种机器故障智能在线自动检测系统 Download PDFInfo
- Publication number
- CN116223000B CN116223000B CN202310237129.3A CN202310237129A CN116223000B CN 116223000 B CN116223000 B CN 116223000B CN 202310237129 A CN202310237129 A CN 202310237129A CN 116223000 B CN116223000 B CN 116223000B
- Authority
- CN
- China
- Prior art keywords
- production machine
- information
- module
- production
- maintenance
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
Abstract
本发明公开了一种机器故障智能在线自动检测系统,涉及设备检测技术领域,包括生产分析模块、运行监控模块、任务发布模块以及故障维修模块;所述生产分析模块用于从数据库中获取各个生产机器的制造信息并进行制造优值ZY分析;当生产机器开始运行时,所述运行监控模块用于实时监控生产机器的运行参数信息,并将运行参数信息传输至故障分析模块,判断所述生产机器是否出现运行故障;当生产机器出现异常时,管理员通过任务发布模块发布对应生产机器的检修任务至故障维修模块;所述故障维修模块用于对检修任务进行检修系数分析,得到检修任务的优先处理表;并根据优先处理表依次将检修任务分配至对应的维修人员,提高机器检修效率。
Description
技术领域
本发明涉及设备检测技术领域,具体是一种机器故障智能在线自动检测系统。
背景技术
生产机器包括高炉、机床、反应器、印染机等等,生产机器出厂后遇到各种各样的复杂问题,且大量的生产机器分布在全国各地,由于工程机械产品本身的复杂性、生产机器操作员的技术素养参差不齐、操作方法的不确定性等等因素,在生产机器使用过程中可能发生各种各样的问题;
现有的机器故障检测系统大多只是定期对生产机器进行相应检测和维护,但一般的检测和维护不能保证可以发现机器一些潜在问题,导致机器还是会出现一些突发故障,造成较大经济损失。机器异常发生后,根据异常类型,通知相关工作人员去处理,异常处理不及时会导致机器停止工作,造成大量经济损失。现有机器故障维护方式反应时间慢、处理时间长,不利于降低机器故障造成的损失,基于以上不足,本发明提出一种机器故障智能在线自动检测系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种机器故障智能在线自动检测系统。
为实现上述目的,根据本发明的第一方面的实施例提出一种机器故障智能在线自动检测系统,包括信息记录模块、生产分析模块、运行监控模块、任务发布模块以及故障维修模块;
所述信息记录模块用于采集生产机器的制造信息并将制造信息存储至数据库;所述生产分析模块用于从数据库中获取各个生产机器的制造信息并进行制造优值ZY分析,然后将制造优值ZY打上时间戳存储至云平台;
当生产机器开始运行时,所述运行监控模块用于实时监控生产机器的运行参数信息,并将运行参数信息传输至故障分析模块,判断所述生产机器是否出现运行故障;所述故障分析模块的具体分析步骤为:
获取所述生产机器的运行参数信息,对所述运行参数信息进行预处理,计算得到所述生产机器的运行值YXi;建立运行值YXi随时间变化的曲线图;
对曲线图进行求导得到运行变化率曲线图,将生产机器的运行变化率标记为YHi;将运行变化率YHi与预设变化阈值相比较,计算得到生产机器的损耗指数Cs;若Cs大于对应的损耗阈值Cz,则判定生产机器损耗异常,生成预警信号;所述故障分析模块用于将预警信号发送至云端服务器;
当生产机器出现异常时,管理员通过任务发布模块发布对应生产机器的检修任务至故障维修模块;所述故障维修模块用于对检修任务进行检修系数分析,得到检修任务的优先处理表;并根据优先处理表依次将检修任务分配至对应的维修人员。
进一步地,所述生产分析模块的具体分析步骤为:
针对任意一台生产机器,获取对应生产机器在预设时间段内所有的制造信息;所述制造信息包括制造时长、耗电量、产品数量以及合格率;
