CN117007896B - 一种应用于导电滑环故障检测的数据处理方法 - Google Patents
一种应用于导电滑环故障检测的数据处理方法 Download PDFInfo
- Publication number
- CN117007896B CN117007896B CN202311280024.2A CN202311280024A CN117007896B CN 117007896 B CN117007896 B CN 117007896B CN 202311280024 A CN202311280024 A CN 202311280024A CN 117007896 B CN117007896 B CN 117007896B
- Authority
- CN
- China
- Prior art keywords
- index
- data
- monitoring period
- slip ring
- monitoring
- 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 38
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 163
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000013598 vector Substances 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000004804 winding 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Motor Or Generator Current Collectors (AREA)
Abstract
本发明公开了一种应用于导电滑环故障检测的数据处理方法,涉及数据处理技术领域,包括:在每个监测周期内接收导电滑环工作时的各项数据;将预处理后的每组数据转化为特征向量,并组合成该监测周期的特征矩阵;根据特征矩阵将每个指标的数据结合,形成每个监测周期的指标综合指数;将每个监测周期的指标综合指数与历史各监测周期的指标综合指数结合形成第一判定指数,将第一判定指数与第一、第二判定阈值范围相比较,初步判断是否发生故障;将下一监测周期所计算出的指标综合指数作为第二判定指数,将该故障判定指标与第一判定阈值范围相比较,进一步判断是否发生故障。实现了导电滑环故障检测数据处理的完整性与准确性。
Description
技术领域
本发明涉及数据处理技术,特别是一种应用于导电滑环故障检测的数据处理方法。
背景技术
导电滑环是一种用于传输电力信号和信号的设备,通常应用在需要旋转传递电力和信号的装置中。它由导电环、刷子、外壳等部件组成。导电滑环在电气设计中非常重要,主要作用是在设备旋转360度的过程中解决导线缠绕的问题。在许多设备中,如旋转编码器、伺服电机、光学仪器等,需要将电源、信号等从旋转部分传输到静止部分,而导电滑环作为一种电旋转连接器,能够实现这一目标。
由于导电滑环工作的高精度要求,所以对导电滑环故障检测是非常有必要的,导电滑环是连接旋转部分与固定部分的关键设备之一。如果导电滑环存在故障或损坏,可能会导致电力传输中断、信号丢失或不稳定,从而影响系统的正常运行。通过进行故障检测,可以及时发现并修复导电滑环的问题,确保系统的可靠性和稳定性。
导电滑环故障检测中的数据处理一直是相关研究人员研究的重点所在,在申请公布号为CN114878938B的中国发明申请中,公开了一种 适用于导电滑环故障检测的数据处理方法及装置,对导电滑环的电转动部分处的声音进行检测,得到第一声音检测信息,对导电滑环的机械转动部分处的声音进行检测,得到第二声音检测信息;根据电转动部分处电刷的数量信息、电刷的规格信息以及电刷的相对角速度信息进行计算得到第一标准音频信息;根据机械转动部分处转动轴的材质属性、转动轴的规格信息进行计算得到第二标准音频信息;对第一声音检测信息进行补偿处理得到第一声音补偿信息,对第二声音检测信息进行补偿处理得到第二声音补偿信息;将第一声音补偿信息、第二声音补偿信息分别与第一标准音频信息和第二标准音频信息比对,得到故障检测结果。
在以上发明中,拥有自主学习调整功能,会根据工程师或用户主动输入的反馈信息进行自主调节,提升了检测的便捷性;但只对音频数据对导电滑环的故障检测进行分析是不够准确的,这种方面未必适用于别的指标的分析。
发明内容
针对现有技术的不足,本发明提供了一种应用于导电滑环故障检测的数据处理方法,旨在准确地、实时地、高效地通过数据处理对导电滑环进行故障检测。
为实现以上目的,本发明通过以下技术方案予以实现:一种应用于导电滑环故障检测的数据处理方法,具体包括:
设置监测周期,在每个监测周期内实时监测导电滑环工作时的各项数据,包括导电滑环工作时的电压、电流、转子转速、温度以及摩擦力,将收集到的一组实时数据传入数据采集器,数据采集器将收集完的一个监测周期的数据后传入预处理单元进行预处理;
