CN116257023A - 基于物联网的设备自动故障诊断与状态分析系统 - Google Patents
基于物联网的设备自动故障诊断与状态分析系统 Download PDFInfo
- Publication number
- CN116257023A CN116257023A CN202211558811.4A CN202211558811A CN116257023A CN 116257023 A CN116257023 A CN 116257023A CN 202211558811 A CN202211558811 A CN 202211558811A CN 116257023 A CN116257023 A CN 116257023A
- Authority
- CN
- China
- Prior art keywords
- equipment
- module
- alarm
- fault
- diagnosis
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000007689 inspection Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000012423 maintenance Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000015556 catabolic process Effects 0.000 claims description 24
- 238000006731 degradation reaction Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000036541 health Effects 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 230000000737 periodic effect Effects 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 230000003449 preventive effect Effects 0.000 claims description 4
- 208000035874 Excoriation Diseases 0.000 claims description 3
- 101000860173 Myxococcus xanthus C-factor Proteins 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000005461 lubrication Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 238000011282 treatment Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000011418 maintenance treatment Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000004092 self-diagnosis Methods 0.000 claims description 2
- 230000003442 weekly effect Effects 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了基于物联网的设备自动故障诊断与状态分析系统,包括数据采集模块通过摄像头与传感器实现数据采集;所述在线监视模块是设备的生命周期管理模块,进行对于设备的动态档案检查与设备巡点检;所述故障预警模块用于在线监查模块与报警处理模块之间的数据沟通,当在线监视模块监察到设备故障时,发送预警信号给故障预警模块,故障预警模块再根据故障的具体情况进行对应性的报警信号传递给报警处理模块;报警处理模块进行对于报警信号的确认,确认是正确信号后安排对应的巡检进行设备检查。本发明电厂提供设备可靠性保障、降低运维成本、改善生产环境、降低劳动强度,形成支撑电厂可持续发展的设备智能化管控平台。
Description
技术领域
本发明涉及大数据排查故障技术领域,特别是基于物联网的设备自动故障诊断与状态分析系统。
背景技术
近年来,随着工业互联网、智能数字传感、大数据挖掘、云计算、专家诊断、人工智能等先进技术手段在国内外工业领域的应用日趋成熟,火电行业设备管理维护的智能化发展已经具备较好的内外部条件。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有的基于物联网的设备自动故障诊断与状态分析系统中存在的问题,提出了本发明。
因此,本发明所要解决的问题在于如何提供基于物联网的设备自动故障诊断与状态分析系统。
为解决上述技术问题,本发明提供如下技术方案:基于物联网的设备自动故障诊断与状态分析系统,其包括数据采集模块,在线监视模块,故障预警模块,报警处理模块,数据储存模块;
所述数据采集模块通过摄像头与传感器实现数据采集;
所述在线监视模块是设备的生命周期管理模块,进行对于设备的动态档案检查与设备巡点检;
