CN116878693B - 一种矿用机电设备监测管理方法及系统 - Google Patents
一种矿用机电设备监测管理方法及系统 Download PDFInfo
- Publication number
- CN116878693B CN116878693B CN202311134113.6A CN202311134113A CN116878693B CN 116878693 B CN116878693 B CN 116878693B CN 202311134113 A CN202311134113 A CN 202311134113A CN 116878693 B CN116878693 B CN 116878693B
- Authority
- CN
- China
- Prior art keywords
- heating
- degree
- abnormal
- preset
- current moment
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 100
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000007726 management method Methods 0.000 title claims description 12
- 238000010438 heat treatment Methods 0.000 claims abstract description 162
- 230000002159 abnormal effect Effects 0.000 claims abstract description 141
- 230000005856 abnormality Effects 0.000 claims abstract description 101
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012937 correction Methods 0.000 claims abstract description 55
- 238000001816 cooling Methods 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000498 cooling water Substances 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 239000000758 substrate Substances 0.000 description 9
- 230000001186 cumulative effect Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
- G01K13/026—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow of moving liquids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K17/00—Measuring quantity of heat
- G01K17/06—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device
- G01K17/08—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device based upon measurement of temperature difference or of a temperature
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种矿用机电设备监测管理方法及系统。该方法获取预设位置的水温;根据当前时刻的水温和历史时刻的水温,获得预设位置的初始异常程度和发热程度;根据初始异常程度确定发热中心和波动位置;当局部发热时,根据发热中心与波动位置的距离,当前时刻的初始异常程度和发热程度,获取修正异常程度;当整体发热时,根据当前时刻下波动位置的分布、初始异常程度和发热程度,获取修正异常程度;根据修正异常程度,获取累计异常概率,确定异常位置。本发明通过准确获取矿用机电设备中发热异常的位置,准确对发热异常位置进行检修,提高矿用机电设备的工作效率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种矿用机电设备监测管理方法及系统。
背景技术
矿用机电设备是矿山生产中不可或缺的设备之一,矿用机电设备长时间运转容易出现过热现象,导致矿用机电设备损坏或者停机等问题,严重影响了矿山生产的效率。由于矿山生产环境的特殊性,不便于直接对矿用机电设备进行检测,因此,现有方法通过对矿用机电设备冷却系统中的水温进行监测,来反应矿用机电设备的发热异常情况。
现有方法中通过设定温度阈值,将每个时刻下矿用机电设备冷却系统中的水温与温度阈值进行比较,来确定矿用机电设备冷却系统中的水温是否发生异常,进而确定矿用机电设备是否发生了发热异常。在实际情况中每个时刻下获取的冷却系统中的水温可能会存在误差,导致对矿用机电设备的发热异常检测不准确。
发明内容
为了解决对对矿用机电设备的发热异常检测不准确的技术问题,本发明的目的在于提供一种矿用机电设备监测管理方法及系统,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种矿用机电设备监测管理方法,该方法包括以下步骤:
获取矿用机电设备冷却系统中不同预设位置的水温;
根据每个预设位置当前时刻下的水温和历史时刻下的水温,分别获得每个预设位置当前时刻的初始异常程度和发热程度;
根据当前时刻下最大初始异常程度对应的预设位置的分布,确定矿用机电设备的发热异常情况;其中,发热异常情况分为局部发热和整体发热;
将当前时刻下最大初始异常程度对应的预设位置作为发热中心,将不是发热中心的预设位置作为波动位置;当局部发热时,根据当前时刻下发热中心与波动位置之间的距离,每个波动位置的初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度;当整体发热时,根据当前时刻下每个波动位置的分布、初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度;