将预处理后的每组数据转化为特征向量的形式传入数据处理系统,数据处理系统在收到同一个监测周期内的多组特征向量后,将特征向量组合成该监测周期的特征矩阵;
对每个监测周期的特征矩阵中的数据进行处理,具体为求出每列数据的均值,将五个指标对应的均值数据结合,形成每个监测周期的指标综合指数;将每个监测周期的指标综合指数与之前所有监测周期的指标综合指数结合形成该监测周期的第一判定指数/>,将第一判定指数/>与预设的第一、第二判定阈值范围相比较,初步判断导电滑环是否发生故障;
若判断导电滑环疑似发生故障,则需要根据下一监测周期所计算出的指标综合指数作为该监测周期的第二判定指数/>,并将该故障判定指标与预设的第一判定阈值范围相比较,进一步判断是否发生故障。
具体的,数据采集器收集完一个监测周期的数据后,将该周期的所有数据按照检测时间先后进行相应的预处理,包括数据归一化:
;
其中,为归一化后的值,/>为实际值,/>与/>分别表示所有实际值中的最小值和最大值。
具体的,在一个监测周期内,每组检测的数据经过预处理后以特征向量的形式传入数据处理系统,具体为[I、U、N、T、F],其中,I表示电流数据、U表示电压数据、N表示转子转速数据、T表示温度数据、F表示摩擦力数据;
在第一组数据以特征向量的形式传入数据处理单元后,第二组数据会以相同的特征向量的形式存入第一组特征向量的下一行,形成一个特征矩阵,即每组监测周期内的数据都转化为一个特征向量,并作为新的一行添加到特征矩阵中,最终一个监测周期内监测的数据以如下方式被存入数据处理系统:
;
其中n代表一个监测周期内监测的次数,、/>、/>、/>、/>分别表示第n次测得并预处理后的数据;特征矩阵中每一列表示同一个检测指标的数据变化、每一行表示一个监测周期内的各组监测数据;
进一步的,数据处理系统收到特征矩阵后,需要求出矩阵中每列数据的均值,具体为监测周期内平均电流、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>。
进一步的,按照下列公式将监测周期内平均电流、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>关联,并进行无量纲化处理,生成当前监测周期的指标综合指数/>:
;
其中,、/>、/>、/>、/>分别为监测周期内平均电流/>、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>的权重系数,且/>+/>+/>+/>+/>=1,。
进一步的,若计算的是第一个监测周期的故障判定指数,则此时第一判定指数与计算出的指标综合指数/>相等,即/>;若计算的是第j个监测周期的指标综合指数/>,则需要将该监测周期的指标综合指数/>与该监测周期之前的各个监测周期的指标综合指数(/>、…、/>)相结合,形成第一判定指数/>,即:
;
其中,为第一个监测周期的指标综合指数/>的权重系数,/>为监测周期系数,因为导电滑环会运作的时间越长,发生故障的概率就越大,所以/>为第i个监测周期的指标综合指数/>的权重系数,需要保证所有监测周期的故障判定指数的权重系数之和为1,则,监测周期系数/>的取值应为:
;
其中,j为具体监测周期。
进一步的,设置第一监测阈值范围为、第二监测阈值为/>,将计算出的第一判定指数/>与第一、第二监测阈值范围比较,若/>,则说明当前时间导电滑环未发生故障;若/>且/>,则说明当前时间导电滑环疑似发生故障,需要进行进一步的监测;若/>,则说明当前时间导电滑环发生故障。
进一步的,若发现第j个监测周期的故障判定结果为导电滑环疑似发生故障,则将其下一个监测周期的故障判定指数作为第j个监测周期的第二判定指数/>,并将第二判定指数/>与第一判定阈值范围相比较,若判断/>,则判断导电滑环发生故障;若判断/>,则判断导电滑环未发生故障。
进一步的,在进一步判断的j个监测周期时导电滑环未发生故障之后,需要将第j+1个监测周期的各项指标数据结合形成指标综合指数,进而形成第j+1个监测周期的第一判定指标/>,并再次进行导电滑环故障判断。
本发明提供了一种数据存储系统及数据备份方法,具备以下有益效果:
1、通过设置监测周期并实时监测导电滑环的工作数据,可以及时获取导电滑环的状态信息,包括电压、电流、转子转速、温度和摩擦力等,从而对其工作状态进行全面了解;
2、将预处理后的数据转化为特征向量的形式,并进行数据处理与分析,如计算各项数据的均值等,将多组特征向量组合成特征矩阵,形成每个监测周期的指标综合指数。这样的处理和分析能够更好地描述导电滑环的工作状态,并为故障判断提供可靠依据;
3、通过将每个监测周期的指标综合指数与之前所有监测周期的指标综合指数结合,形成监测周期的第一判定指数,并与预设的判定阈值范围进行比较,初步判断导电滑环是否发生故障;若疑似发生故障,则进一步根据下一监测周期计算出的指标综合指数作为第二判定指标,并与预设的判定阈值范围相比较,进一步判断故障是否发生。这样的判断能够准确、及时地发现导电滑环的故障状态。
附图说明