所述故障预警模块用于在线监查模块与报警处理模块之间的数据沟通,当在线监视模块监察到设备故障时,发送预警信号给故障预警模块,故障预警模块再根据故障的具体情况进行对应性的报警信号传递给报警处理模块(400);
所述报警处理模块进行对于报警信号的确认,确认是正确信号后安排对应的巡检进行设备检查;一部分接通在线监视模块进行定期诊断,另一部分进行即时诊断,诊断后进行诊断报告提交审查与反馈;
所述数据储存模块是独立于系统的内存处理模块。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述数据采集模块是通过设备内的传感器,设备外的摄像头组成的设备数据采集组,进行对于设备的实时数据采集;
所述设备数据采集要先进行设备画像,设备画像功能以单台设备为对象,展示重要主辅机的运行情况,包括设备基础数据、近期故障诊断建议、实时报警、诊断模型触发统计、设备运维提醒、实时参数及健康状态和运行状态。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述在线监视模块包括预防性维护计划,设备动态档案与设备巡点检;
所述预防性维护计划是根据设备的往期健康状况进行针对性的预先性设备维修处理;
所述设备动态档案是对于设备的每天小检查、每周定期检查与每月大检查的总体数据汇总,形成跟踪设备健康状况实时更新的设备动态档案;
所述设备巡点检指的是在厂房内对于固定区域的设备进行的不固定时间巡回设备检查。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述故障预警模块分为规则报警,劣化预警,越限报警与质量报警;
所述规则报警是设备进行24小时实时健康评价后得到健康状态评价,评价分数低于60分时进行规则报警;
所述劣化预警指的是故障预警模块根据设备关键特征形成劣化预警模型构建,通过对于设备的劣化模型趋势分析呈现对于故障风险的提前预警;
所述越限报警指的是设备的某一或是某些参数在极短时间内实现突破式非预期提升,则故障预警模块进行越限报警;
所述质量报警指的是在线监视模块在进行设备的参数波动,参数量程与死点异常检查后进行自动判别,判别出现质量问题则进行质量报警。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述规则报警中设备进行健康状态评价,评价方法是从不同维度对设备进行评估,具体包括数据质量、维护状态、健康状态、运行状态、通讯状态、能效状态、安全状态评价维度,每个评价维度可以通过模型完成评价指标的计算,用户可基于应用需要,自定义综合评价指标类型,评价类型可用于各系统及设备的机理规则模型中的状态评价模型配置。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述质量报警中,监测装置通过设备的质量状况进行设备预警报告,报告类型分别是正常、轻微故障、较严重故障、严重故障A、B、C、D4个等级,报警处理模块在接收到不同的质量报警类型时采取不同的处理方式;
当质量检测过程中发现设备正常时,故障预警模块发出A信号给报警处理模块,报警处理模块不做处理;
当质量检测过程中发现设备出现老化、外皮磨损、掉漆与摩擦故障时,故障预警模块发出B信号给报警处理模块,报警处理模块安排定期检查人员定向进行故障检查;
当质量检测过程中发现设备出现油料问题、电路问题、机械结构润滑问题与密封处理问题时,故障预警模块发出C信号给报警处理模块,报警处理模块安排值班检查人员定向进行故障排查,并进行越限检查;
当质量检测过程中发现设备出现越限问题或是倾倒时,故障预警模块发出D信号给报警处理模块,报警处理模块立刻安排值班检查人员与专家定向进行故障排查,直到越限问题结束。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述报警处理模块在接收到故障预警模块信号后,先通过监控系统进行设备的简单参数查看,通过摄像头进行设备的外部检查观看,排除掉误报故障情况后,再进行定向的故障处理安排;
所述规则报警中,健康指标分数满分是100,每次进行质量检查出问题则进行扣分,出险一次B级问题扣3分,出现一次C级问题扣5分,出现一次D级问题扣10分,每个月月初分数更新回满分。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述劣化预警是根据设备的趋势分析图进行劣化分析;
所述趋势分析图是根据以天、周、月、年为趋势分析的自定义时间单位,以报警次数为统计目标对越限报警、劣化预警、规则报警为要素进行趋势分析;
所述劣化预警的参数设置是利用大数据AI的自学习特性,分析设备相关性参数的历史数据和设备历史工况,将训练之后的模型用于参数预测,通过预测值和实际值的残差值,实现设备劣化情况的判断,帮助设备劣化情况预警和诊断。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述越限报警是通过对监测参数进行报警限制,实现参数异常波动的报警,当报警发生后对报警信息以列表形式进行展示,实现报警的查询和处理,支持用户对查看报警参数的趋势图像。
作为本发明所述基于物联网的设备自动故障诊断与状态分析系统的一种优选方案,其中:所述数据储存模块是独立于系统的内存处理模块,进行对于设备定期检查诊断报告、设备自诊断检查报告与设备出现故障专家即时诊断报告的数据综合保存。