统计对应生产机器的制造总次数为Z1;将每个制造信息中的制造时长、耗电量、产品数量以及合格率依次标记为Ki、Di、Li以及Gi;利用公式SCi=(Li×g1+Gi×g2)/(Ki×g3+Di×g4)计算得到对应生产机器的生产系数SCi,其中g1、g2、g3、g4为系数因子;
将生产系数SCi与预设生产阈值相比较;若SCi大于预设生产阈值,则反馈产优信号至生产分析模块;统计产优信号的出现次数为P1;
截取相邻产优信号之间的时间段为产优缓冲时段;统计每个产优缓冲时段内的对应生产机器的制造次数为产优缓冲频次Ti,i=1,…,n;得到产优缓冲频次信息组;其中Tn表示最后一个产优缓冲频次;
对所述产优缓冲频次信息组进行偏离值分析,计算得到对应生产机器的产优偏值PZ;利用公式计算得到所述生产机器的制造优值ZY,其中a1、a2为系数因子;f为均衡因子。
进一步地,对所述产优缓冲频次信息组进行偏离值分析,具体包括:
按照标准差计算公式计算得到产优缓冲频次信息组的标准差μ,若μ≤预设标准差阈值,则按照偏离值计算公式得到对应生产机器的产优偏值PZ,其中,偏离值计算公式为:
若μ>预设标准差阈值,则以众数规则的方式求取产优缓冲频次信息组的众数;将所述众数与Tn进行差值计算得到间隔偏值PZ。
进一步地,其中众数规则为:以产优缓冲频次信息组中任意一个元素为中心,统计差值在预设值内的元素数量并标记为对应元素的重合数;将重合数最多的元素作为产优缓冲频次信息组的众数。
进一步地,云端服务器接收到预警信号后远程控制生产机器断电,同时驱动控制报警模块发出警报,以提醒管理员对生产机器进行检修维护。
进一步地,损耗指数Cs的具体计算方法为:
若YHi≥预设变化阈值,则在对应的曲线图中截取对应的曲线段并进行标注,记为损耗曲线段;针对同一曲线图,统计损耗曲线段的数量为C1;将所有的损耗曲线段对时间进行积分得到损耗参考面积M1;利用公式Cs=C1×b3+M1×b4计算得到生产机器的损耗指数Cs,其中b3、b4均为系数因子。
进一步地,所述故障分析模块还包括:
获取所述生产机器的运行时长为YT;根据运行时长YT确定生产机器的损耗阈值为Cz;具体为:数据库内存储有运行时长范围与损耗阈值的映射关系表;根据运行时长YT确定与其对应的运行时长范围,再根据运行时长范围确定对应的损耗阈值为Cz。
进一步地,所述故障维修模块的具体分析步骤为:
获取检修任务的发布时间,将该发布时间与系统当前时间进行时间差计算得到发布时长FT1;获取检修任务对应的生产机器,自动从云平台内调取所述生产机器的制造优值ZY;
利用公式GS=FT1×b1+ZY×b2计算得到所述检修任务的检修系数GS,其中b1、b2均为系数因子;将检修任务根据检修系数GS大小进行排序,得到检修任务的优先处理表。
与现有技术相比,本发明的有益效果是:
1、本发明中生产分析模块用于从数据库中获取各个生产机器的制造信息并进行制造优值分析;当生产机器开始运行时,运行监控模块用于实时监控生产机器的运行参数信息,并将运行参数信息传输至故障分析模块,判断生产机器是否出现运行故障;获取生产机器的运行参数信息,计算得到生产机器的运行值YXi,建立运行值YXi随时间变化的曲线图;对曲线图进行求导得到运行变化率曲线图,将运行变化率YHi与预设变化阈值相比较,计算得到生产机器的损耗指数Cs,若Cs大于对应的损耗阈值Cz,则判定生产机器损耗异常,生成预警信号;以提醒管理员对生产机器进行检修维护;
2、本发明中当生产机器出现异常时,管理员通过任务发布模块发布对应生产机器的检修任务至故障维修模块;故障维修模块用于对检修任务进行检修系数分析,结合检修任务的发布时长FT1以及对应生产机器的制造优值ZY,计算得到检修任务的检修系数GS;将检修任务根据检修系数GS大小进行排序,得到检修任务的优先处理表;然后根据检修任务的优先处理表依次将检修任务分配至对应的维修人员,提高机器检修效率。
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为本发明一种机器故障智能在线自动检测系统的系统框图。
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做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。
如图1所示,一种机器故障智能在线自动检测系统,包括信息记录模块、数据库、生产分析模块、云平台、运行监控模块、故障分析模块、云端服务器、报警模块、任务发布模块以及故障维修模块;
