CN116628561A - 一种电子水泵智能测试系统及方法 - Google Patents
一种电子水泵智能测试系统及方法 Download PDFInfo
- Publication number
- CN116628561A CN116628561A CN202310913734.8A CN202310913734A CN116628561A CN 116628561 A CN116628561 A CN 116628561A CN 202310913734 A CN202310913734 A CN 202310913734A CN 116628561 A CN116628561 A CN 116628561A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- water pump
- electronic water
- test
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 128
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000011056 performance test Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种电子水泵智能测试系统及方法,属于电子水泵智能测试技术领域。本系统包括:数据标记模块、数据点划分模块、特征对比模块、智能测试模块以及预警模块;所述数据标记模块的输出端与所述数据点划分模块的输入端相连接;所述数据点划分模块的输出端与所述特征对比模块的输入端相连接;所述特征对比模块的输出端与所述智能测试模块的输入端相连接;所述智能测试模块的输出端与所述预警模块的输入端相连接。本发明在处理不同的故障维修后的测试问题时,能够解决故障前期影响,故障后期不匹配问题,形成电子水泵维修前后的数据智能测试,在目前的电子水泵测试技术领域上,有效提高检测精度,对现代科技行业的发展同样有着深远的意义。
Description
技术领域
本发明涉及电子水泵智能测试技术领域,具体为一种电子水泵智能测试系统及方法。
背景技术
电子水泵是用在汽车上的带有电子控制驱动单元的水泵。主要功能是用来对发动机和空调等进行降温,其循环主要为水路,其组成部分同电子架构,包括控制单元,驱动单元,电机单元,和检测单元等,可以随意调整水泵的工作状态,其状态体现在启动和停止、干转和堵转、流量和扬程等基本功能。
电子水泵优点众多,其以结构紧凑,使用方便,功能强大,寿命长,性能稳定,低噪音、低耗能、高效率等深受业内人士的青睐。随着工业的飞速发展,电子水泵的应用领域越来越广泛,特别是在新能源汽车领域里应用极为广泛。这也导致电子水泵的故障情况多种多样,例如无法启动、发热、流量不足、剧烈震动等等。不同的故障对应的处理方式不同,在维修后的测试上也不相同,目前通常是选取一段故障前数据与维修后数据进行测试对比,来确定维修后的电子水泵与故障前的功能差距,然而实际情况下,故障出现前的一段时期内,运行功能已经受到影响;而故障后,如果维修中出现更换零件的情况,又会导致未更换的零件与更换后的零件之间出现不匹配,例如,某些未更换的零件由于长期使用已经出现磨损;因此,目前在电子水泵的智能测试领域上,缺乏对于维护后设备的进行测试的准确方法。
发明内容
本发明的目的在于提供一种电子水泵智能测试系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种电子水泵智能测试方法,该方法包括以下步骤:
S1、获取电子水泵运行数据,标记故障点时刻,所述故障点时刻指电子水泵出现故障并维修的时刻点;
S2、构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据,构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;
S3、根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线,获取电子水泵维修后的测试数据特征曲线,构建相似度对比;
S4、基于相似度对比,形成维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口。
根据上述技术方案,所述故障类型包括维修故障与拆卸故障;所述维修故障指不更换电子水泵内部元器件的故障维修方式;所述拆卸故障指对电子水泵内部元器件进行拆卸、更换、组装的故障维修方式。
所述维修故障例如无法启动,可能是接头连接不牢靠;开关接触不紧密;保险丝熔断;三相供电缺相等;所述拆卸故障例如水泵发热情况,可能是轴承损坏;滚动轴承或托架盖间隙过小;泵轴弯曲或两轴不同心;叶轮上的平衡孔堵塞,叶轮失去平衡,增大了向一边的推力等等。在这样的故障下,一般的处理方法包括:更换轴承;拆除后盖,在托架与轴承座之间加装垫片;调查泵轴或调整两轴的同心度;清除平衡孔内的堵塞物等。涉及到零件拆卸更换安装的均属于本申请所述的拆卸故障。