本发明有益效果为通过先进技术与管理技术相融合的方式,以设备健康状态评价支撑设备运维,提高设备检修的有效性、针对性,在快速应急检修方面有很大应用价值,最终为电厂提供设备可靠性保障、降低运维成本、改善生产环境、降低劳动强度,形成支撑电厂可持续发展的设备智能化管控平台。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为实施例1中基于物联网的设备自动故障诊断与状态分析系统的结构图。
图2为实施例2中基于物联网的设备自动故障诊断与状态分析系统的参数越限报警配置。
图3为实施例2中基于物联网的设备自动故障诊断与状态分析系统的参数越限报警列表。
图4为实施例2中基于物联网的设备自动故障诊断与状态分析系统的参数越限趋势查询。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1和图2,为本发明第一个实施例,该实施例提供了基于物联网的设备自动故障诊断与状态分析系统,基于物联网的设备自动故障诊断与状态分析系统包括
数据采集模块100,在线监视模块200,故障预警模块300,报警处理模块400,数据储存模块500;
所述数据采集模块100通过摄像头与传感器实现数据采集;
所述在线监视模块200是设备的生命周期管理模块,进行对于设备的动态档案检查与设备巡点检;
故障预警模块300用于在线监查模块200与报警处理模块400之间的数据沟通,当在线监视模块200监察到设备故障时,发送预警信号给故障预警模块300,故障预警模块300再根据故障的具体情况进行对应性的报警信号传递给报警处理模块400;
报警处理模块400进行对于报警信号的确认,确认是正确信号后安排对应的巡检进行设备检查;一部分接通在线监视模块200进行定期诊断,另一部分进行即时诊断,诊断后进行诊断报告提交审查与反馈;
数据储存模块500是独立于系统的内存处理模块。
数据采集模块100是通过设备内的传感器,设备外的摄像头组成的设备数据采集组,进行对于设备的实时数据采集;
设备数据采集要先进行设备画像,设备画像功能以单台设备为对象,展示重要主辅机的运行情况,包括设备基础数据、近期故障诊断建议、实时报警、诊断模型触发统计、设备运维提醒、实时参数及健康状态和运行状态。
故障预警模块300分为规则报警,劣化预警,越限报警与质量报警;
规则报警是设备进行24小时实时健康评价后得到健康状态评价,评价分数低于60分时进行规则报警;劣化预警指的是故障预警模块300根据设备关键特征形成劣化预警模型构建,通过对于设备的劣化模型趋势分析呈现对于故障风险的提前预警;
越限报警指的是设备的某一或是某些参数在极短时间内实现突破式非预期提升,则故障预警模块300进行越限报警;质量报警指的是在线监视模块200在进行设备的参数波动,参数量程与死点异常检查后进行自动判别,判别出现质量问题则进行质量报警。
规则报警中,健康指标分数满分是100,每次进行质量检查出问题则进行扣分,出险一次B级问题扣3分,出现一次C级问题扣5分,出现一次D级问题扣10分,每个月月初分数更新回满分。
质量报警中,监测装置通过设备的质量状况进行设备预警报告,报告类型分别是正常、轻微故障、较严重故障、严重故障A、B、C、D4个等级,报警处理模块400在接收到不同的质量报警类型时采取不同的处理方式;
当质量检测过程中发现设备正常时,故障预警模块300发出A信号给报警处理模块400,报警处理模块400不做处理;
当质量检测过程中发现设备出现老化、外皮磨损、掉漆与摩擦故障时,故障预警模块300发出B信号给报警处理模块400,报警处理模块400安排定期检查人员定向进行故障检查;
当质量检测过程中发现设备出现油料问题、电路问题、机械结构润滑问题与密封处理问题时,故障预警模块300发出C信号给报警处理模块400,报警处理模块400安排值班检查人员定向进行故障排查,并进行越限检查;
当质量检测过程中发现设备出现越限问题或是倾倒时,故障预警模块300发出D信号给报警处理模块400,报警处理模块400立刻安排值班检查人员与专家定向进行故障排查,直到越限问题结束。
实施例2
参照图2~4,为本发明第二个实施例,其不同于第一个实施例的是:还包括。在上一个实施例中,基于物联网的设备自动故障诊断与状态分析系统包括。
通过对设备运行中的参数越限事件进行定义和设置,系统将实时动态监视该参数的变化趋势,一旦触发预警规则,及时提醒用户,支持用户对报警进行确认、误报、报警抑制等处理,如图2-图3所示。
对于参数越限报警可根据所选择得开始时间和结束时间来查看参数曲线信息,如图4所示。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于物联网的设备自动故障诊断与状态分析系统,其特征在于:包括数据采集模块(100),在线监视模块(200),故障预警模块(300),报警处理模块(400),数据储存模块(500);
所述数据采集模块(100)通过摄像头与传感器实现数据采集;
所述在线监视模块(200)是设备的生命周期管理模块,进行对于设备的动态档案检查与设备巡点检;
所述故障预警模块(300)用于在线监查模块(200)与报警处理模块(400)之间的数据沟通,当在线监视模块(200)监察到设备故障时,发送预警信号给故障预警模块(300),故障预警模块(300)再根据故障的具体情况进行对应性的报警信号传递给报警处理模块(400);