信息记录模块用于采集生产机器的制造信息并将制造信息存储至数据库;制造信息包括制造时长、耗电量、产品数量以及合格率;
生产分析模块用于从数据库中获取各个生产机器的制造信息并进行制造优值分析,具体分析步骤为:
针对任意一台生产机器,获取对应生产机器在预设时间段内所有的制造信息;统计对应生产机器的制造总次数为Z1;
将每个制造信息中的制造时长、耗电量、产品数量以及合格率依次标记为Ki、Di、Li以及Gi;利用公式SCi=(Li×g1+Gi×g2)/(Ki×g3+Di×g4)计算得到对应生产机器的生产系数SCi,其中g1、g2、g3、g4为系数因子;
将生产系数SCi与预设生产阈值相比较;若SCi大于预设生产阈值,则反馈产优信号至生产分析模块;
统计产优信号的出现次数为P1,截取相邻产优信号之间的时间段为产优缓冲时段;统计每个产优缓冲时段内的对应生产机器的制造次数为产优缓冲频次Ti,i=1,…,n;得到产优缓冲频次信息组;其中Tn表示最后一个产优缓冲频次;
按照标准差计算公式计算得到产优缓冲频次信息组的标准差μ,若μ≤预设标准差阈值,则按照偏离值计算公式得到对应生产机器的产优偏值PZ,其中,偏离值计算公式为:
若μ>预设标准差阈值,则以众数规则的方式求取产优缓冲频次信息组的众数;将产优缓冲频次信息组的众数与Tn进行差值计算得到间隔偏值PZ;
其中众数规则为:以产优缓冲频次信息组中任意一个元素为中心,统计差值在预设值内的元素数量并标记为对应元素的重合数;将重合数最多的元素作为产优缓冲频次信息组的众数;
利用公式计算得到生产机器的制造优值ZY,其中a1、a2为系数因子;f为均衡因子;
生产分析模块用于将各个生产机器的制造优值ZY打上时间戳并存储至云平台;
当生产机器开始运行时,运行监控模块用于实时监控生产机器的运行参数信息,并将运行参数信息传输至故障分析模块,判断生产机器是否出现运行故障;故障分析模块的具体分析步骤为:
获取生产机器的运行参数信息,运行参数信息包括温度信息、电压信息、电流信息、功率信息、振动频率信息和加速度信息;对运行参数信息进行预处理,预处理包括数据清洗、转换、整理、合并和运算;
将处理后的温度信息、电压信息、电流信息、功率信息、振动频率信息和加速度信息标记为WTi、WDi、WLi、WGi、WLi以及WMi;利用公式YXi=WTi×a3+WDi×a4+WLi×a5+WGi×a6+WLi×a7+WMi×a8计算得到生产机器的运行值YXi,其中a3、a4、a5、a6、a7、a8均为系数因子;
建立运行值YXi随时间变化的曲线图;对曲线图进行求导得到运行变化率曲线图,将生产机器的运行变化率标记为YHi;
将运行变化率YHi与预设变化阈值相比较,若YHi≥预设变化阈值,则在对应的曲线图中截取对应的曲线段并进行标注,记为损耗曲线段;
针对同一曲线图,统计损耗曲线段的数量为C1;将所有的损耗曲线段对时间进行积分得到损耗参考面积M1;利用公式Cs=C1×b3+M1×b4计算得到生产机器的损耗指数Cs,其中b3、b4均为系数因子;
获取生产机器的运行时长为YT;根据运行时长YT确定生产机器的损耗阈值为Cz;具体为:数据库内存储有运行时长范围与损耗阈值的映射关系表;根据运行时长YT确定与其对应的运行时长范围,再根据运行时长范围确定对应的损耗阈值为Cz;
将损耗指数Cs与对应的损耗阈值Cz相比较;若Cs大于Cz,则判定生产机器损耗异常,生成预警信号;
故障分析模块用于将预警信号发送至云端服务器;云端服务器接收到预警信号后远程控制生产机器断电,同时驱动控制报警模块发出警报,以提醒管理员对生产机器进行检修维护;
当生产机器出现异常时,管理员通过任务发布模块发布对应生产机器的检修任务至故障维修模块;故障维修模块用于对检修任务进行检修系数分析,得到检修任务的优先处理表;提高机器检修效率;
故障维修模块的具体分析步骤为:
获取检修任务的发布时间,将该发布时间与系统当前时间进行时间差计算得到发布时长FT1;
获取检修任务对应的生产机器,自动从云平台内调取生产机器的制造优值ZY;利用公式GS=FT1×b1+ZY×b2计算得到检修任务的检修系数GS,其中b1、b2均为系数因子;
将检修任务根据检修系数GS大小进行排序,得到检修任务的优先处理表;故障维修模块用于根据检修任务的优先处理表依次将检修任务分配至对应的维修人员,提高机器检修效率。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:
一种机器故障智能在线自动检测系统,在工作时,生产分析模块用于从数据库中获取各个生产机器的制造信息并进行制造优值分析;当生产机器开始运行时,运行监控模块用于实时监控生产机器的运行参数信息,并将运行参数信息传输至故障分析模块,判断生产机器是否出现运行故障;获取生产机器的运行参数信息,计算得到生产机器的运行值YXi,建立运行值YXi随时间变化的曲线图;对曲线图进行求导得到运行变化率曲线图,将运行变化率YHi与预设变化阈值相比较,计算得到生产机器的损耗指数Cs,若Cs大于对应的损耗阈值Cz,则判定生产机器损耗异常,生成预警信号;云端服务器接收到预警信号后远程控制生产机器断电,同时驱动控制报警模块发出警报,以提醒管理员对生产机器进行检修维护;
当生产机器出现异常时,管理员通过任务发布模块发布对应生产机器的检修任务至故障维修模块;故障维修模块用于对检修任务进行检修系数分析,结合检修任务的发布时长FT1以及对应生产机器的制造优值ZY,计算得到检修任务的检修系数GS;将检修任务根据检修系数GS大小进行排序,得到检修任务的优先处理表;然后根据检修任务的优先处理表依次将检修任务分配至对应的维修人员,提高机器检修效率。
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 (1)
1.一种机器故障智能在线自动检测系统,其特征在于,包括信息记录模块、生产分析模块、运行监控模块、任务发布模块以及故障维修模块;
所述信息记录模块用于采集生产机器的制造信息并将制造信息存储至数据库;所述制造信息包括制造时长、耗电量、产品数量以及合格率;
所述生产分析模块用于从数据库中获取各个生产机器的制造信息并进行制造优值ZY分析,具体分析步骤为:
针对任意一台生产机器,获取对应生产机器在预设时间段内所有的制造信息;统计对应生产机器的制造总次数为Z1;将每个制造信息中的制造时长、耗电量、产品数量以及合格率依次标记为Ki、Di、Li以及Gi;
利用公式SCi=(Li×g1+Gi×g2)/(Ki×g3+Di×g4)计算得到对应生产机器的生产系数SCi,其中g1、g2、g3、g4为系数因子;
将生产系数SCi与预设生产阈值相比较;若SCi大于预设生产阈值,则反馈产优信号至生产分析模块;统计产优信号的出现次数为P1;
截取相邻产优信号之间的时间段为产优缓冲时段;统计每个产优缓冲时段内的对应生产机器的制造次数为产优缓冲频次Ti,i=1,…,n;得到产优缓冲频次信息组;其中Tn表示最后一个产优缓冲频次;
按照标准差计算公式计算得到产优缓冲频次信息组的标准差μ,若μ≤预设标准差阈值,则按照偏离值计算公式得到对应生产机器的产优偏值PZ,其中,偏离值计算公式为:
若μ>预设标准差阈值,则以众数规则的方式求取产优缓冲频次信息组的众数;将所述众数与Tn进行差值计算得到间隔偏值PZ;
其中众数规则为:以产优缓冲频次信息组中任意一个元素为中心,统计差值在预设值内的元素数量并标记为对应元素的重合数;将重合数最多的元素作为产优缓冲频次信息组的众数;
利用公式计算得到所述生产机器的制造优值ZY,其中a1、a2为系数因子;f为均衡因子;所述生产分析模块用于将各个生产机器的制造优值ZY打上时间戳存储至云平台;
当生产机器开始运行时,所述运行监控模块用于实时监控生产机器的运行参数信息,并将运行参数信息传输至故障分析模块,判断所述生产机器是否出现运行故障;所述运行参数信息包括温度信息、电压信息、电流信息、功率信息、振动频率信息和加速度信息;
所述故障分析模块的具体分析步骤为:
获取所述生产机器的运行参数信息,对所述运行参数信息进行预处理,预处理包括数据清洗、转换、整理、合并和运算;
将处理后的温度信息、电压信息、电流信息、功率信息、振动频率信息和加速度信息标记为WTi、WDi、WLi、WGi、WLi以及WMi;利用公式YXi=WTi×a3+WDi×a4+WLi×a5+WGi×a6+WLi×a7+WMi×a8计算得到生产机器的运行值YXi,其中a3、a4、a5、a6、a7、a8均为系数因子;
建立运行值YXi随时间变化的曲线图;对曲线图进行求导得到运行变化率曲线图,将生产机器的运行变化率标记为YHi;
将运行变化率YHi与预设变化阈值相比较,若YHi≥预设变化阈值,则在对应的曲线图中截取对应的曲线段并进行标注,记为损耗曲线段;
