CN116300835B - 基于互联网的自动化检测设备远程诊断系统 - Google Patents
基于互联网的自动化检测设备远程诊断系统 Download PDFInfo
- Publication number
- CN116300835B CN116300835B CN202310569125.5A CN202310569125A CN116300835B CN 116300835 B CN116300835 B CN 116300835B CN 202310569125 A CN202310569125 A CN 202310569125A CN 116300835 B CN116300835 B CN 116300835B
- Authority
- CN
- China
- Prior art keywords
- parameters
- equipment
- trend
- signal
- intervals
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000004171 remote diagnosis Methods 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000013102 re-test Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 13
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了基于互联网的自动化检测设备远程诊断系统,涉及设备检测技术领域,解决了并不能及时分析出对应的设备是否需要进行维护或其他情况,且也容易因数值波动造成误判的情况出现的技术问题,根据所产生的测试参数,构建不同类型的运行曲线,再对运行曲线之间转折点的趋势进行分析,并确认对应的趋势值,根据所确认的趋势值,再分析若干组趋势区间之间的合并区域,后续再将合并交错区域与原始所存在的趋势区间进行占比分析,获取对应的占比值,再根据占比值的具体数值,便可对运行设备运行过程中的波动状态进行确认,并不会因某次的数值波动,造成波动状态误判的情况出现,提升数值判定的准确度。
Description
技术领域
本发明属于设备检测技术领域,具体是基于互联网的自动化检测设备远程诊断系统。
背景技术
设备检测一般是指采用各类检测仪器对设备各项指标进行检测,以达到保障安全使用的目的。
专利公开号为CN114204680B的发明属于电力设备诊断技术领域,具体提供了多类型自动化检测设备融合远程诊断系统及方法,本发明实施例提供的多类型自动化检测设备融合远程诊断系统,所述诊断系统包括检测数据获取终端、云服务器、远程诊断终端。本发明还提供了多类型自动化检测设备融合远程诊断方法。本发明实施例通过设置数据获取终端来远程获取待检测的电力设备的检测数据,从而使得专业技术人员能够在办公室中远程对处于不同位置的电力设备进行检测,有效地缩短了检测周期;在对用户权限进行验证时,对用户脸部图像的降噪处理过程中,有利于提高后续获得的特征数据的准确性,从而提高用户权限验证时的准确性,保证诊断系统的安全性。
在进行设备检测过程中,一般根据设备的运行参数,对设备的运行状态进行分析,判定设备的整体状态,但在实际操作判定过程中,并未对设备的波动参数进行测试,只能单纯判定设备处于故障或正常状态,并不能及时分析出对应的设备是否需要进行维护或其他情况,且也容易因数值波动造成误判的情况出现。
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,本发明提出了基于互联网的自动化检测设备远程诊断系统,用于解决并不能及时分析出对应的设备是否需要进行维护或其他情况,且也容易因数值波动造成误判的情况出现的技术问题。
为实现上述目的,根据本发明的第一方面的实施例提出基于互联网的自动化检测设备远程诊断系统,包括数据获取端、诊断管理中心以及展示终端;
所述诊断管理中心包括指标分析单元、存储单元、异常再测试单元、曲线构建单元、自适应分析单元、周期监测分析单元以及信号生成单元;
所述数据获取端,用于采集运行设备的运行参数,其中运行参数包括运行设备各项指标的运行参数,并将所采集的运行参数传输至诊断管理中心内;
所述指标分析单元,接收所采集的运行参数,并从存储单元内提取适配区间,并分析所采集的运行参数是否属于对应的适配区间,若属于,则生成正常信号,传输至展示终端内进行展示,若不属于,则生成异常信号,将异常信号传输至异常再测试单元内;
所述异常再测试单元,接收指标分析单元所生成的异常信号,并根据异常信号,对指定的运行设备进行异常度分析,并将再测试参数以及输入参数进行捆绑,生成捆绑数据包,传输至曲线构建单元内,具体方式为:
从存储单元内提取预测试参数区间,其中预测试参数区间存在多组;