所述报警处理模块(400)进行对于报警信号的确认,确认是正确信号后安排对应的巡检进行设备检查;一部分接通在线监视模块(200)进行定期诊断,另一部分进行即时诊断,诊断后进行诊断报告提交审查与反馈;
所述数据储存模块(500)是独立于系统的内存处理模块。
2.如权利要求1所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述数据采集模块(100)是通过设备内的传感器,设备外的摄像头组成的设备数据采集组,进行对于设备的实时数据采集;
所述设备数据采集要先进行设备画像,设备画像功能以单台设备为对象,展示重要主辅机的运行情况,包括设备基础数据、近期故障诊断建议、实时报警、诊断模型触发统计、设备运维提醒、实时参数及健康状态和运行状态。
3.如权利要求2所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述在线监视模块(200)包括预防性维护计划,设备动态档案与设备巡点检;
所述预防性维护计划是根据设备的往期健康状况进行针对性的预先性设备维修处理;
所述设备动态档案是对于设备的每天小检查、每周定期检查与每月大检查的总体数据汇总,形成跟踪设备健康状况实时更新的设备动态档案;
所述设备巡点检指的是在厂房内对于固定区域的设备进行的不固定时间巡回设备检查。
4.如权利要求3所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述故障预警模块(300)分为规则报警,劣化预警,越限报警与质量报警;
所述规则报警是设备进行24小时实时健康评价后得到健康状态评价,评价分数低于60分时进行规则报警;
所述劣化预警指的是故障预警模块(300)根据设备关键特征形成劣化预警模型构建,通过对于设备的劣化模型趋势分析呈现对于故障风险的提前预警;
所述越限报警指的是设备的某一或是某些参数在极短时间内实现突破式非预期提升,则故障预警模块(300)进行越限报警;
所述质量报警指的是在线监视模块(200)在进行设备的参数波动,参数量程与死点异常检查后进行自动判别,判别出现质量问题则进行质量报警。
5.如权利要求1、2和4任一所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述规则报警中设备进行健康状态评价,评价方法是从不同维度对设备进行评估,具体包括数据质量、维护状态、健康状态、运行状态、通讯状态、能效状态、安全状态评价维度,每个评价维度可以通过模型完成评价指标的计算,用户可基于应用需要,自定义综合评价指标类型,评价类型可用于各系统及设备的机理规则模型中的状态评价模型配置。
6.如权利要求5所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述质量报警中,监测装置通过设备的质量状况进行设备预警报告,报告类型分别是正常、轻微故障、较严重故障、严重故障A、B、C、D4个等级,报警处理模块(400)在接收到不同的质量报警类型时采取不同的处理方式;
当质量检测过程中发现设备正常时,故障预警模块(300)发出A信号给报警处理模块(400),报警处理模块(400)不做处理;
当质量检测过程中发现设备出现老化、外皮磨损、掉漆与摩擦故障时,故障预警模块(300)发出B信号给报警处理模块(400),报警处理模块(400)安排定期检查人员定向进行故障检查;
当质量检测过程中发现设备出现油料问题、电路问题、机械结构润滑问题与密封处理问题时,故障预警模块(300)发出C信号给报警处理模块(400),报警处理模块(400)安排值班检查人员定向进行故障排查,并进行越限检查;
当质量检测过程中发现设备出现越限问题或是倾倒时,故障预警模块(300)发出D信号给报警处理模块(400),报警处理模块(400)立刻安排值班检查人员与专家定向进行故障排查,直到越限问题结束。
7.如权利要求6所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述报警处理模块(400)在接收到故障预警模块(300)信号后,先通过监控系统进行设备的简单参数查看,通过摄像头进行设备的外部检查观看,排除掉误报故障情况后,再进行定向的故障处理安排;
所述规则报警中,健康指标分数满分是100,每次进行质量检查出问题则进行扣分,出险一次B级问题扣3分,出现一次C级问题扣5分,出现一次D级问题扣10分,每个月月初分数更新回满分。
8.如权利要求6或7所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述劣化预警是根据设备的趋势分析图进行劣化分析;
所述趋势分析图是根据以天、周、月、年为趋势分析的自定义时间单位,以报警次数为统计目标对越限报警、劣化预警、规则报警为要素进行趋势分析;
所述劣化预警的参数设置是利用大数据AI的自学习特性,分析设备相关性参数的历史数据和设备历史工况,将训练之后的模型用于参数预测,通过预测值和实际值的残差值,实现设备劣化情况的判断,帮助设备劣化情况预警和诊断。
9.如权利要求8所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述越限报警是通过对监测参数进行报警限制,实现参数异常波动的报警,当报警发生后对报警信息以列表形式进行展示,实现报警的查询和处理,支持用户对查看报警参数的趋势图像。