根据上述技术方案,所述数据点划分预测模型包括:
构建时间周期T,所述时间周期T取故障间隔时间平均值,所述故障间隔时间指历史数据中任一电子水泵发生两次故障的间隔时长记为一个故障间隔时间;
在上述技术方案中,选取故障间隔时间主要是为了保证在时间周期T内尽可能不存在多次故障情况;
取电子水泵历史数据中的N组故障间隔时间,计算平均值作为时间周期T,选取故障间隔时间超出时间周期T的历史数据记入分析集合;
在分析集合中,任选一数据,根据性能测试结果,绘制综合性能曲线,设置数据区段,将任选的一数据按照数据区段进行从前到后划分,直至无法划分出新区段,计算每一个区段上综合性能曲线的最大斜率与最小斜率之间的差值,记为该区段的斜率变化值;
综合性能曲线指通过软件监测电子水泵的性能数据,并进行归一化处理后生成的性能曲线;
选取斜率变化值第一次超出系统设置阈值的区段起点作为数据划分点将数据分成两部分;获取数据的前序故障类型,若前序故障类型为维修故障,则将数据划分点与后续故障之间的时间长记入第一训练集合;若前序故障类型为拆卸故障,则获取数据划分点时刻的综合性能曲线对应值,若存在数据划分点时刻与后续故障之间的时间区间里任一个综合性能曲线对应值高于数据划分点时刻的综合性能曲线对应值,且差值不小于系统预设值Y,则取消当前数据划分点,依次向下选取,直至新的数据划分点满足条件,选取新的数据划分点与后续故障之间的时间长记入第一训练集合;
取第一训练集合内数据构建数据预测模型,以移动平均的方式生成预测数据划分点:
设置第一训练集合中数据数量为L,以L+1组作为新的预测结果,则有预测数据划分点与后续故障之间的时长记为:
,
其中,代表预测数据划分点与后续故障之间的时长;/>、b分别为预测截距、预测斜率;/>指代预测周期;
构建第一训练集合中的一次移动平均值h1和二次移动平均值h2;构建移动数据组数m,计算、b包括:
,
,
取故障点时刻向前的时长点为预测数据划分点。
根据上述技术方案,在步骤S3中,还包括:
若当前故障与前序故障为同类型故障,则定义一个时间区间T1,T1小于预测数据划分点与前序故障之间的时长;取当前故障后时间区间T1内的电子水泵运行数据形成测试数据特征曲线,取前序故障后时间区间T1内的电子水泵运行数据形成运行数据特征曲线,构建相似度特征对比,输出维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口;
若当前故障与前序故障不为同类型故障,则定义一个时间区间T2,T2小于预测数据划分点与前序故障之间的时长;取当前故障后时间区间T2内的电子水泵运行数据形成测试数据特征曲线,取预测数据划分点前时间区间T2内的电子水泵运行数据形成运行数据特征曲线,构建相似度特征对比,输出维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口。
一种电子水泵智能测试系统,该系统包括:数据标记模块、数据点划分模块、特征对比模块、智能测试模块以及预警模块;
所述数据标记模块用于获取电子水泵运行数据,标记故障点时刻,所述故障点时刻指电子水泵出现故障并维修的时刻点;所述数据点划分模块用于构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据,构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;所述特征对比模块用于根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线,获取电子水泵维修后的测试数据特征曲线,构建相似度对比;所述智能测试模块基于相似度对比,形成维修前后的测试差值;所述预警模块在测试差值不满足阈值时,反馈测试预警结果至管理员端口;
所述数据标记模块的输出端与所述数据点划分模块的输入端相连接;所述数据点划分模块的输出端与所述特征对比模块的输入端相连接;所述特征对比模块的输出端与所述智能测试模块的输入端相连接;所述智能测试模块的输出端与所述预警模块的输入端相连接。
根据上述技术方案,所述数据标记模块包括数据采集单元与标记单元;
所述数据采集单元用于获取电子水泵运行数据;所述标记单元用于在电子水泵运行数据标记故障点时刻;
所述数据采集单元的输出端与所述标记单元的输入端相连接。
根据上述技术方案,所述数据点划分模块包括时间分配单元与模型构建单元;
所述时间分配单元用于构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据;所述模型构建单元用于构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;
所述时间分配单元的输出端与所述模型构建单元的输入端相连接。
根据上述技术方案,所述特征对比模块包括运行数据特征曲线单元与测试数据特征曲线单元;