依次通过不同的预测试参数区间的具体参数,对输入参数进行限定,输入至指定的运行设备内,并记录指定运行设备的输出参数,将对应预测试参数区间所对应的输入参数以及输出参数进行捆绑,得到属于不同预测试参数区间的捆绑数据包,并将不同的捆绑数据包传输至曲线构建单元内;
所述曲线构建单元,对捆绑数据包进行接收,并根据不同的捆绑数据包,构建不同的运行曲线,其运行曲线的横向坐标轴为输入参数,竖向坐标轴为输出参数,将所构建的若干组不同的运行曲线传输至自适应分析单元内;
所述自适应分析单元,对所构建的运行曲线进行趋势分析,并获取属于不同运行曲线的趋势区间,再将趋势区间进行交错式分析,根据分析结果,判定指定设备的具体状态,具体方式为:
对所构建的不同运行曲线进行接收,确认转折点,分析转折点所对应的输入参数以及输出参数,将输入参数标记为SRi,将输出参数标记为SCi,其中i=1、2、……、n,其中i代表不同的转折点,i为1时,代表为初始点;
采用得到若干组趋势值QS,并从若干组趋势值QS内确认最大值以及最小值,并构建趋势区间,根据不同的运行曲线对不同的趋势区间进行不同的标记处理;
依次对若干组不同的运行曲线进行分析,构建组成若干组趋势区间后并进行标记,并将标记处理后的趋势区间进行合并分析,确认若干组趋势区间之间所存在的合并交错区间,并分析确认合并交错区间与不同趋势区间的占比值,且ZBk=合并交错区间÷趋势区间得到占比值ZBk,其中k代表不同趋势区间所对应的不同占比值;
将若干组占比值ZBk进行均值处理,得到待处理占比均参,并从存储单元内提取预设参数Y1,当待处理占比均参<Y1时,通过信号生成单元生成波动剧烈信号,并将所生成的波动剧烈信号传输至周期监测分析单元内,反之,通过信号生成单元生成运行正常信号,并通过展示终端进行展示。
进一步的,所述周期监测分析单元,对所生成的波动剧烈信号进行接收,并根据波动剧烈信号,对指定设备进行周期性监测分析,再次分析判定指定设备是否处于故障状态。
优选的,所述周期监测分析单元,对指定设备进行周期性监测分析的具体方式为:
根据波动剧烈信号,确认对应的运行设备,再确认此运行设备所对应的占比值ZBk,获取最小占比值所对应的趋势区间,并确定产生去趋势区间所对应的运行曲线,从运行曲线内,直接确认对应的预测试参数区间;
根据所确认的预测试参数区间,限定一组监测周期T,采用预测试参数区间内的输入参数进行周期测试处理,对运行设备实时所产生的输出参数进行记录,并将其标记为SCt,其中t代表不同的输出参数;
将输出参数SCt与预设参数Y2进行比对,当SCt≤Y2时,不进行任何处理,反之,将对应的输出参数标记为预警参数;
在此监测周期T内,对预警参数所出现的次数以及具体时长进行记录,并将所出现的次数标记为CS,将所记录的具体时长标记为SS,采用HD=CS×C1+SS×C2得到核对值HD,其中C1以及C2均为预设的固定系数因子,其具体取值由操作人员根据经验拟定;
将核对值HD与预设参数Y3进行比对,当HD≤Y3时,生成设备维护信号,并将所生成的设备维护信号传输至展示终端内进行展示,反之,生成设备故障信号,并将所生成的设备故障信号传输至展示终端内进行展示。
与现有技术相比,本发明的有益效果是:根据所产生的测试参数,构建不同类型的运行曲线,再对运行曲线之间转折点的趋势进行分析,并确认对应的趋势值,根据所确认的趋势值,再分析若干组趋势区间之间的合并区域,后续再将合并交错区域与原始所存在的趋势区间进行占比分析,获取对应的占比值,再根据占比值的具体数值,便可对运行设备运行过程中的波动状态进行确认,并不会因某次的数值波动,造成波动状态误判的情况出现,提升数值判定的准确度;
针对于波动较为剧烈的某运行设备,再次进行数值分析,进行周期监测,分析此周期内,所产生的波动数值是否会超出正常工作的最大值,若超出最大值,则代表数值异常,再分析数值异常所出现的次数以及具体时长,来判定该设备是否需进行维护或故障维修,以此提升整个系统的远程诊断效果。
附图说明
图1为本发明原理框架示意图。
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。
请参阅图1,本申请提供了基于互联网的自动化检测设备远程诊断系统,包括数据获取端、诊断管理中心以及展示终端;
所述数据获取端与诊断管理中心输入端电性连接,所述诊断管理中心与展示终端输入端电性连接;
所述诊断管理中心包括指标分析单元、存储单元、异常再测试单元、曲线构建单元、自适应分析单元、周期监测分析单元以及信号生成单元,所述指标分析单元与异常再测试单元输入端电性连接,所述异常再测试单元与曲线构建单元输入端电性连接,所述曲线构建单元与自适应分析单元输入端电性连接,所述自适应分析单元分别与周期监测分析单元与信号生成单元输入端电性连接,所述周期监测分析单元与信号生成单元输入端电性连接;
所述数据获取端,用于采集运行设备的运行参数,其中运行参数包括运行设备各项指标的运行参数,并将所采集的运行参数传输至诊断管理中心内;