10.如权利要求1、2、4、6、7和9任一所述的基于物联网的设备自动故障诊断与状态分析系统,其特征在于:所述数据储存模块(500)是独立于系统的内存处理模块,进行对于设备定期检查诊断报告、设备自诊断检查报告与设备出现故障专家即时诊断报告的数据综合保存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558811.4A CN116257023A (zh) | 2022-12-06 | 2022-12-06 | 基于物联网的设备自动故障诊断与状态分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558811.4A CN116257023A (zh) | 2022-12-06 | 2022-12-06 | 基于物联网的设备自动故障诊断与状态分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116257023A true CN116257023A (zh) | 2023-06-13 |
Family
ID=86678253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211558811.4A Pending CN116257023A (zh) | 2022-12-06 | 2022-12-06 | 基于物联网的设备自动故障诊断与状态分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257023A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132243A (zh) * | 2023-10-26 | 2023-11-28 | 华能济南黄台发电有限公司 | 一种可视化电厂设备监控管理系统 |
-
2022
- 2022-12-06 CN CN202211558811.4A patent/CN116257023A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132243A (zh) * | 2023-10-26 | 2023-11-28 | 华能济南黄台发电有限公司 | 一种可视化电厂设备监控管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
CN113093693B (zh) | 一种面向采煤机运行状态的在线故障诊断方法 | |
CN112713649B (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
CN202974445U (zh) | 基于红外监测的大机组状态监测系统 | |
CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN116257023A (zh) | 基于物联网的设备自动故障诊断与状态分析系统 | |
CN110764474A (zh) | 监测设备运行状态的方法和系统 | |
CN110553686A (zh) | 一种冷镦机运行状态监测系统 | |
CN110765633A (zh) | 一种动力装置的智能管理方法和装置 | |
CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
CN117279348A (zh) | 具备监测功能的强电磁脉冲防护系统 | |
RU2735296C1 (ru) | Способ многопараметрического контроля состояния сложных электротехнических объектов | |
Tao et al. | A state and fault prediction method based on RBF neural networks | |
CN115755664A (zh) | 一种离散型企业制造设备维护方法及系统 | |
CN115356990A (zh) | 基于深度学习的料场设备故障预测方法、系统及存储介质 | |
CN113642478A (zh) | 一种智能运维平台 | |
CN114062923A (zh) | 一种基于电流磁致信号和高次谐波诊断技术的电机故障在线超前预警系统 | |
CN116700197B (zh) | 一种工控监测分析预警系统及分析预警处理方法 | |
CN117474515A (zh) | 炼化设备智能维修决策方法、系统、电子设备及存储介质 | |
CN118034043A (zh) | 燃煤机组智能监盘系统 | |
CN116961237A (zh) | 一种配电安全作业智能监管系统 | |
CN117424338A (zh) | 一种基于云平台的变电站智能化监控方法及系统 | |
CN115307916A (zh) | 一种基于工业物联网的汽车发动机故障预警系统 |
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 |