所述运行数据特征曲线单元用于根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线;所述测试数据特征曲线单元用于获取电子水泵维修后的测试数据特征曲线;
所述运行数据特征曲线单元与测试数据特征曲线单元的输出端连接至智能测试模块的输入端。
根据上述技术方案,所述智能测试模块包括相似度对比单元和差值计算单元;
所述相似度对比单元根据形成的运行数据特征曲线与测试数据特征曲线基于相似度对比;所述差值计算单元用于根据相似度对比,形成维修前后的测试差值;
所述相似度对比单元的输出端与所述差值计算单元的输入端相连接。
根据上述技术方案,所述预警模块包括阈值设立单元和反馈单元;
所述阈值设立单元用于设立测试阈值,在测试差值不满足阈值时,进行反馈;所述反馈单元用于将测试预警结果至管理员端口;
所述阈值设立单元的输出端与所述反馈单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:本发明在处理不同的故障维修后的测试问题时,能够解决故障前期影响,故障后期不匹配问题,进一步划分数据点,能够更针对性的选取出测试数据,形成电子水泵维修前后的数据智能测试,在目前的电子水泵测试技术领域上,具备精确地智能水平,能有效提高检测精度,对现代科技行业的发展同样有着深远的意义。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种电子水泵智能测试系统及方法的流程示意图。
具体实施方式
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。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。
请参阅图1,在本实施例一中,提供一种电子水泵智能测试方法,其包括获取电子水泵运行数据,标记故障点时刻,所述故障点时刻指电子水泵出现故障并维修的时刻点;
构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据,构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;
所述故障类型包括维修故障与拆卸故障;所述维修故障指不更换电子水泵内部元器件的故障维修方式;所述拆卸故障指对电子水泵内部元器件进行拆卸、更换、组装的故障维修方式。
所述数据点划分预测模型包括:
构建时间周期T,所述时间周期T取故障间隔时间平均值,所述故障间隔时间指历史数据中任一电子水泵发生两次故障的间隔时长记为一个故障间隔时间;
例如两次故障以无法启动与水泵发热为例,前序故障为无法启动,经检查为开关接触不紧密,通过外部操作拧牢固;后续故障为水泵发热,经检查为轴承损坏,处理方法为拆卸电子水泵后,更换轴承零件;则有前序故障时间与后续故障时间两个时刻点的时长记为故障间隔时间,选取电子水泵历史数据中的N组故障间隔时间,计算平均值作为时间周期T,选取故障间隔时间超出时间周期T的历史数据记入分析集合;
在分析集合中,任选一数据,根据性能测试结果,绘制综合性能曲线,设置数据区段,将任选的一数据按照数据区段进行从前到后划分,直至无法划分出新区段,计算每一个区段上综合性能曲线的最大斜率与最小斜率之间的差值,记为该区段的斜率变化值;例如故障间隔时间为2天,设置区段为一小时,则可形成48个区段,每一个区段内都存在有对电子水泵检测形成的性能曲线,基于性能曲线上每一个点位的斜率来分析整个区段内电子水泵性能的变化程度,
选取斜率变化值第一次超出系统设置阈值的区段起点作为数据划分点将数据分成两部分;获取数据的前序故障类型,若前序故障类型为维修故障,则将数据划分点与后续故障之间的时间长记入第一训练集合;若前序故障类型为拆卸故障,则获取数据划分点时刻的综合性能曲线对应值,若存在数据划分点时刻与后续故障之间的时间区间里任一个综合性能曲线对应值高于数据划分点时刻的综合性能曲线对应值,且差值不小于系统预设值Y,则取消当前数据划分点,依次向下选取,直至新的数据划分点满足条件,选取新的数据划分点与后续故障之间的时间长记入第一训练集合;
拆卸故障若为前序故障,则在前序故障后的一段时间内,性能的变化可能是由于前序故障的拆卸引起的,因此设置对比分析,从而尽可能减除前序故障引起的性能变化,而分析后续故障引起的前置性能变化;
取第一训练集合内数据构建数据预测模型,以移动平均的方式生成预测数据划分点:
设置第一训练集合中数据数量为L,以L+1组作为新的预测结果,则有预测数据划分点与后续故障之间的时长记为:
,
其中,代表预测数据划分点与后续故障之间的时长;/>、b分别为预测截距、预测斜率;/>指代预测周期;
构建第一训练集合中的一次移动平均值h1和二次移动平均值h2;构建移动数据组数m,计算、b包括:
,
,
取故障点时刻向前的时长点为预测数据划分点。
在步骤S3中,还包括:
若当前故障与前序故障为同类型故障,则定义一个时间区间T1,T1小于预测数据划分点与前序故障之间的时长;取当前故障后时间区间T1内的电子水泵运行数据形成测试数据特征曲线,取前序故障后时间区间T1内的电子水泵运行数据形成运行数据特征曲线,构建相似度特征对比,输出维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口;
若当前故障与前序故障不为同类型故障,则定义一个时间区间T2,T2小于预测数据划分点与前序故障之间的时长;取当前故障后时间区间T2内的电子水泵运行数据形成测试数据特征曲线,取预测数据划分点前时间区间T2内的电子水泵运行数据形成运行数据特征曲线,构建相似度特征对比,输出维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口。
在本实施例二中,提供一种电子水泵智能测试系统,该系统包括:数据标记模块、数据点划分模块、特征对比模块、智能测试模块以及预警模块;
所述数据标记模块用于获取电子水泵运行数据,标记故障点时刻,所述故障点时刻指电子水泵出现故障并维修的时刻点;所述数据点划分模块用于构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据,构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;所述特征对比模块用于根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线,获取电子水泵维修后的测试数据特征曲线,构建相似度对比;所述智能测试模块基于相似度对比,形成维修前后的测试差值;所述预警模块在测试差值不满足阈值时,反馈测试预警结果至管理员端口;
所述数据标记模块的输出端与所述数据点划分模块的输入端相连接;所述数据点划分模块的输出端与所述特征对比模块的输入端相连接;所述特征对比模块的输出端与所述智能测试模块的输入端相连接;所述智能测试模块的输出端与所述预警模块的输入端相连接。
所述数据标记模块包括数据采集单元与标记单元;
所述数据采集单元用于获取电子水泵运行数据;所述标记单元用于在电子水泵运行数据标记故障点时刻;
所述数据采集单元的输出端与所述标记单元的输入端相连接。
所述数据点划分模块包括时间分配单元与模型构建单元;
所述时间分配单元用于构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据;所述模型构建单元用于构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;
所述时间分配单元的输出端与所述模型构建单元的输入端相连接。
所述特征对比模块包括运行数据特征曲线单元与测试数据特征曲线单元;
所述运行数据特征曲线单元用于根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线;所述测试数据特征曲线单元用于获取电子水泵维修后的测试数据特征曲线;
所述运行数据特征曲线单元与测试数据特征曲线单元的输出端连接至智能测试模块的输入端。
所述智能测试模块包括相似度对比单元和差值计算单元;
所述相似度对比单元根据形成的运行数据特征曲线与测试数据特征曲线基于相似度对比;所述差值计算单元用于根据相似度对比,形成维修前后的测试差值;
所述相似度对比单元的输出端与所述差值计算单元的输入端相连接。
所述预警模块包括阈值设立单元和反馈单元;
所述阈值设立单元用于设立测试阈值,在测试差值不满足阈值时,进行反馈;所述反馈单元用于将测试预警结果至管理员端口;
所述阈值设立单元的输出端与所述反馈单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电子水泵智能测试方法,其特征在于:该方法包括以下步骤:
S1、获取电子水泵运行数据,标记故障点时刻,所述故障点时刻指电子水泵出现故障并维修的时刻点;
S2、构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据,构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;
S3、根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线,获取电子水泵维修后的测试数据特征曲线,构建相似度对比;
S4、基于相似度对比,形成维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口。
2.根据权利要求1所述的一种电子水泵智能测试方法,其特征在于:所述故障类型包括维修故障与拆卸故障;所述维修故障指不更换电子水泵内部元器件的故障维修方式;所述拆卸故障指对电子水泵内部元器件进行拆卸、更换、组装的故障维修方式。
3.根据权利要求1所述的一种电子水泵智能测试方法,其特征在于:所述数据点划分预测模型包括:
构建时间周期T,所述时间周期T取故障间隔时间平均值,所述故障间隔时间指历史数据中任一电子水泵发生两次故障的间隔时长记为一个故障间隔时间;
取电子水泵历史数据中的N组故障间隔时间,计算平均值作为时间周期T,选取故障间隔时间超出时间周期T的历史数据记入分析集合;
在分析集合中,任选一数据,根据性能测试结果,绘制综合性能曲线,设置数据区段,将任选的一数据按照数据区段进行从前到后划分,直至无法划分出新区段,计算每一个区段上综合性能曲线的最大斜率与最小斜率之间的差值,记为该区段的斜率变化值;
选取斜率变化值第一次超出系统设置阈值的区段起点作为数据划分点将数据分成两部分;获取数据的前序故障类型,若前序故障类型为维修故障,则将数据划分点与后续故障之间的时间长记入第一训练集合;若前序故障类型为拆卸故障,则获取数据划分点时刻的综合性能曲线对应值,若存在数据划分点时刻与后续故障之间的时间区间里任一个综合性能曲线对应值高于数据划分点时刻的综合性能曲线对应值,且差值不小于系统预设值Y,则取消当前数据划分点,依次向下选取,直至新的数据划分点满足条件,选取新的数据划分点与后续故障之间的时间长记入第一训练集合;
取第一训练集合内数据构建数据预测模型,以移动平均的方式生成预测数据划分点:
设置第一训练集合中数据数量为L,以L+1组作为新的预测结果,则有预测数据划分点与后续故障之间的时长记为:
,
其中,代表预测数据划分点与后续故障之间的时长;/>、b分别为预测截距、预测斜率;/>指代预测周期;
构建第一训练集合中的一次移动平均值h1和二次移动平均值h2;构建移动数据组数m,计算、b包括:
,
,
取故障点时刻向前的时长点为预测数据划分点。
4.根据权利要求1所述的一种电子水泵智能测试方法,其特征在于:在步骤S3中,还包括:
若当前故障与前序故障为同类型故障,则定义一个时间区间T1,T1小于预测数据划分点与前序故障之间的时长;取当前故障后时间区间T1内的电子水泵运行数据形成测试数据特征曲线,取前序故障后时间区间T1内的电子水泵运行数据形成运行数据特征曲线,构建相似度特征对比,输出维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口;
若当前故障与前序故障不为同类型故障,则定义一个时间区间T2,T2小于预测数据划分点与前序故障之间的时长;取当前故障后时间区间T2内的电子水泵运行数据形成测试数据特征曲线,取预测数据划分点前时间区间T2内的电子水泵运行数据形成运行数据特征曲线,构建相似度特征对比,输出维修前后的测试差值,若测试差值不满足阈值,则反馈测试预警结果至管理员端口。
5.一种电子水泵智能测试系统,其特征在于:该系统包括:数据标记模块、数据点划分模块、特征对比模块、智能测试模块以及预警模块;
所述数据标记模块用于获取电子水泵运行数据,标记故障点时刻,所述故障点时刻指电子水泵出现故障并维修的时刻点;所述数据点划分模块用于构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据,构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;所述特征对比模块用于根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线,获取电子水泵维修后的测试数据特征曲线,构建相似度对比;所述智能测试模块基于相似度对比,形成维修前后的测试差值;所述预警模块在测试差值不满足阈值时,反馈测试预警结果至管理员端口;
所述数据标记模块的输出端与所述数据点划分模块的输入端相连接;所述数据点划分模块的输出端与所述特征对比模块的输入端相连接;所述特征对比模块的输出端与所述智能测试模块的输入端相连接;所述智能测试模块的输出端与所述预警模块的输入端相连接。
6.根据权利要求5所述的一种电子水泵智能测试系统,其特征在于:所述数据标记模块包括数据采集单元与标记单元;
所述数据采集单元用于获取电子水泵运行数据;所述标记单元用于在电子水泵运行数据标记故障点时刻;
所述数据采集单元的输出端与所述标记单元的输入端相连接。
7.根据权利要求5所述的一种电子水泵智能测试系统,其特征在于:所述数据点划分模块包括时间分配单元与模型构建单元;
所述时间分配单元用于构建时间周期T,根据故障点时刻的故障类型采集电子水泵历史数据;所述模型构建单元用于构建数据点划分预测模型,输出在时间周期T上当前故障类型的预测数据划分点;
所述时间分配单元的输出端与所述模型构建单元的输入端相连接。
8.根据权利要求5所述的一种电子水泵智能测试系统,其特征在于:所述特征对比模块包括运行数据特征曲线单元与测试数据特征曲线单元;
所述运行数据特征曲线单元用于根据预测数据划分点选取出电子水泵运行数据,形成运行数据特征曲线;所述测试数据特征曲线单元用于获取电子水泵维修后的测试数据特征曲线;
所述运行数据特征曲线单元与测试数据特征曲线单元的输出端连接至智能测试模块的输入端。