根据修正异常程度,获取每个预设位置当前时刻的累计异常概率;根据累计异常概率确定矿用机电设备的异常位置。
进一步地,所述初始异常程度的获取方法为:
获取任意一个预设位置当前时刻之前且与当前时刻相邻的预设历史时间段;
获取所述预设历史时间段内每个历史时刻的水温的均值,作为目标均值;
获取该预设位置当前时刻的水温与目标均值的差异,作为目标差异;
将所述目标差异与目标均值的比值,作为第一特征值;
将该预设位置当前时刻的水温进行归一化的结果,作为第二特征值;
获取所述第一特征值与所述第二特征值的乘积,作为该预设位置当前时刻的初始异常程度。
进一步地,所述发热程度的计算公式为:
式中,为第i个预设位置第j个时刻的发热程度;为第i个预设位置第j个时刻
的水温;为第i个预设位置第(j-k)个时刻的水温;n为第二预设常数,n大于1;为绝
对值函数;norm为归一化函数。
进一步地,所述根据当前时刻下最大初始异常程度对应的预设位置的分布,确定矿用机电设备的发热异常情况的方法为:
根据冷却系统中冷却水从流入到流出的顺序,将预设位置进行排序,获得预设位置序列;
选取出当前时刻下最大初始异常程度对应的预设位置,若当前时刻下最大初始异常程度对应的不是预设位置序列中的第一个预设位置,则矿用机电设备的发热异常情况为局部发热;若当前时刻下最大初始异常程度对应的是预设位置序列中的第一个预设位置,则矿用机电设备的发热异常情况为整体发热。
进一步地,所述当局部发热时,根据当前时刻下发热中心与波动位置之间的距离,每个波动位置的初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度的方法为:
获取每个波动位置与发热中心之间的距离,作为第一距离;
获取当前时刻下发热中心的发热程度与每个波动位置的发热程度的差异,作为第一差异;
根据所述第一距离与所述第一差异获取当前时刻下每个波动位置的发热影响程度;
获取当前时刻下每个波动位置与发热中心之间的每相邻两个预设位置之间的水温的差异,作为第二差异;
将当前时刻下每个波动位置与发热中心之间的每相邻两个第二差异的差异进行累加的结果,作为当前时刻下每个波动位置的温差变化值;
将每个所述温差变化值进行归一化的结果,作为当前时刻下每个波动位置的第三特征值;
获取当前时刻下每个波动位置的所述发热影响程度与所述第三特征值的乘积,作为当前时刻下每个波动位置的综合影响程度;
获取当前时刻下每个波动位置的所述初始异常程度、所述综合影响程度和发热中心的发热程度的乘积,作为当前时刻下每个波动位置的修正异常程度。
进一步地,所述发热影响程度的获取方法为:
将所述第一距离进行负相关映射且归一化的结果,作为距离特征值;
将所述第一差异进行负相关映射且归一化的结果,作为发热特征值;
将所述距离特征值与所述发热特征值的乘积,作为当前时刻下每个波动位置的发热影响特征值;
将所述发热影响特征值进行归一化的结果,作为当前时刻下每个波动位置的发热影响程度。
进一步地,所述当整体发热时,根据当前时刻下每个波动位置的分布、初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度的方法为:
获取每个波动位置与预设位置序列中的第一个预设位置之间的距离,作为第二距离;
将所述第二距离进行归一化的结果,作为每个波动位置的第二距离特征值;
将每个波动位置当前时刻下的初始异常程度与所述第二距离特征值比值,作为每个预设位置当前时刻下的第一值;
将当前时刻下每个波动位置的第一值与发热中心的发热程度的乘积,作为当前时刻下每个波动位置的修正异常程度。
进一步地,所述累计异常概率的获取方法为:
将每个预设位置截止到当前时刻的所有时刻下的修正异常程度进行归一化的结果,作为修正特征值;其中,当前时刻下发热中心的修正异常程度等于初始异常程度;
将每个所述修正特征值与预设的异常阈值的比值,作为异常判别值;
将每个预设位置的所有所述异常判别值的乘积,作为每个预设位置当前时刻的累计异常概率。
进一步地,所述根据累计异常概率确定矿用机电设备的异常位置的方法为:
将累计异常概率进行归一化的结果,作为每个预设位置当前时刻的发热异常评价值;
当发热异常评价值大于或者等于预设的累计异常概率阈值时,将预设位置对应的矿用机电设备的位置作为异常位置。
第二方面,本发明另一个实施例提供了一种矿用机电设备监测管理系统,该系统包括:存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序,处理器执行所述计算机程序时,实现上述任意一项方法的步骤。
本发明具有如下有益效果:
获取矿用机电设备冷却系统中不同预设位置的水温,进而准确的分析矿用机电设备各个位置的发热情况;根据每个预设位置当前时刻下的水温和历史时刻下的水温,分别获得每个预设位置当前时刻的初始异常程度和发热程度,进而准确的确定矿用机电设备的发热异常情况;根据矿用机电设备不同的发热异常情况,对预设位置的初始异常程度进行不同的修正,使得每个预设位置的修正异常程度更准确,进而提高了根据预设位置检测对应的矿用机电设备位置发热异常的准确性;因此,根据修正异常程度,获取每个预设位置当前时刻的累计异常概率,根据累计异常概率准确的检测出矿用机电设备的发热异常位置。对获取的异常位置直接进行检修,节省了矿用机电设备故障排查的时间,提高了矿用机电设备的工作效率,同时节省了对矿用机电设备进行检修的人力和物力。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种矿用机电设备监测管理方法的流程示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种矿用机电设备监测管理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种矿用机电设备监测管理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种矿用机电设备监测管理方法的流程示意图,该方法包括以下步骤:
步骤S1:获取矿用机电设备冷却系统中不同预设位置的水温。