所述诊断管理中心内部的指标分析单元,接收所采集的运行参数,并从存储单元内提取适配区间,并分析所采集的运行参数是否属于对应的适配区间,若属于,则生成正常信号,传输至展示终端内进行展示,若不属于,则生成异常信号,将异常信号传输至异常再测试单元内;
具体的,对运行设备进行初步分析检测,根据各项指标参数,来判定设备运行是否正常,运行正常的设备便无需进行处理,运行异常的设备则需进行下一步再测试分析处理。
所述异常再测试单元,接收指标分析单元所生成的异常信号,并根据异常信号,对指定的运行设备进行异常度分析,并将再测试参数以及输入参数进行捆绑,生成捆绑数据包,传输至曲线构建单元内,其中,进行异常度分析的具体方式为:
从存储单元内对预测试参数区间进行提取,其中预测试参数区间存在多组,且多组预测试参数区间的具体数值均由操作人员根据经验拟定;
依次通过不同的预测试参数区间的具体参数,对输入参数进行限定,输入至指定的运行设备内,并记录指定运行设备的输出参数,将对应预测试参数区间所对应的输入参数以及输出参数进行捆绑,得到属于不同预测试参数区间的捆绑数据包,并将不同的捆绑数据包传输至曲线构建单元内。
具体的,针对异常的设备,进行初步测试限定时,采用不同的输入参数区间对其进行测试,在测试时,不同的输入参数区间由操作人员提前拟定,对不同的输入参数区间所存在的输出参数进行记录,并生成捆绑数据包,供后续进行数值分析。
所述曲线构建单元,对捆绑数据包进行接收,并根据不同的捆绑数据包,构建不同的运行曲线,其运行曲线的横向坐标轴为输入参数,竖向坐标轴为输出参数,将所构建的若干组不同的运行曲线传输至自适应分析单元内;
所述自适应分析单元,对所构建的运行曲线进行趋势分析,并获取属于不同运行曲线的趋势区间,再将趋势区间进行交错式分析,根据分析结果,判定指定设备的具体状态,其中,进行趋势分析的具体方式为:
对所构建的不同运行曲线进行接收,确认转折点,分析转折点所对应的输入参数以及输出参数,将输入参数标记为SRi,将输出参数标记为SCi,其中i=1、2、……、n,其中i代表不同的转折点,i为1时,代表为初始点;
采用得到若干组趋势值QS,并从若干组趋势值QS内确认最大值以及最小值,并构建趋势区间,根据不同的运行曲线对不同的趋势区间进行不同的标记处理;
依次对若干组不同的运行曲线进行分析,构建组成若干组趋势区间后并进行标记,并将标记处理后的趋势区间进行合并分析,确认若干组趋势区间之间所存在的合并交错区间,并分析确认合并交错区间与不同趋势区间的占比值,且ZBk=合并交错区间÷趋势区间得到占比值ZBk,其中k代表不同趋势区间所对应的不同占比值;
将若干组占比值ZBk进行均值处理,得到待处理占比均参,并从存储单元内提取预设参数Y1,当待处理占比均参<Y1时,通过信号生成单元生成波动剧烈信号,并将所生成的波动剧烈信号传输至周期监测分析单元内,反之,通过信号生成单元生成运行正常信号,并通过展示终端进行展示,供外部人员进行查看;
具体的,根据所产生的测试参数,构建不同类型的运行曲线,再对运行曲线之间转折点的趋势进行分析,并确认对应的趋势值,根据所确认的趋势值,便可通过最大值以及最小值构建趋势区间,其中,不同的运行曲线便对应不同的趋势区间;
再分析若干组趋势区间之间的合并区域,例:存在三组区间,其三组区间的取值范围分别为:[2,6],[3,7]以及[1,5],那么,所产生的合并交错区间则为:[3,5],后续再将合并交错区域与原始所存在的趋势区间进行占比分析,获取对应的占比值,再根据占比值的具体数值,便可对运行设备运行过程中的波动状态进行确认,并不会因某次的数值波动,造成波动状态误判的情况出现,提升数值判定的准确度。
所述周期监测分析单元,对所生成的波动剧烈信号进行接收,并根据波动剧烈信号,对指定设备进行周期性监测分析,再次分析判定指定设备是否处于故障状态,其中,进行监测分析的具体方式为:
根据波动剧烈信号,确认对应的运行设备,再确认此运行设备所对应的占比值ZBk,获取最小占比值所对应的趋势区间,并确定产生去趋势区间所对应的运行曲线,从运行曲线内,直接确认对应的预测试参数区间;
根据所确认的预测试参数区间,限定一组监测周期T,采用预测试参数区间内的输入参数进行周期测试处理,对运行设备实时所产生的输出参数进行记录,并将其标记为SCt,其中t代表不同的输出参数;
将输出参数SCt与预设参数Y2进行比对,其中Y2的具体取值由操作人员根据经验拟定,当SCt≤Y2时,不进行任何处理,反之,将对应的输出参数标记为预警参数;
在此监测周期T内,对预警参数所出现的次数以及具体时长进行记录,并将所出现的次数标记为CS,将所记录的具体时长标记为SS,采用HD=CS×C1+SS×C2得到核对值HD,其中C1以及C2均为预设的固定系数因子,其具体取值由操作人员根据经验拟定;
将核对值HD与预设参数Y3进行比对,其中Y3的具体取值由操作人员根据经验拟定,当HD≤Y3时,生成设备维护信号,并将所生成的设备维护信号传输至展示终端内进行展示,反之,生成设备故障信号,并将所生成的设备故障信号传输至展示终端内进行展示。