9.根据权利要求8所述的一种电子水泵智能测试系统,其特征在于:所述智能测试模块包括相似度对比单元和差值计算单元;
所述相似度对比单元根据形成的运行数据特征曲线与测试数据特征曲线基于相似度对比;所述差值计算单元用于根据相似度对比,形成维修前后的测试差值;
所述相似度对比单元的输出端与所述差值计算单元的输入端相连接。
10.根据权利要求9所述的一种电子水泵智能测试系统,其特征在于:所述预警模块包括阈值设立单元和反馈单元;
所述阈值设立单元用于设立测试阈值,在测试差值不满足阈值时,进行反馈;所述反馈单元用于将测试预警结果至管理员端口;
所述阈值设立单元的输出端与所述反馈单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310913734.8A CN116628561B (zh) | 2023-07-25 | 2023-07-25 | 一种电子水泵智能测试系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310913734.8A CN116628561B (zh) | 2023-07-25 | 2023-07-25 | 一种电子水泵智能测试系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116628561A true CN116628561A (zh) | 2023-08-22 |
CN116628561B CN116628561B (zh) | 2023-09-29 |
Family
ID=87613830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310913734.8A Active CN116628561B (zh) | 2023-07-25 | 2023-07-25 | 一种电子水泵智能测试系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116628561B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118292051A (zh) * | 2024-04-02 | 2024-07-05 | 江苏领氢节能科技有限公司 | 一种氢氧发生装置的智能控制系统及方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670652A (zh) * | 2018-12-29 | 2019-04-23 | 石家庄科林电气股份有限公司 | 一种光伏组件的故障预测方法 |
CN111915061A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 一种道岔动作电流曲线预测方法及其故障判别方法 |
CN112019009A (zh) * | 2020-08-31 | 2020-12-01 | 广东美的暖通设备有限公司 | 系统异常运行处理方法、处理装置和计算机可读存储介质 |
US20210098207A1 (en) * | 2019-09-30 | 2021-04-01 | Rockwell Automation Technologies, Inc. | Systems and methods for minimizing energy available to contacts during a fault |
CN112983843A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵的智能化控制系统及其控制方法 |
CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制系统 |
CN114424167A (zh) * | 2019-05-06 | 2022-04-29 | 强力物联网投资组合2016有限公司 | 用于促进工业物联网系统智能开发的平台 |
CN114579380A (zh) * | 2022-03-02 | 2022-06-03 | 淮北仕欧网络科技有限公司 | 一种计算机系统故障的人工智能检测系统及方法 |
CN114814593A (zh) * | 2022-04-29 | 2022-07-29 | 哈尔滨工业大学(威海) | 基于闵氏距离和两步检测策略的电池组多故障诊断方法 |
US20220283576A1 (en) * | 2021-03-03 | 2022-09-08 | Aktiebolaget Skf | Automatic diagnosis method, system and storage medium for equipment |
CN115273418A (zh) * | 2022-07-29 | 2022-11-01 | 无锡汇田水务科技有限公司 | 泵房防淹预警方法、装置、设备及计算机可读存储介质 |