具体的,已知矿用机电设备工作一段时间后会开始发热,为了保持矿用机电设备的温度稳定,可以持久的进行工作。在矿用机电设备冷却系统中加入冷水,通过冷水在矿用机电设备冷却系统中的不断循环,根据热传导使得矿用机电设备进行散热,保证矿用机电设备的温度稳定。矿用机电设备中的其他方法的散热,相对于冷却系统中冷却水的热传导散热程度非常小,本发明实施例直接忽略不计。
热传导的原理为:热量=导热率接触面积温度差路径长度,其中,路径长度为
相邻两个预设位置之间的欧式距离,欧式距离的获取方法为现有技术,在此不进行赘述。在
本发明实施例中,导热率、接触面积和路径长度都是固定不变的,温度差为矿用机电设备的
温度与冷却系统中的水温的差异,其中,冷却系统中的冷却水的温度在正常情况下是固定
不变的,当矿用机电设备发生温度异常即发热异常时,冷却系统为了使得矿用机电设备中
的温度保持稳定时,冷却系统中的水温会发生异常,为了准确的确定矿用机电设备具体位
置的发热异常,本发明实施例在冷却系统中设定不同的预设位置,对应矿用机电设备不同
的位置,当某处的预设位置的水温异常时,可以直接针对该预设位置对应的矿用机电设备
位置进行检修,缩短了对矿用机电设备整体进行检修的时间,提高了矿用机电设备工作的
效率,同时节省了对矿用机电设备进行检修的人力物力。
为了准确的获取每个预设位置实时的水温,本发明实施例在矿用机电设备冷却系统中均匀布置温度传感器,本发明实施例设定每相邻两个传感器之间的距离间隔为50cm,每个温度传感器所在的位置,即为本发明实施例中的预设位置。每间隔0.2s统一获取每个温度传感器测量的温度,获取对应的每个预设位置在每个时刻下的水温。对温度传感器获取的水温进行分析,确定每个预设位置对应的矿用机电设备是否存在发热异常,进而确定对矿用机电设备进行检修的位置。
步骤S2:根据每个预设位置当前时刻下的水温和历史时刻下的水温,分别获得每个预设位置当前时刻的初始异常程度和发热程度。
具体的,由步骤S1可知,通过每个预设位置水温的变化,可以反应出对应矿用机电设备位置的温度,因此,当矿用机电设备的发热情况稳定时,冷却系统中的水温也保持稳定;当矿用机电设备发热异常时,冷却系统中的冷却水吸收的热量会发生变化,因此,冷却系统中的水温会发生变化,由于预设位置不同,每个预设位置的冷却水吸收的热量也不相同,因此每个预设位置在相同时刻下的水温也不相同,其中,预设位置的水温越高,说明该预设位置对应的矿用机电设备位置的温度越高,对应的矿用机电设备位置越可能存在发热异常。因此,根据每个预设位置的水温变化,获取每个预设位置当前时刻下的初始异常程度。
优选地,获取初始异常程度的方法为:获取任意一个预设位置当前时刻之前且与当前时刻相邻的预设历史时间段;获取预设历史时间段内每个历史时刻的水温的均值,作为目标均值;获取该预设位置当前时刻的水温与目标均值的差异,作为目标差异;将目标差异与目标均值的比值,作为第一特征值;将该预设位置当前时刻的水温进行归一化的结果,作为第二特征值;获取第一特征值与第二特征值的乘积,作为该预设位置当前时刻的初始异常程度。
作为一个示例,以第i个预设位置为例,获取第i个预设位置当前时刻之前的前一个小时,作为第i个预设位置的预设历史时间段,其中第i个预设位置当前时刻与预设历史时间段之间的时间间隔为0.2s,获取第i个预设位置在预设历史时间段内的每个历史时刻的水温的均值,作为第i个预设位置的目标均值。根据第i个预设位置的目标均值和第i个预设位置当前时刻的水温,获取第i个预设位置当前时刻的初始异常程度的公式为:
式中,为第i个预设位置当前时刻的初始异常程度;为第i个预设位置
当前时刻的水温;为第i个预设位置的目标均值;norm为归一化函数;为绝对值函数。
需要说明的是,目标差异越大,说明第i个预设位置当前时刻的水
温与预设历史时间段内的水温的差异越大,第i个预设位置当前时刻的水温越可能发生了
突变,第i个预设位置当前时刻的水温越可能异常,第一特征值越大,越
大;当越大,说明当前时刻下第i个预设位置对应的矿用机电设备位置存在发热异常
的可能性越大,越大;因此,越大,说明当前时刻下第i个预设位置的水温越异
常,间接反映出第i个预设位置对应的矿用机电设备位置越可能存在发热异常。
根据获取第i个预设位置当前时刻的初始异常程度的方法,获取每个预设位置当前时刻的初始异常程度。
不同预设位置的水温不同,实质与每个预设位置处的冷水吸收的热量有关,若某个预设位置处的冷水吸收的热量越多,则该预设位置的水温越高,该预设位置的放热程度越大,同时每个预设位置的发热程度间接反映了对应的矿用机电设备位置处的发热情况。
作为一个示例,以第i个预设位置为例,根据第i个预设位置当前时刻的水温和预设历史时刻下的水温,获取第i个预设位置当前时刻的发热程度的计算公式为:
式中,n为第二预设常数,且n大于1,通过获取,准确的分析第i
个预设位置当前时刻的水温与邻近历史时刻的水温之间的差异,间接反映出当前时刻下第
i个预设位置的发热程度。本发明实施例将n设定为3,实施者可根据实际情况设定n的大小,
在此不进行限定。因此,获取第i个预设位置当前时刻的发热程度的计算公式具体例如为:
式中,为第i个预设位置当前时刻的发热程度;为第i个预设位置当前时
刻的水温;为第i个预设位置第(pre-k)个时刻的水温;3为第二预设常数;为绝对
值函数;norm为归一化函数。
需要说明的是,越大,说明当前时刻下第i个预设位置的冷水吸收的热量越
多,越大;越大,说明当前时刻下第i个预设位置的水温变化的越
大,第i个预设位置水温可能越高,越大;因此,越大,说明当前时刻下第i个预设
位置的温度越高。
步骤S3:根据当前时刻下最大初始异常程度对应的预设位置的分布,确定矿用机电设备的发热异常情况;其中,发热异常情况分为局部发热和整体发热。
具体的,每个预设位置水温的初始异常程度与对应的矿用机电设备位置的发热异常情况有关,矿用机电设备的发热异常情况分为两种情况,分别为局部发热和整体发热。当局部发热时,对应的预设位置的水温受影响的程度越大;当整体发热时,则每个预设位置的水温均受影响。冷却系统中的冷水是按固定方向流动的,因此,本发明实施例根据冷却系统中冷水从流入到流出的顺序,将预设位置进行排序,获得预设位置序列。获取当前时刻下每个预设位置的初始异常程度,选取出最大初始异常程度对应的预设位置,若当前时刻下最大初始异常程度对应的预设位置不是预设位置序列中的第一个预设位置,则矿用机电设备的发热异常情况为局部发热;若当前时刻下最大初始异常程度对应的预设位置是预设位置序列中的第一个预设位置,则矿用机电设备的发热异常情况为整体发热。