图1为一种应用于导电滑环故障检测的数据处理方法的步骤流程图。
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。
参考图1,本发明提供一种应用于导电滑环故障检测的数据处理方法,包括:
S1、设置监测周期,在每个监测周期内实时监测导电滑环工作时的各项数据,包括导电滑环工作时的电压、电流、转子转速、温度以及摩擦力,将收集到的一组实时数据传入数据采集器,数据采集器将收集完的一个监测周期的数据后传入预处理单元进行预处理;
设置监测周期,从导电滑环开始工作的第一个监测周期开始进行第一次数据监测,监测的数据包括导电滑环工作时的电压、电流、转子转速、温度以及摩擦力;
导电滑环的电压和电流是电能传输的主要指标,如果电压和电流异常,可能导致设备不能正常运行或造成短路等故障;转子转速的实时监测可以确保旋转系统的稳定运行,避免由于转速波动引起的机械故障;同时,导电滑环在工作时会产生热量,如果温度过高可能导致设备损坏或缩短使用寿命,实时监测温度可以帮助控制设备温度,防止过热情况的发生;另外,摩擦力是影响导电滑环性能和使用寿命的重要因素,实时监测摩擦力可以有助于及时更换磨损严重的部件,避免设备故障。
使用电流表监测导电滑环工作时的电流数据,电流表的量程应大于导电滑环的工作电流,具体将电流表在电源端串入导电滑环的工作电路中,并调整电流表的量程,在每个监测周期内实时观察电流表的读数并将其作为此时的电流大小;
使用电压表监测导电滑环工作时的电压数据,电压表的量程应大于导电滑环的工作电压,具体将电压表在电源端并入导电滑环的工作电路中,并调整电压表的量程,在每个监测周期内实时观察电压表的读数并将其作为此时的电压大小;
使用转速表监测导电滑环工作时转子的转速数据,转速表的量程应该大于导电滑环转子的工作转速,具体将转速表安装到导电滑环的轴承上,并可以安装在转子的任一端,调整转速表的量程,在每个监测周期内实时观察转速表的读数并将其作为此时的转子转速;
使用红外线传感器监测导电滑环工作时的温度数据,具体将红外线传感器放置在对准导电滑环表面的位置,传感器会发射红外线并接收返回的辐射,并转换为温度值,在每个监测周期内实时观察红外线传感器的读数并将其作为此时的温度;
使用力矩传感器监测导电滑环工作时的摩擦力数据,确保传感器的量程和灵敏度足够,具体将力矩传感器安装在转动轴上,在导电滑环工作前启动力矩传感器并记录初始零位力矩,在导电滑环工作时,实时记录力矩传感器上的实时力矩值,实时力矩值与零位力矩值之差即为实际力矩值,即实际摩擦力。
当数据采集器收集完一个监测周期的数据后,会将该周期的所有数据按照检测时间先后传入预处理单元进行相应的预处理,具体包括数据清洗,用于去除异常值、噪声和无关数据,以提高数据质量;数据归一化,使用最小-最大归一化的方法将不同量纲和量级的数据转化为同一尺度,便于后续分析和处理,具体为:
;
其中,为归一化后的值,/>为实际值,/>与/>分别表示所有实际值中的最小值和最大值。
S2、将预处理后的每组数据转化为特征向量的形式传入数据处理系统,数据处理系统在收到同一个监测周期内的多组特征向量后,将特征向量组合成该监测周期的特征矩阵,用于后续导电滑环故障的分析;
在一个监测周期内,每组检测的数据经过预处理后以特征向量的形式传入数据处理系统,具体为[I、U、N、T、F],其中,I表示电流数据、U表示电压数据、N表示转子转速数据、T表示温度数据、F表示摩擦力数据;
在第一组数据以特征向量的形式传入数据处理系统后,第二组数据会以相同的特征向量的形式存入第一组特征向量的下一行,形成一个特征矩阵,即每组监测周期内的数据都转化为一个特征向量,并作为新的一行添加到特征矩阵中,最终一个监测周期内监测的数据以如下方式被存入数据处理系统:
;
其中n代表一个监测周期内监测的次数,、/>、/>、/>、/>分别表示第n次测得并预处理后的数据;特征矩阵中每一列表示同一个检测指标的数据变化、每一行表示一个监测周期内的各组监测数据。
将监测数据以特征向量的方式存储在特征矩阵中,可以方便地进行数据批量处理和分析,提高数据的利用率,并为后续判断导电滑环故障时的具体异常指标检测提供了便利。
S3、对每个监测周期的特征矩阵中的数据进行处理,具体为求出每列数据的均值,将五个指标对应的均值数据结合,形成每个监测周期的指标综合指数;将每个监测周期的指标综合指数与之前所有监测周期的指标综合指数结合形成该监测周期的第一判定指数,将第一判定指数/>与预设的第一、第二判定阈值范围相比较,初步判断导电滑环是否发生故障;
数据处理系统收到特征矩阵后,需要求出矩阵中每列数据的均值,具体为监测周期内平均电流、平均电压/>、转子平均转速/>、周围平均温度以及轴承平均摩擦力/>。
按照下列公式将监测周期内平均电流、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>关联,并进行无量纲化处理,生成当前监测周期的指标综合指数:
;