CN115830757A (zh) * | 2022-12-02 | 2023-03-21 | 江苏锦花电子股份有限公司 | 一种基于大数据的显示设备性能监测系统及方法 |
WO2023118844A1 (en) * | 2021-12-23 | 2023-06-29 | Tribosonics Limited | Process monitoring |
CN116359656A (zh) * | 2023-05-30 | 2023-06-30 | 常州海乐瑞尔科技有限公司 | 一种基于人工智能的充电车道设备测试管理系统及方法 |
CN116383633A (zh) * | 2023-04-20 | 2023-07-04 | 中铁二院工程集团有限责任公司 | 一种多因素综合分析的机制砂振动筛故障检测方法及系统 |
-
2023
- 2023-07-25 CN CN202310913734.8A patent/CN116628561B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670652A (zh) * | 2018-12-29 | 2019-04-23 | 石家庄科林电气股份有限公司 | 一种光伏组件的故障预测方法 |
CN114424167A (zh) * | 2019-05-06 | 2022-04-29 | 强力物联网投资组合2016有限公司 | 用于促进工业物联网系统智能开发的平台 |
US20210098207A1 (en) * | 2019-09-30 | 2021-04-01 | Rockwell Automation Technologies, Inc. | Systems and methods for minimizing energy available to contacts during a fault |
CN111915061A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 一种道岔动作电流曲线预测方法及其故障判别方法 |
CN112019009A (zh) * | 2020-08-31 | 2020-12-01 | 广东美的暖通设备有限公司 | 系统异常运行处理方法、处理装置和计算机可读存储介质 |
CN112983843A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵的智能化控制系统及其控制方法 |
CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制系统 |
US20220283576A1 (en) * | 2021-03-03 | 2022-09-08 | Aktiebolaget Skf | Automatic diagnosis method, system and storage medium for equipment |
WO2023118844A1 (en) * | 2021-12-23 | 2023-06-29 | Tribosonics Limited | Process monitoring |
CN114579380A (zh) * | 2022-03-02 | 2022-06-03 | 淮北仕欧网络科技有限公司 | 一种计算机系统故障的人工智能检测系统及方法 |
CN114814593A (zh) * | 2022-04-29 | 2022-07-29 | 哈尔滨工业大学(威海) | 基于闵氏距离和两步检测策略的电池组多故障诊断方法 |
CN115273418A (zh) * | 2022-07-29 | 2022-11-01 | 无锡汇田水务科技有限公司 | 泵房防淹预警方法、装置、设备及计算机可读存储介质 |
CN115830757A (zh) * | 2022-12-02 | 2023-03-21 | 江苏锦花电子股份有限公司 | 一种基于大数据的显示设备性能监测系统及方法 |
CN116383633A (zh) * | 2023-04-20 | 2023-07-04 | 中铁二院工程集团有限责任公司 | 一种多因素综合分析的机制砂振动筛故障检测方法及系统 |
CN116359656A (zh) * | 2023-05-30 | 2023-06-30 | 常州海乐瑞尔科技有限公司 | 一种基于人工智能的充电车道设备测试管理系统及方法 |
Non-Patent Citations (6)
Title |
---|
AREF HAKIMZADEH 等: "On Principal Curve-Based Classifiers and Similarity-Based Selective Sampling in Time-Series", 《ARXIV:2204.04620》, pages 1 - 13 * |