步骤S4:将当前时刻下最大初始异常程度对应的预设位置作为发热中心,将不是发热中心的预设位置作为波动位置;当局部发热时,根据当前时刻下发热中心与波动位置之间的距离,每个波动位置的初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度;当整体发热时,根据当前时刻下每个波动位置的分布、初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度。
具体的,矿用机电设备不同的发热异常情况,对预设位置水温的影响程度不同,因此矿用机电设备不同的发热异常情况对预设位置的初始异常程度的修正不同,为了确保对每个预设位置的初始异常程度进行准确的修正,进而准确的确定矿用机电设备的异常位置,本发明实施例分别对矿用机电设备的局部发热情况和整体发热情况进行分析。
(一)局部发热。
由步骤S3可知,当矿用机电设备局部发热时,最大初始异常程度对应的预设位置不是预设位置序列中的第一个预设位置。此时,将最大初始异常程度对应的预设位置作为发热中心,将不是发热中心的预设位置作为波动位置。其中,发热中心的水温最大,因此,以发热中心为起点向四围发散热量,波动位置的发热程度随着距离发热中心越远而越小。同时每个波动位置受到的发热影响程度除了与发热中心的距离有关,还与每个波动位置自身的发热程度有关,当波动位置的发热程度越接近发热中心的发热程度时,说明对应的波动位置受到发热中心的影响越大,因此,根据每个波动位置与发热中心之间的距离和当前时刻下每个波动位置和发热中心之间的发热程度的差异,获取当前时刻下每个波动位置的发热影响程度。
优选地,获取发热影响程度的方法为:获取每个波动位置与发热中心之间的距离,作为第一距离;获取当前时刻下发热中心的发热程度与每个波动位置的发热程度的差异,作为第一差异;将第一距离进行负相关映射且归一化的结果,作为距离特征值;将第一差异进行负相关映射且归一化的结果,作为发热特征值;将距离特征值与发热特征值的乘积,作为当前时刻下每个波动位置的发热影响特征值;将发热影响特征值进行归一化的结果,作为当前时刻下每个波动位置的发热影响程度。
作为一个示例,以第a个波动位置为例,获取第a个波动位置与发热中心之间的欧式距离,即第一距离。获取当前时刻下发热中心的发热程度与第a个波动位置的发热程度的差值,即第一差异,因为发热中心的发热程度最大,因此第一差异为非负数。进而根据第一距离与第一差异获取当前时刻下第a个波动位置的发热影响程度的计算公式为:
式中,为当前时刻下第a个波动位置的发热影响程度;为第一距离;为当前时刻下发热中心的发热程度;为当前时刻下第a个波动位置的发热程度;
norm为归一化函数;为第一差异。
需要说明的是,越小,当前时刻下第a个波动位置受到发热中心的影响越
大,距离特征值越大,越大;其中,距离特征值的取值范围为(0,1),
因为不会等于0,因此距离特征值不会等于1。第一差异
越小,当前时刻下第a个波动位置的发热程度越接近发热中心的发热程度,间接说明第a个
波动位置距离发热中心越近,受到发热中心的影响越大,越大;其中,发热特征值的取值范围为(0,1],因为第一差异可以等于0,因此发热
特征值可以等于1。因此,越大,当前时刻下第a个波动位置受到发热中
心的影响越大。线性归一化的取值范围为[0,1],由于距离特征值和发热特征值均不为0,因此,大于0,的取值范围为(0,1]。
根据获取当前时刻下第a个波动位置的发热影响程度的方法,获取每个波动位置的发热影响程度。当最大初始异常程度对应的预设位置至少存在两个时,将最大初始异常程度对应的预设位置均作为发热中心,获取每个波动位置与每个发热中心之间的欧式距离,将每个波动位置距离最近的发热中心,作为每个波动位置对应的发热中心,进而获取每个波动位置的发热影响程度。
为了更准确的确定每个波动位置是否受到发热中心的影响,本发明实施例获取当前时刻下每个波动位置与发热中心之间的每相邻两个预设位置之间的水温的差异,作为第二差异;将当前时刻下每个波动位置与发热中心之间的每相邻两个第二差异的差异进行累加的结果,作为当前时刻下每个波动位置的温差变化值;将每个所述温差变化值进行归一化的结果,作为当前时刻下每个波动位置的第三特征值;获取当前时刻下每个波动位置的发热影响程度与第三特征值的乘积,作为当前时刻下每个波动位置的综合影响程度。
作为一个示例,以第a个波动位置为例,获取当前时刻下第a个波动位置与对应的发热中心之间的每相邻两个预设位置之间的水温的差值绝对值,即第二差异,其中,第a个波动位置与对应的发热中心均有对应的第二差异。获取当前时刻下第a个波动位置与对应的发热中心之间的每相邻两个第二差异的差值绝对值进行累加的结果,即为当前时刻下第a个波动位置的温差变化值。将当前时刻下第a个波动位置的温差变化值进行归一化的结果,即为当前时刻下第a个波动位置的第三特征值,其中第三特征值越大,说明第a个波动位置越可能受到波动中心的影响。根据当前时刻下第a个波动位置的发热影响程度与第三特征值,获取当前时刻下第a个波动位置的综合影响程度的公式为:
式中,为当前时刻下第a个波动位置的综合影响程度;为当前时刻下第
a个波动位置的发热影响程度;为当前时刻下第k个波动位置与第k+1个波动位置之间
的第二差异;为当前时刻下第k+1个波动位置与第k+2个波动位置之间的第二差异;为绝对值函数;cen为当前时刻下第a个波动位置对应的发热中心。
需要说明的是,在预设位置序列中,当第a个波动位置在发热中心的前面时,当前
时刻下第三特征值为;当第a个波动位置在发热中心
的后面时,当前时刻下第三特征值为;其中,当前时刻
下的第三特征值越大,说明当前时刻下第a个波动位置越可能受到发热中心的影响,
越大;越大,当前时刻下第a个波动位置受到发热中心的影响越大,越大;因此,越大,当前时刻下第a个波动位置越受发热中心的影响,进而对前时刻下第a个波动位
置的初始异常程度的修正越大。
根据获取当前时刻下第a个波动位置的综合影响程度的方法,获取当前时刻下每个波动位置的综合影响程度。
获取当前时刻下每个波动位置的初始异常程度、综合影响程度和发热中心的发热程度的乘积,作为当前时刻下每个波动位置的修正异常程度。