其中,、/>、/>、/>、/>分别为监测周期内平均电流/>、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>的权重系数,且/>+/>+/>+/>+/>=1,。
若计算的是第一个监测周期的故障判定指数,则此时第一判定指数与计算出的指标综合指数/>相等,即/>;若计算的是第j个监测周期的指标综合指数/>,则需要将该监测周期的指标综合指数/>与该监测周期之前的各个监测周期的指标综合指数(/>、…、)相结合,形成第一判定指数/>,即:
;
其中,为第一个监测周期的指标综合指数/>的权重系数,/>为监测周期系数,因为导电滑环会运作的时间越长,发生故障的概率就越大,所以/>为第i个监测周期的指标综合指数/>的权重系数,需要保证所有监测周期的故障判定指数的权重系数之和为1,则,监测周期系数/>的取值应为:
;
其中,j为具体监测周期。
设置第一监测阈值范围为、第二监测阈值为/>,将计算出的第一判定指数/>与第一、第二监测阈值范围比较,若/>,则说明当前时间导电滑环未发生故障,继续进行下一监测周期的故障检测;若/>且/>,则说明当前时间导电滑环疑似发生故障,需要进行进一步的监测;若/>,则说明当前时间导电滑环发生故障,需要发出故障警报并将特征矩阵内当前监测周期各指标的数据与各指标的阈值相比较来判断具体哪个指标出现了异常。
S4、若判断导电滑环疑似发生故障,则需要根据下一监测周期所计算出的指标综合指数作为该监测周期的第二判定指数/>,并将该故障判定指标与预设的第一判定阈值范围相比较,进一步判断是否发生故障。
若发现第j个监测周期的故障判定结果为导电滑环疑似发生故障,则将其下一个监测周期的故障判定指数作为第j个监测周期的第二判定指数/>,并将第二判定指数与第一判定阈值范围相比较,若判断/>,则判断导电滑环发生故障,需要发出故障警报并将特征矩阵内当前监测周期各指标的数据与各指标的阈值相比较来判断具体哪个指标出现了异常;若判断/>,则判断导电滑环未发生故障。
进一步判断的j个监测周期时导电滑环未发生故障后,需要将第j+1个监测周期的各项指标数据按照S3的方式,形成第j+1个监测周期的第一判定指标,进而进行导电滑环故障判断。
将每个监测周期的指标综合指数与历史监测周期数据进行比较,可以更好地反映导电滑环的状态变化,提高故障检测的准确性。同时,第二判定指数的引入可以进一步提高故障检测的准确性。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后: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,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 (9)
1.一种应用于导电滑环故障检测的数据处理方法,其特征在于:包括:
在每个监测周期内实时监测导电滑环工作时的各项数据,包括导电滑环工作时的电压、电流、转子转速、温度以及摩擦力,将收集到的一组实时数据传入数据采集器,数据采集器将收集完的一个监测周期的数据后传入预处理单元进行预处理;
将预处理后的每组数据转化为特征向量的形式传入数据处理系统,数据处理系统在收到同一个监测周期内的多组特征向量后,将特征向量组合成该监测周期的特征矩阵;
对每个监测周期的特征矩阵中的数据进行处理,具体为求出每列数据的均值,将五个指标对应的均值数据结合,形成每个监测周期的指标综合指数;将每个监测周期的指标综合指数与之前所有监测周期的指标综合指数结合形成该监测周期的第一判定指数/>,将第一判定指数/>与预设的第一、第二判定阈值范围相比较,初步判断导电滑环是否发生故障;
若判断导电滑环疑似发生故障,则需要将疑似发生故障的监测周期的下一监测周期所计算出的指标综合指数作为该疑似发生故障的监测周期的第二判定指数/>,并将第二判定指数/>与第一判定阈值范围相比较,判断导电滑环是否发生故障。
2.根据权利要求1所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
数据采集器收集完一个监测周期的数据后,将该周期的所有数据按照检测时间先后进行相应的预处理,包括数据归一化:
;
其中,为归一化后的值,/>为实际值,/>与/>分别表示所有实际值中的最小值和最大值。
3.根据权利要求1所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
在一个监测周期内,每组检测数据经过预处理后形成相应的特征向量;具体为[I、U、N、T、F],其中,I表示电流数据、U表示电压数据、N表示转子转速数据、T表示温度数据、F表示摩擦力数据;
在第一组数据以特征向量的形式传入数据处理系统后,第二组数据会以相同的特征向量的形式存入第一组特征向量的下一行,形成一个特征矩阵,即每组监测周期内的数据都转化为一个特征向量,并作为新的一行添加到特征矩阵中,最终一个监测周期内监测的数据以如下方式被存入数据处理系统:
;
其中n代表一个监测周期内监测的次数,、/>、/>、/>、/>分别表示第n次测得并预处理后的数据;特征矩阵中每一列表示同一个检测指标的数据变化、每一行表示一个监测周期内的各组监测数据。