具体的,针对于波动较为剧烈的某运行设备,再次进行数值分析,进行周期监测,分析此周期内,所产生的波动数值是否会超出正常工作的最大值,若超出最大值,则代表数值异常,再分析数值异常所出现的次数以及具体时长,来判定该设备是否需进行维护或故障维修,以此提升整个系统的远程诊断效果,提升远程诊断的数值准确度,操作人员及时介入,处理对应的技术问题。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过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通过大量数据模拟获得。
本发明的工作原理:针对异常的设备,进行初步测试限定时,采用不同的输入参数区间对其进行测试,对不同的输入参数区间所存在的输出参数进行记录,并生成捆绑数据包;
再根据所产生的测试参数,构建不同类型的运行曲线,再对运行曲线之间转折点的趋势进行分析,并确认对应的趋势值,根据所确认的趋势值,再分析若干组趋势区间之间的合并区域,后续再将合并交错区域与原始所存在的趋势区间进行占比分析,获取对应的占比值,再根据占比值的具体数值,便可对运行设备运行过程中的波动状态进行确认,并不会因某次的数值波动,造成波动状态误判的情况出现,提升数值判定的准确度;
针对于波动较为剧烈的某运行设备,再次进行数值分析,进行周期监测,分析此周期内,所产生的波动数值是否会超出正常工作的最大值,若超出最大值,则代表数值异常,再分析数值异常所出现的次数以及具体时长,来判定该设备是否需进行维护或故障维修,以此提升整个系统的远程诊断效果。
以上实施例仅用以说明本发明的技术方法而非限制,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法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (3)
1.基于互联网的自动化检测设备远程诊断系统,其特征在于,包括数据获取端、诊断管理中心以及展示终端;
所述诊断管理中心包括指标分析单元、存储单元、异常再测试单元、曲线构建单元、自适应分析单元、周期监测分析单元以及信号生成单元;
所述数据获取端,用于采集运行设备的运行参数,其中运行参数包括运行设备各项指标的运行参数,并将所采集的运行参数传输至诊断管理中心内;
所述指标分析单元,接收所采集的运行参数,并从存储单元内提取适配区间,并分析所采集的运行参数是否属于对应的适配区间,若属于,则生成正常信号,传输至展示终端内进行展示,若不属于,则生成异常信号,将异常信号传输至异常再测试单元内;
所述异常再测试单元,接收指标分析单元所生成的异常信号,并根据异常信号,对指定的运行设备进行异常度分析,具体方式为:
从存储单元内提取预测试参数区间,其中预测试参数区间存在多组;
依次通过不同的预测试参数区间的具体参数,对输入参数进行限定,输入至指定的运行设备内,并记录指定运行设备的输出参数,将对应预测试参数区间所对应的输入参数以及输出参数进行捆绑,得到属于不同预测试参数区间的捆绑数据包,并将不同的捆绑数据包传输至曲线构建单元内;
所述曲线构建单元,对捆绑数据包进行接收,并根据不同的捆绑数据包,构建不同的运行曲线,其运行曲线的横向坐标轴为输入参数,竖向坐标轴为输出参数,将所构建的若干组不同的运行曲线传输至自适应分析单元内;
所述自适应分析单元,对所构建的运行曲线进行趋势分析,并获取属于不同运行曲线的趋势区间,再将趋势区间进行交错式分析,根据分析结果,判定指定设备的具体状态,具体方式为:
对所构建的不同运行曲线进行接收,确认转折点,分析转折点所对应的输入参数以及输出参数,将输入参数标记为SRi,将输出参数标记为SCi,其中i=1、2、……、n,其中i代表不同的转折点,i为1时,代表为初始点;
采用得到若干组趋势值QS,并从若干组趋势值QS内确认最大值以及最小值,并构建趋势区间,根据不同的运行曲线对不同的趋势区间进行不同的标记处理;
依次对若干组不同的运行曲线进行分析,构建组成若干组趋势区间后并进行标记,并将标记处理后的趋势区间进行合并分析,确认若干组趋势区间之间所存在的合并交错区间,并分析确认合并交错区间与不同趋势区间的占比值,且ZBk=合并交错区间÷趋势区间得到占比值ZBk;
将若干组占比值ZBk进行均值处理,得到待处理占比均参,并从存储单元内提取预设参数Y1,当待处理占比均参<Y1时,通过信号生成单元生成波动剧烈信号,并将所生成的波动剧烈信号传输至周期监测分析单元内,反之,通过信号生成单元生成运行正常信号,并通过展示终端进行展示。
2.根据权利要求1所述的基于互联网的自动化检测设备远程诊断系统,其特征在于,所述周期监测分析单元,对所生成的波动剧烈信号进行接收,并根据波动剧烈信号,对指定设备进行周期性监测分析,再次分析判定指定设备是否处于故障状态。