作为一个示例,以第a个波动位置为例,获取当前时刻下第a个波动位置的修正异常程度的计算公式为:
式中,为当前时刻下第a个波动位置的修正异常程度;为当前时刻下
第a个波动位置的初始异常程度;为当前时刻下发热中心的发热程度;为当前时
刻下第a个波动位置的综合影响程度。
需要说明的是,越大,当前时刻下第a个波动位置对应的初始异常程度的修
正越大,越大;越大,当前时刻下第a个波动位置对应的发热中心的发热程度越
大,当前时刻下第a个波动位置越可能受到发热中心的影响,越大;越大,当前
时刻下第a个波动位置受到发热中心的影响越大,进而对前时刻下第a个波动位置的初始异
常程度的修正越大,越大;因此,越大,说明第a个波动位置的水温受发热中心
的影响越大,第a个波动位置的修正异常程度越大。
根据获取当前时刻下第a个波动位置的修正异常程度的方法,获取当前时刻下每个波动位置的修正异常程度。
其中,发热中心的修正异常程度与初始异常程度相同。至此,获取当前时刻下每个预设位置的修正异常程度。
(二)整体发热。
由步骤S3可知,当矿用机电设备整体发热时,最大初始异常程度对应的预设位置是预设位置序列中的第一个预设位置。此时,将预设位置序列中的第一个预设位置作为发热中心,将不是发热中心的预设位置作为波动位置。发热中心的水温最高,即发热中心的发热程度最大,随着距离发热中心越远,波动位置受到发热中心的影响越小,进而对波动位置的初始异常程度的修正也随着距离发热中心越远,修正的程度越小。
优选地,获取修正异常程度的为:获取每个波动位置与预设位置序列中的第一个预设位置之间的距离,作为第二距离;将第二距离进行归一化的结果,作为每个波动位置的第二距离特征值;将每个波动位置当前时刻下的初始异常程度与第二距离特征值比值,作为每个预设位置当前时刻下的第一值;将当前时刻下每个波动位置的第一值与发热中心的发热程度的乘积,作为当前时刻下每个波动位置的修正异常程度。
作为一个示例,以第b个波动位置为例,获取第b个波动位置与预设位置序列中的第一个预设位置即发热中心之间的欧式距离,即第二距离,根据当前时刻下第b个波动位置的初始异常程度和第二距离,以及发热中心的发热程度,获取当前时刻下第b个波动位置的修正异常程度的公式为:
式中,为当前时刻下第b个波动位置的修正异常程度;为当前时刻下
第b个波动位置的初始异常程度;为第二距离;为当前时刻下发热中心的发热
程度;exp为以自认常数e为底数的指数函数。
需要说明的是,越小,当前时刻下第b个波动位置受到发热中心的影响越
大,第二距离特征值越小,第一值越大,越
大;本发明实施例通过对第二距离进行归一化处理,在本发
明另一个实施例中可以通过sigmoid函数、函数转化、最大最小规范化等归一化方法对第二
距离进行归一化处理,在此不做限定。越大,则当前时刻下第b个波动位置的
修正异常程度越大,即越大;越大,则对当前时刻下第b个波动位置的影响程度
越大,进而对第b个波动位置的初始异常程度的修正越大,越大;因此,当前时刻下第
b个波动位置受发热中心的影响越大,则越大。
根据获取当前时刻下第b个波动位置的修正异常程度的方法,获取当前时刻下每个波动位置的修正异常程度。若当前时刻下最大初始异常程度对应的预设位置不止预设位置序列中的第一个预设位置,则获取当前时刻下最大初始异常程度对应的每个预设位置的发热程度,将最大的发热程度,作为获取修正异常程度中的发热中心的发热程度。
其中,当前时刻下预设位置序列中的第一个预设位置即发热中心的修正异常程度与当前时刻下预设位置序列中的第一个预设位置的初始异常程度相等。
至此,获取当前时刻下每个预设位置的修正异常程度。
步骤S5:根据修正异常程度,获取每个预设位置当前时刻的累计异常概率;根据累计异常概率确定矿用机电设备的异常位置。
具体的,当矿用机电设备出现发热时,一定是持续的,因为矿用机电设备冷却系统对矿用机电设备出现的发热情况可以进行调整,使得矿用机电设备可以继续工作,当矿用机电设备持续发热达到一定程度后,矿用机电设备的冷却系统将无法进行调整。本发明实施例获取当前时刻下每个预设位置的累计异常概率,当预设位置的累计异常概率超过一定程度时,矿用机电设备开始发出温度异常预警,工作人员需要对发生温度预警的预设位置对应的矿用机电设备的位置进行检修,确保矿用机电设备准确的工作。
优选地,获取累计异常概率的方法为:将每个预设位置每个时刻下的修正异常程度进行归一化的结果,作为修正特征值;其中,当前时刻下发热中心的修正异常程度等于初始异常程度;将每个修正特征值与预设的异常阈值的比值,作为异常判别值;将每个预设位置的所有异常判别值的乘积,作为每个预设位置当前时刻的累计异常概率。
本法明实施例将异常阈值设定为0.7,实施者可根据实际情况进行设定,在此不进行限定。当异常判别值大于1时,说明对应预设位置对应时刻下的修正异常程度越大,该预设位置在对应时刻下的水温越异常。当异常判别值小于或者等于1时,说明对应预设位置对应时刻下的修正异常程度越小,该预设位置在对应时刻下的水温越正常。其中,当前时刻下每个预设位置的累计异常概率,即为包括当前时刻在内的每个预设位置所有时刻下的异常判别值的累乘。将当前时刻下每个预设位置的累计异常概率进行归一化的结果,作为每个预设位置当前时刻的发热异常评价值;当发热异常评价值大于或者等于预设的累计异常概率阈值时,将预设位置对应的矿用机电设备的位置作为异常位置。当发热异常评价值小于预设的累计异常概率阈值时,预设位置对应的矿用机电设备的位置不存在发热异常。
本发明实施例将累计异常概率阈值设定为0.9,实施者可根据实际情况进行设定,在此不进行赘述。当发热异常评价值大于或者等于预设的累计异常概率阈值时,说明预设位置对应的矿用机电设备的位置存在发热异常,将检测出发热异常的矿用机电设备的位置发送给矿用机电设备的控制系统,由控制系统对矿用机电设备对应的位置进行警报,工作人员根据警报的提示,及时对矿用机电设备对应位置进行检修,缩短对矿用机电设备进行检修的时间,进而提高矿用机电设备工作的效率,同时减少对矿用机电设备进行检修的人力和物力。当发热异常评价值小于预设的累计异常概率阈值时,预设位置对应的矿用机电设备的位置均不存在发热异常。
至此,本发明完成。