4.根据权利要求3所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
数据处理系统收到特征矩阵后,需要求出矩阵中每列数据的均值,具体为监测周期内平均电流、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>。
5.根据权利要求4所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
按照下列公式将监测周期内平均电流、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>关联,并进行无量纲化处理,生成当前监测周期的指标综合指数/>:
;
其中,、/>、/>、/>、/>分别为监测周期内平均电流/>、平均电压/>、转子平均转速/>、周围平均温度/>以及轴承平均摩擦力/>的权重系数,且/>+/>+/>+/>+/>=1,。
6.根据权利要求5所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
若计算的是第一个监测周期的指标综合指数,则此时第一判定指数与计算出的指标综合指数/>相等,即/>;若计算的是第j个监测周期的指标综合指数/>,则需要将该监测周期的指标综合指数/>与该监测周期之前的各个监测周期的指标综合指数(/>、…、/>)相结合,形成第一判定指数/>,即:
;
其中,为第一个监测周期的指标综合指数/>的权重系数,/>为监测周期系数,为第i个监测周期的指标综合指数/>的权重系数,需要保证所有监测周期的指标综合指数的权重系数之和为1,则,监测周期系数/>的取值应为:
;
其中,j为具体监测周期。
7.根据权利要求6所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
设置第一判定阈值范围为、第二判定阈值范围为/>,将计算出的第一判定指数/>与第一、第二判定阈值范围比较,若/>,则说明当前时间导电滑环未发生故障,继续进行下一监测周期的故障检测;
若且/>,则说明当前时间导电滑环疑似发生故障,需要进行进一步的监测;
若,则说明当前时间导电滑环发生故障,需要发出故障警报并将特征矩阵内当前监测周期各指标的数据与各指标的阈值相比较来判断具体哪个指标出现了异常。
8.根据权利要求7所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
若发现第j个监测周期的故障判定结果为导电滑环疑似发生故障,则将其下一个监测周期的指标综合指数作为第j个监测周期的第二判定指数/>,并将第二判定指数/>与第一判定阈值范围相比较,若判断/>,则判断导电滑环发生故障,则说明当前时间导电滑环疑似发生故障,需要进行进一步的监测;
若判断,则判断导电滑环未发生故障。
9.根据权利要求8所述的应用于导电滑环故障检测的数据处理方法,其特征在于:
进一步判断的j个监测周期时导电滑环未发生故障后,需要将第j+1个监测周期的各项指标数据结合形成指标综合指数,进而形成第j+1个监测周期的第一判定指数/>,并再次进行导电滑环故障判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280024.2A CN117007896B (zh) | 2023-10-07 | 2023-10-07 | 一种应用于导电滑环故障检测的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280024.2A CN117007896B (zh) | 2023-10-07 | 2023-10-07 | 一种应用于导电滑环故障检测的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117007896A CN117007896A (zh) | 2023-11-07 |
CN117007896B true CN117007896B (zh) | 2023-12-12 |
Family
ID=88574734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311280024.2A Active CN117007896B (zh) | 2023-10-07 | 2023-10-07 | 一种应用于导电滑环故障检测的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117007896B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680630A (zh) * | 2016-12-29 | 2017-05-17 | 北京金风科创风电设备有限公司 | 导电滑环故障测试装置和测试方法 |