3.根据权利要求2所述的基于互联网的自动化检测设备远程诊断系统,其特征在于,所述周期监测分析单元,对指定设备进行周期性监测分析的具体方式为:
根据波动剧烈信号,确认对应的运行设备,再确认此运行设备所对应的占比值ZBk,获取最小占比值所对应的趋势区间,并确定产生趋势区间所对应的运行曲线,从运行曲线内,直接确认对应的预测试参数区间;
根据所确认的预测试参数区间,限定一组监测周期T,采用预测试参数区间内的输入参数进行周期测试处理,对运行设备实时所产生的输出参数进行记录,并将其标记为SCt;
将输出参数SCt与预设参数Y2进行比对,当SCt≤Y2时,不进行任何处理,反之,将对应的输出参数标记为预警参数;
在此监测周期T内,对预警参数所出现的次数以及具体时长进行记录,并将所出现的次数标记为CS,将所记录的具体时长标记为SS,采用HD=CS×C1+SS×C2得到核对值HD,其中C1以及C2均为预设的固定系数因子,其具体取值由操作人员根据经验拟定;
将核对值HD与预设参数Y3进行比对,当HD≤Y3时,生成设备维护信号,并将所生成的设备维护信号传输至展示终端内进行展示,反之,生成设备故障信号,并将所生成的设备故障信号传输至展示终端内进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569125.5A CN116300835B (zh) | 2023-05-19 | 2023-05-19 | 基于互联网的自动化检测设备远程诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569125.5A CN116300835B (zh) | 2023-05-19 | 2023-05-19 | 基于互联网的自动化检测设备远程诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116300835A CN116300835A (zh) | 2023-06-23 |
CN116300835B true CN116300835B (zh) | 2023-08-18 |
Family
ID=86781941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310569125.5A Active CN116300835B (zh) | 2023-05-19 | 2023-05-19 | 基于互联网的自动化检测设备远程诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116300835B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116506032B (zh) * | 2023-06-30 | 2023-08-29 | 湖南省通信建设有限公司 | 基于imt的宽频带微带缝隙天线系统及带宽拓展方法 |
CN116853055B (zh) * | 2023-07-17 | 2024-01-12 | 苏州吉智能源科技有限公司 | 一种基于云平台的充电站群控系统及控制方法 |
CN117713384B (zh) * | 2024-02-05 | 2024-05-24 | 深圳市国网迈腾电力科技股份有限公司 | 一种城市电网异常状态后台中央管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393049A (zh) * | 2008-08-25 | 2009-03-25 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
CN103323721A (zh) * | 2013-07-05 | 2013-09-25 | 天津市中环电子计算机有限公司 | 一种可调光led镇流器模块多通道并行自动量化测试设备 |
KR101738076B1 (ko) * | 2016-12-08 | 2017-05-19 | 유호전기공업주식회사 | 부분방전 진단의 신뢰도를 표시하는 부분방전 원격진단시스템 |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
CN114204680A (zh) * | 2021-12-13 | 2022-03-18 | 广州思泰信息技术有限公司 | 多类型自动化检测设备融合远程诊断系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6981182B2 (en) * | 2002-05-03 | 2005-12-27 | General Electric Company | Method and system for analyzing fault and quantized operational data for automated diagnostics of locomotives |