综上所述,本发明实施例获取预设位置的水温;根据当前时刻的水温和历史时刻的水温,获得预设位置的初始异常程度和发热程度;根据初始异常程度确定发热中心和波动位置;当局部发热时,根据发热中心与波动位置的距离,当前时刻的初始异常程度和发热程度,获取修正异常程度;当整体发热时,根据当前时刻下波动位置的分布、初始异常程度和发热程度,获取修正异常程度;根据修正异常程度,获取累计异常概率,确定异常位置。本发明通过准确获取矿用机电设备中发热异常的位置,准确对发热异常位置进行检修,提高矿用机电设备的工作效率。
基于与上述方法实施例相同的发明构思,本发明实施例还提供了一种矿用机电设备监测管理系统,该系统包括:存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序,处理器执行所述计算机程序时实现上述一种矿用机电设备监测管理方法实施例中的步骤,例如图1所示的步骤。该一种矿用机电设备监测管理方法在上述实施例中已经详细说明,不再赘述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (3)
1.一种矿用机电设备监测管理方法,其特征在于,所述方法包括以下步骤:
获取矿用机电设备冷却系统中不同预设位置的水温;
根据每个预设位置当前时刻下的水温和历史时刻下的水温,分别获得每个预设位置当前时刻的初始异常程度和发热程度;
根据当前时刻下最大初始异常程度对应的预设位置的分布,确定矿用机电设备的发热异常情况;其中,发热异常情况分为局部发热和整体发热;
将当前时刻下最大初始异常程度对应的预设位置作为发热中心,将不是发热中心的预设位置作为波动位置;当局部发热时,根据当前时刻下发热中心与波动位置之间的距离,每个波动位置的初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度;当整体发热时,根据当前时刻下每个波动位置的分布、初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度;
根据修正异常程度,获取每个预设位置当前时刻的累计异常概率;根据累计异常概率确定矿用机电设备的异常位置;
所述初始异常程度的获取方法为:
获取任意一个预设位置当前时刻之前且与当前时刻相邻的预设历史时间段;
获取所述预设历史时间段内每个历史时刻的水温的均值,作为目标均值;
获取该预设位置当前时刻的水温与目标均值的差异,作为目标差异;
将所述目标差异与目标均值的比值,作为第一特征值;
将该预设位置当前时刻的水温进行归一化的结果,作为第二特征值;
获取所述第一特征值与所述第二特征值的乘积,作为该预设位置当前时刻的初始异常程度;
所述当局部发热时,根据当前时刻下发热中心与波动位置之间的距离,每个波动位置的初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度的方法为:
获取每个波动位置与发热中心之间的距离,作为第一距离;
获取当前时刻下发热中心的发热程度与每个波动位置的发热程度的差异,作为第一差异;
根据所述第一距离与所述第一差异获取当前时刻下每个波动位置的发热影响程度;
获取当前时刻下每个波动位置与发热中心之间的每相邻两个预设位置之间的水温的差异,作为第二差异;
将当前时刻下每个波动位置与发热中心之间的每相邻两个第二差异的差异进行累加的结果,作为当前时刻下每个波动位置的温差变化值;
将每个所述温差变化值进行归一化的结果,作为当前时刻下每个波动位置的第三特征值;
获取当前时刻下每个波动位置的所述发热影响程度与所述第三特征值的乘积,作为当前时刻下每个波动位置的综合影响程度;
获取当前时刻下每个波动位置的所述初始异常程度、所述综合影响程度和发热中心的发热程度的乘积,作为当前时刻下每个波动位置的修正异常程度;
所述发热影响程度的获取方法为:
将所述第一距离进行负相关映射且归一化的结果,作为距离特征值;
将所述第一差异进行负相关映射且归一化的结果,作为发热特征值;
将所述距离特征值与所述发热特征值的乘积,作为当前时刻下每个波动位置的发热影响特征值;
将所述发热影响特征值进行归一化的结果,作为当前时刻下每个波动位置的发热影响程度;
所述根据当前时刻下最大初始异常程度对应的预设位置的分布,确定矿用机电设备的发热异常情况的方法为:
根据冷却系统中冷却水从流入到流出的顺序,将预设位置进行排序,获得预设位置序列;
选取出当前时刻下最大初始异常程度对应的预设位置,若当前时刻下最大初始异常程度对应的不是预设位置序列中的第一个预设位置,则矿用机电设备的发热异常情况为局部发热;若当前时刻下最大初始异常程度对应的是预设位置序列中的第一个预设位置,则矿用机电设备的发热异常情况为整体发热;
所述当整体发热时,根据当前时刻下每个波动位置的分布、初始异常程度和发热中心的发热程度,获取每个波动位置当前时刻的修正异常程度的方法为:
获取每个波动位置与预设位置序列中的第一个预设位置之间的距离,作为第二距离;
将所述第二距离进行归一化的结果,作为每个波动位置的第二距离特征值;
将每个波动位置当前时刻下的初始异常程度与所述第二距离特征值比值,作为每个预设位置当前时刻下的第一值;
将当前时刻下每个波动位置的第一值与发热中心的发热程度的乘积,作为当前时刻下每个波动位置的修正异常程度;
所述累计异常概率的获取方法为:
将每个预设位置截止到当前时刻的所有时刻下的修正异常程度进行归一化的结果,作为修正特征值;其中,当前时刻下发热中心的修正异常程度等于初始异常程度;
将每个所述修正特征值与预设的异常阈值的比值,作为异常判别值;
将每个预设位置的所有所述异常判别值的乘积,作为每个预设位置当前时刻的累计异常概率;
所述发热程度的计算公式为:
式中,为第i个预设位置第j个时刻的发热程度;/>为第i个预设位置第j个时刻的水温;/>为第i个预设位置第(j-k)个时刻的水温;n为第二预设常数,n大于1;/>为绝对值函数;norm为归一化函数。
2.如权利要求1所述的一种矿用机电设备监测管理方法,其特征在于,所述根据累计异常概率确定矿用机电设备的异常位置的方法为:
将累计异常概率进行归一化的结果,作为每个预设位置当前时刻的发热异常评价值;
当发热异常评价值大于或者等于预设的累计异常概率阈值时,将预设位置对应的矿用机电设备的位置作为异常位置。