代聪 等: "汽车电子水泵实验测试装置系统设计", 《机床与液压》, pages 123 - 125 * |
冯晨: "新能源汽车电子水泵测试系统研究", 《《中国优秀硕士学位论文全文数据库 工程科技II辑》》, pages 035 - 814 * |
平恩贤: "基于多需求因素的汽车零基于多需求因素的汽车零配基于多需求因素的汽车零配件的备置件的备置配件的备置", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, pages 150 - 105 * |
廖思宇: "基于电能量系统的计量装置故障检测与诊断研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, pages 042 - 3533 * |
徐红伟: "汽动给水泵组状态评估及检修优化应用研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, pages 042 - 593 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118292051A (zh) * | 2024-04-02 | 2024-07-05 | 江苏领氢节能科技有限公司 | 一种氢氧发生装置的智能控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116628561B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5156210B2 (ja) | ガスタービンエンジン構成要素品質のモデルベース反復推定 | |
US6466858B1 (en) | Methods and apparatus for monitoring gas turbine engine operation | |
JP2001174366A (ja) | モデルベースの診断方法と装置 | |
CN103310051B (zh) | 一种全寿命周期内的车载信息终端故障率预测方法 | |
CN113516273B (zh) | 一种发电用柴油机增压器故障预测方法 | |
CN113217448B (zh) | 一种鼓风机用节能控制系统 | |
CN117119783B (zh) | 一种模块待机功耗的控制方法 | |
CN114725449A (zh) | 一种燃料电池发动机出堆温度传感器故障信号重构及预测方法 | |
CN116976191A (zh) | 一种水轮发电机组轴系稳定性劣化趋势预测方法 | |
US20220010687A1 (en) | Device and method for monitoring the lifetime of a hydraulic apparatus of an aircraft | |
CN118041159B (zh) | 基于智能反馈的电机驱动控制板能耗优化方法及系统 | |
CN116628561B (zh) | 一种电子水泵智能测试系统及方法 | |
CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
CN114252273A (zh) | 一种燃气轮机排温异常的在线检测方法 | |
CN112448005A (zh) | 一种燃料电池发动机出堆温度传感器失效的温度容错控制方法 | |
CN113606177B (zh) | 有刷风扇寿命测试计算方法 | |
CN116071053A (zh) | 基于数字孪生的往复式压缩机状态预警系统 | |
CN111075661B (zh) | 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 | |
CN114962310A (zh) | 一种故障监测方法、装置及存储介质 | |
US20210079925A1 (en) | Computer readable medium, data processing method and data processing system | |
US7523651B2 (en) | Method for monitoring the state of turbines based on their coasting time | |
CN110377005B (zh) | 一种基于马尔科夫模型的tld中短时故障派遣间隔确定方法 | |
CN118030578A (zh) | 燃气轮机压气机性能退化实时监测方法和装置 | |
CN221124812U (zh) | 快速判断电机和电机控制器故障的工装 | |
CN112834226B (zh) | 一种航空发动机气路在线监测传感器优化配置方法 |
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 |