-
2023
- 2023-05-19 CN CN202310569125.5A patent/CN116300835B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393049A (zh) * | 2008-08-25 | 2009-03-25 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
CN103323721A (zh) * | 2013-07-05 | 2013-09-25 | 天津市中环电子计算机有限公司 | 一种可调光led镇流器模块多通道并行自动量化测试设备 |
KR101738076B1 (ko) * | 2016-12-08 | 2017-05-19 | 유호전기공업주식회사 | 부분방전 진단의 신뢰도를 표시하는 부분방전 원격진단시스템 |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
CN114204680A (zh) * | 2021-12-13 | 2022-03-18 | 广州思泰信息技术有限公司 | 多类型自动化检测设备融合远程诊断系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116300835A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116300835B (zh) | 基于互联网的自动化检测设备远程诊断系统 | |
CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
CN104299659B (zh) | 核电站运行状态监控方法、装置及系统 | |
CH700936B1 (de) | Verfahren und System zum Bestimmen einer vor einem Ausfall eines Elektromotorsystems verbleibenden Zeit. | |
CN116205637B (zh) | 基于物联网与工业大数据的智能工厂管理系统 | |
CN116739384A (zh) | 基于5g无线通讯的矿用设备运行管理系统 | |
CN116390137B (zh) | 一种智能终端无线网络信号异常监测方法 | |
CN108377209A (zh) | 基于scada的设备故障检测系统和检测方法 | |
CN116578486A (zh) | 一种基于云计算的智能制造工业软件调试系统 | |
CN113177646A (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 | |
CN113806969A (zh) | 一种基于时域数据关联建模的压缩机组健康预测方法 | |
CN116185757A (zh) | 机房能耗智能监测系统 | |
CN116225264A (zh) | 基于触摸屏传感器的信号干扰噪声去除系统 | |
CN114165430B (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 | |
CN115034408A (zh) | 一种无缝钢管生产重点设备物联网维修预测系统 | |
CN112660957B (zh) | 一种电梯运行风险的预警方法及预警系统 | |
CN114925867A (zh) | 一种无缝钢管生产重点设备物联网维修预测系统 | |
CN106500831B (zh) | 振动传感器的检测方法和装置 | |
CN115754507A (zh) | 一种基于振动信号的变压器故障诊断方法、装置和设备 | |
CN114884849A (zh) | 基于Adaboost的CAN总线异常检测方法及系统 | |
CN113487189A (zh) | 一种石化设备故障概率风险评估系统及评估方法 | |
US11047833B2 (en) | Method for automatic determination of trend in graphic analysis of turbomachines | |
CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 | |
CN116155416B (zh) | 一种移动终端设备的防信号干扰测试系统 | |
CN118093244A (zh) | 基于云计算架构的综合性监控SaaS服务平台 |
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 |