3.一种矿用机电设备监测管理系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器在执行所述计算机程序时,实现上述权利要求1-2任意一项所述一种矿用机电设备监测管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311134113.6A CN116878693B (zh) | 2023-09-05 | 2023-09-05 | 一种矿用机电设备监测管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311134113.6A CN116878693B (zh) | 2023-09-05 | 2023-09-05 | 一种矿用机电设备监测管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116878693A CN116878693A (zh) | 2023-10-13 |
CN116878693B true CN116878693B (zh) | 2023-11-21 |
Family
ID=88262447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311134113.6A Active CN116878693B (zh) | 2023-09-05 | 2023-09-05 | 一种矿用机电设备监测管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116878693B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195136B (zh) * | 2023-11-03 | 2024-03-05 | 南通威森新能源科技有限公司 | 一种电网新能源异常数据监测方法 |
CN117192423B (zh) * | 2023-11-07 | 2024-01-26 | 深圳市美尔泰电子有限公司 | 一种移动电源剩余电量准确检测方法 |
CN117349778B (zh) * | 2023-12-04 | 2024-02-20 | 湖南蓝绿光电科技有限公司 | 一种基于物联网的用电设备在线实时监测系统 |
CN117979508B (zh) * | 2024-03-05 | 2024-07-12 | 六班电气有限公司 | 一种基于井下环境感知的灯光智能调控方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN86100951A (zh) * | 1985-02-05 | 1986-10-22 | 西屋电气公司 | 发电机温度监测系统 |
CN103124899A (zh) * | 2010-09-30 | 2013-05-29 | 杰富意钢铁株式会社 | 流体系统的温度估计方法以及装置 |
JP2020084774A (ja) * | 2018-11-15 | 2020-06-04 | 愛三工業株式会社 | サーモスタットの異常検出装置 |
CN111537257A (zh) * | 2020-05-30 | 2020-08-14 | 华能澜沧江水电股份有限公司 | 一种在线检测水轮发电机空气冷却器异常方法 |
CN111896112A (zh) * | 2020-07-08 | 2020-11-06 | 江苏方天电力技术有限公司 | 一种锅炉水冷壁壁温分布快速检测分析评估系统 |
CN114905023A (zh) * | 2022-06-01 | 2022-08-16 | 中冶赛迪工程技术股份有限公司 | 一种板坯连铸冷却控制方法、系统、介质及电子设备 |
CN115326172A (zh) * | 2022-07-16 | 2022-11-11 | 戴天智能科技(上海)有限公司 | 一种变压器油位检测方法、系统、存储介质及智能终端 |
CN116228176A (zh) * | 2023-05-10 | 2023-06-06 | 安徽皖欣环境科技有限公司 | 一种基于数据处理的污水处理数据高效管理系统 |
CN116304958A (zh) * | 2023-05-22 | 2023-06-23 | 山东中都机器有限公司 | 一种井下水处理异常智能监测系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE530417C2 (sv) * | 2005-11-02 | 2008-05-27 | Kimmo Yliniemi | En anordning för mätning av energiåtgång fär att värma upp tappvatten |
EP2273327A1 (en) * | 2009-06-24 | 2011-01-12 | ABB Research Ltd. | Estimating initial states of a system model for controlling an industrial process |
WO2013063262A1 (en) * | 2011-10-25 | 2013-05-02 | Hydrotech, Inc | Pump monitoring device |
US9410920B2 (en) * | 2013-06-11 | 2016-08-09 | Alstom Technology Ltd | Apparatus and its arrangement with duct to determine flowable medium parameters |
GB201316747D0 (en) * | 2013-09-20 | 2013-11-06 | Isis Innovation | Sensor for High Temperature turbulent flow |
MX2022001000A (es) * | 2019-07-26 | 2022-05-24 | Fluid Power Ai Llc | Sistema y metodo para evaluar sucesos de sistema hidraulico y ejecutar respuestas. |
-
2023
- 2023-09-05 CN CN202311134113.6A patent/CN116878693B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN86100951A (zh) * | 1985-02-05 | 1986-10-22 | 西屋电气公司 | 发电机温度监测系统 |