CN107154783A (zh) * | 2017-04-18 | 2017-09-12 | 西安交通大学 | 应用独立成分分析和s变换检测系统过程耦合情况下光伏系统故障电弧的方法 |
CN109190979A (zh) * | 2018-09-03 | 2019-01-11 | 深圳市智物联网络有限公司 | 一种工业物联网数据分析方法、系统及相关设备 |
CN109813544A (zh) * | 2019-03-26 | 2019-05-28 | 武汉众犇慧通科技有限公司 | 一种基于在线监测的旋转机械早期故障诊断方法及系统 |
CN111259717A (zh) * | 2019-10-21 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 一种旋转设备状态异常判断方法及系统 |
CN111680870A (zh) * | 2020-04-29 | 2020-09-18 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 目标运动轨迹质量综合评估方法 |
CN113376551A (zh) * | 2021-06-23 | 2021-09-10 | 北京市腾河智慧能源科技有限公司 | 串联故障电弧的检测方法及系统、设备、存储介质 |
CN114580666A (zh) * | 2020-11-30 | 2022-06-03 | 西安市双合软件技术有限公司 | 一种多模式融合电动机智能维护系统 |
CN114878938A (zh) * | 2022-05-06 | 2022-08-09 | 常州蓝山机电科技有限公司 | 适用于导电滑环故障检测的数据处理方法及装置 |
CN115879799A (zh) * | 2022-12-02 | 2023-03-31 | 江苏省电力试验研究院有限公司 | 一种变电站电能质量分析方法 |
CN116011686A (zh) * | 2023-03-28 | 2023-04-25 | 山东创宇环保科技有限公司 | 基于多数据融合的充电棚光伏发电储量预测方法 |
CN116408501A (zh) * | 2023-02-14 | 2023-07-11 | 重庆大学 | 窜刀模式下滚刀磨损状态在机无监督实时监测方法 |
CN116756595A (zh) * | 2023-08-23 | 2023-09-15 | 深圳市森瑞普电子有限公司 | 一种导电滑环故障数据采集监测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102629463B1 (ko) * | 2019-03-12 | 2024-01-25 | 삼성에스디아이 주식회사 | 배터리 건강 상태 추정 방법 |
US11726116B2 (en) * | 2020-11-20 | 2023-08-15 | Arm Limited | Method and apparatus for on-chip power metering using automated selection of signal power proxies |
-
2023
- 2023-10-07 CN CN202311280024.2A patent/CN117007896B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680630A (zh) * | 2016-12-29 | 2017-05-17 | 北京金风科创风电设备有限公司 | 导电滑环故障测试装置和测试方法 |
CN107154783A (zh) * | 2017-04-18 | 2017-09-12 | 西安交通大学 | 应用独立成分分析和s变换检测系统过程耦合情况下光伏系统故障电弧的方法 |
CN109190979A (zh) * | 2018-09-03 | 2019-01-11 | 深圳市智物联网络有限公司 | 一种工业物联网数据分析方法、系统及相关设备 |
CN109813544A (zh) * | 2019-03-26 | 2019-05-28 | 武汉众犇慧通科技有限公司 | 一种基于在线监测的旋转机械早期故障诊断方法及系统 |
CN111259717A (zh) * | 2019-10-21 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 一种旋转设备状态异常判断方法及系统 |
CN111680870A (zh) * | 2020-04-29 | 2020-09-18 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 目标运动轨迹质量综合评估方法 |
CN114580666A (zh) * | 2020-11-30 | 2022-06-03 | 西安市双合软件技术有限公司 | 一种多模式融合电动机智能维护系统 |