针对同一曲线图,统计损耗曲线段的数量为C1;将所有的损耗曲线段对时间进行积分得到损耗参考面积M1;利用公式Cs=C1×b3+M1×b4计算得到生产机器的损耗指数Cs,其中b3、b4均为系数因子;
获取生产机器的运行时长为YT;根据运行时长YT确定生产机器的损耗阈值为Cz;具体为:数据库内存储有运行时长范围与损耗阈值的映射关系表;根据运行时长YT确定与其对应的运行时长范围,再根据运行时长范围确定对应的损耗阈值为Cz;
将损耗指数Cs与对应的损耗阈值Cz相比较;若Cs大于Cz,则判定生产机器损耗异常,生成预警信号;
所述故障分析模块用于将预警信号发送至云端服务器;所述云端服务器接收到预警信号后远程控制生产机器断电,同时驱动控制报警模块发出警报,以提醒管理员对生产机器进行检修维护;
当生产机器出现异常时,管理员通过任务发布模块发布对应生产机器的检修任务至故障维修模块;所述故障维修模块用于对检修任务进行检修系数GS分析,得到检修任务的优先处理表;具体分析步骤为:
获取检修任务的发布时间,将该发布时间与系统当前时间进行时间差计算得到发布时长FT1;获取检修任务对应的生产机器,自动从云平台内调取生产机器的制造优值ZY;
利用公式GS=FT1×b1+ZY×b2计算得到检修任务的检修系数GS,其中b1、b2均为系数因子;将检修任务根据检修系数GS大小进行排序,得到检修任务的优先处理表;所述故障维修模块用于根据检修任务的优先处理表依次将检修任务分配至对应的维修人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237129.3A CN116223000B (zh) | 2023-03-13 | 2023-03-13 | 一种机器故障智能在线自动检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237129.3A CN116223000B (zh) | 2023-03-13 | 2023-03-13 | 一种机器故障智能在线自动检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116223000A CN116223000A (zh) | 2023-06-06 |
CN116223000B true CN116223000B (zh) | 2023-09-26 |
Family
ID=86590888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310237129.3A Active CN116223000B (zh) | 2023-03-13 | 2023-03-13 | 一种机器故障智能在线自动检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116223000B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935881A (zh) * | 2020-08-17 | 2020-11-13 | 淮阴师范学院 | 一种基于物联网的智能家居照明控制系统 |
CN113762900A (zh) * | 2021-11-08 | 2021-12-07 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链预言机的供应链管理系统及方法 |
CN114063507A (zh) * | 2021-10-25 | 2022-02-18 | 合肥创农生物科技有限公司 | 基于智慧农业的远程设备控制系统及其控制方法 |
CN114966467A (zh) * | 2022-05-17 | 2022-08-30 | 国网安徽省电力有限公司电力科学研究院 | 一种基于数字孪生的输电线路状态评估方法 |
CN115034666A (zh) * | 2022-06-29 | 2022-09-09 | 池州市明坤电子科技有限公司 | 一种提高铝型材合格率的生产监控系统 |
CN115096373A (zh) * | 2022-08-09 | 2022-09-23 | 中大智能科技股份有限公司 | 一种基于传感器的桥梁工程健康检测系统 |
-
2023