CN103124899A (zh) * | 2010-09-30 | 2013-05-29 | 杰富意钢铁株式会社 | 流体系统的温度估计方法以及装置 |
JP2020084774A (ja) * | 2018-11-15 | 2020-06-04 | 愛三工業株式会社 | サーモスタットの異常検出装置 |
CN111537257A (zh) * | 2020-05-30 | 2020-08-14 | 华能澜沧江水电股份有限公司 | 一种在线检测水轮发电机空气冷却器异常方法 |
CN111896112A (zh) * | 2020-07-08 | 2020-11-06 | 江苏方天电力技术有限公司 | 一种锅炉水冷壁壁温分布快速检测分析评估系统 |
CN114905023A (zh) * | 2022-06-01 | 2022-08-16 | 中冶赛迪工程技术股份有限公司 | 一种板坯连铸冷却控制方法、系统、介质及电子设备 |
CN115326172A (zh) * | 2022-07-16 | 2022-11-11 | 戴天智能科技(上海)有限公司 | 一种变压器油位检测方法、系统、存储介质及智能终端 |
CN116228176A (zh) * | 2023-05-10 | 2023-06-06 | 安徽皖欣环境科技有限公司 | 一种基于数据处理的污水处理数据高效管理系统 |
CN116304958A (zh) * | 2023-05-22 | 2023-06-23 | 山东中都机器有限公司 | 一种井下水处理异常智能监测系统及方法 |
Non-Patent Citations (4)
Title |
---|
Cooling Analysis of Vehicle Hub Motor Temperature Field;Tao Dajun 等;2019 22nd International Conference on Electrical Machines and Systems (ICEMS);全文 * |
Influence of mechanical stresses on the macroscopic quadrupole moment of a ferroelectric with an incommensurate superstructure;Gladkii, V.V.等;Soviet Physics - Solid State;第28卷(第8期);全文 * |
基于焓差法的燃机电厂机械通风逆流湿式冷却塔变工况特性研究;姚伟民 等;发电技术;第40卷(第5期);全文 * |
施锋 ; 叶红芳.基于大数据技术的区域光伏发电量异常实时监测方法.电子设计工程.2021,第29卷(第12期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116878693A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116878693B (zh) | 一种矿用机电设备监测管理方法及系统 | |
US7966152B2 (en) | System, method and algorithm for data-driven equipment performance monitoring | |
JP5993439B2 (ja) | プロセス変数トランスミッタ及びセンサ信号の特性を特定する方法 | |
US11113168B2 (en) | Distributed architecture for fault monitoring | |
CN205977391U (zh) | 一种车辆节温器故障监控装置及车辆 | |
US11087238B2 (en) | Thermal displacement compensation device | |
CN108214087A (zh) | 机床的温度估计方法及热位移校正方法 | |
CN117520103B (zh) | 基于热成像的数据中心机房温度监控方法 | |
KR20180046746A (ko) | 이상 감지 방법 및 장치 | |
CN116772285A (zh) | 一种智能楼宇供暖负载安全实时监控方法 | |
US20180143654A1 (en) | Warm-up compensation system and method | |
CN109596226A (zh) | 用于红外热成像测温系统的黑体异常检测方法、装置、设备及系统 | |
CN117348517B (zh) | 一种机床刀具热补偿方法、系统及机床 | |
CN110672326A (zh) | 轴承故障检测方法与计算机可读存储介质 | |
CN116522804B (zh) | 一种单晶炉底部加热器使用寿命的预测方法及系统 | |
CN114512416A (zh) | 探针异常识别方法及装置、存储介质和电子设备 | |
CN105423978A (zh) | 多联机系统的工程配管长度的检测方法、装置和系统 | |
CN109085865B (zh) | 设备的温度控制方法、装置、存储介质和控制系统 | |
RU2016116017A (ru) | Диагностика промышленных процессов c помощью измерений температуры инфракрасного излучения | |
CN103315755B (zh) | X射线管组件、x射线设备及告警方法 | |
CN113516091B (zh) | 一种识别变电站电火花图像的方法 | |
CN108899595A (zh) | 一种电池的温度检测方法、装置和设备 | |
CN114020066A (zh) | 一种基于物联网技术的温度采集控制系统及方法 | |
CN113857936B (zh) | 一种基于视觉检测的机床立柱热补偿方法、系统和机床 | |
CN116678086B (zh) | 基于卷积神经网络的室内温度控制方法及系统 |
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 |