CN113376551A (zh) * | 2021-06-23 | 2021-09-10 | 北京市腾河智慧能源科技有限公司 | 串联故障电弧的检测方法及系统、设备、存储介质 |
CN114878938A (zh) * | 2022-05-06 | 2022-08-09 | 常州蓝山机电科技有限公司 | 适用于导电滑环故障检测的数据处理方法及装置 |
CN115879799A (zh) * | 2022-12-02 | 2023-03-31 | 江苏省电力试验研究院有限公司 | 一种变电站电能质量分析方法 |
CN116408501A (zh) * | 2023-02-14 | 2023-07-11 | 重庆大学 | 窜刀模式下滚刀磨损状态在机无监督实时监测方法 |
CN116011686A (zh) * | 2023-03-28 | 2023-04-25 | 山东创宇环保科技有限公司 | 基于多数据融合的充电棚光伏发电储量预测方法 |
CN116756595A (zh) * | 2023-08-23 | 2023-09-15 | 深圳市森瑞普电子有限公司 | 一种导电滑环故障数据采集监测方法 |
Non-Patent Citations (2)
Title |
---|
一种基于组合权重的智能电网综合评估模型应用;焦丰顺 等;电力系统及其自动化学报;第29卷(第11期);第143-150页 * |
基于动态主元分析法的传感器故障检测;李果 等;数据采集与处理;第23卷(第3期);第338-341页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117007896A (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210241544A1 (en) | Platform for analyzing health of heavy electric machine and analysis method using the same | |
CA2805123C (en) | Ice detection method and system for wind turbine blades | |
CN112881014B (zh) | 传动总成的下线nvh测试系统及方法 | |
WO2017088215A1 (zh) | 核反应堆冷却泵振动相位信号采集方法和系统 | |
KR20040040370A (ko) | 터빈 버킷 산화 상태를 평가하는 방법 및 시스템, 그리고터빈 운용중에 터빈 버킷 산화 상태를 평가하여 잔여 유효버킷 수명을 예측하는 방법 | |
CN111609923A (zh) | 一种基于dcs数据的汽轮发电机组振动预警方法 | |
CN109752172A (zh) | 一种高压隔离开关机械卡涩监测方法及装置 | |
CN117007896B (zh) | 一种应用于导电滑环故障检测的数据处理方法 | |
CN117054887A (zh) | 一种锂离子电池系统内部故障诊断方法 | |
CN110196165B (zh) | 一种基于K-means聚类和证据推理的旋转机械滚珠轴承故障诊断方法 | |
CN116500439A (zh) | 一种基于机器学习技术的电机在线故障监测方法和装置 | |
Ginart et al. | Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures | |
CN117928642A (zh) | 一种面向电机滚动轴承的状态监测和故障诊断系统 | |
CN111950163B (zh) | 一种风力叶片疲劳寿命监测方法 | |
CN112696326A (zh) | 一种风力发电机基础损伤监测方法 | |
CN112067289A (zh) | 一种基于神经网络的电机轴及传动轴异常振动预警算法 | |
CN216791101U (zh) | 一种旋转机械轴振测量端面平整度在线测试装置 | |
CN114878938B (zh) | 适用于导电滑环故障检测的数据处理方法及装置 | |
CN112343775B (zh) | 一种海上风电机组塔筒腐蚀在线监测方法 | |
CN102914360A (zh) | 冗余型风电机组振动监测装置及监测方法 | |
CN109946605B (zh) | 电动机起动过程中的动态特性的在线监测系统 | |
CN117371670B (zh) | 一种新能源电动汽车充电桩的可靠性分析系统 | |
Wang et al. | Wind turbine spindle condition monitoring based on operational data | |
CN218325773U (zh) | 一种智能轴承 | |
CN216483953U (zh) | 用于发动机遥测仪器可靠性的试验系统 |
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 |