- 2023-03-13 CN CN202310237129.3A patent/CN116223000B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935881A (zh) * | 2020-08-17 | 2020-11-13 | 淮阴师范学院 | 一种基于物联网的智能家居照明控制系统 |
CN114063507A (zh) * | 2021-10-25 | 2022-02-18 | 合肥创农生物科技有限公司 | 基于智慧农业的远程设备控制系统及其控制方法 |
CN113762900A (zh) * | 2021-11-08 | 2021-12-07 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链预言机的供应链管理系统及方法 |
CN114966467A (zh) * | 2022-05-17 | 2022-08-30 | 国网安徽省电力有限公司电力科学研究院 | 一种基于数字孪生的输电线路状态评估方法 |
CN115034666A (zh) * | 2022-06-29 | 2022-09-09 | 池州市明坤电子科技有限公司 | 一种提高铝型材合格率的生产监控系统 |
CN115096373A (zh) * | 2022-08-09 | 2022-09-23 | 中大智能科技股份有限公司 | 一种基于传感器的桥梁工程健康检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116223000A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085261B (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
CN111103860A (zh) | 一种基于数字孪生平台的工厂管理系统及方法 | |
CN103617561A (zh) | 一种电网智能变电站二次设备状态评估系统和方法 | |
CN113361139B (zh) | 一种基于数字孪生的产线仿真滚动优化系统及方法 | |
CN110430128A (zh) | 边缘计算网关 | |
CN110247474B (zh) | 一种基于d5000系统电网运行状态的统计汇总方法及系统 | |
CN112666885A (zh) | 基于工业互联网环保设备监控管理平台 | |
CN109583783A (zh) | 一种托板螺母生产线的组态设计方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN111522864A (zh) | 基于用电数据的企业生产模式识别及转移生产预警方法 | |
CN109902871A (zh) | 一种结合企业生产线差异化特点的智能优化节能系统 | |
CN115372816A (zh) | 基于数据分析的配电开关设备运行故障预测系统及方法 | |
CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
CN111160598A (zh) | 一种基于动态能耗基准的能源预测与能耗管控方法及系统 | |
CN116223000B (zh) | 一种机器故障智能在线自动检测系统 | |
CN114297265A (zh) | 基于物联技术的智能运维方法 | |
CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和系统 | |
CN112255969A (zh) | 一种数控机床的数据采集分析展示系统及方法 | |
CN116703254B (zh) | 模具机械零部件生产信息管理系统 | |
CN109299080B (zh) | 一种电力生产运行数据的清洗方法及计算设备 | |
CN116050788A (zh) | 一种工业智能排产管理系统 | |
CN110488775A (zh) | 设备状态判定及产量节拍统计系统及方法 | |
CN116167648A (zh) | 一种机械加工产线运行效率评定方法 | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN107958575A (zh) | 一种电厂运行参数实时报警系统 |
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 |