CN117081260B - 应用边缘计算的可视化人工智能巡检系统及方法 - Google Patents
应用边缘计算的可视化人工智能巡检系统及方法 Download PDFInfo
- Publication number
- CN117081260B CN117081260B CN202311317224.0A CN202311317224A CN117081260B CN 117081260 B CN117081260 B CN 117081260B CN 202311317224 A CN202311317224 A CN 202311317224A CN 117081260 B CN117081260 B CN 117081260B
- Authority
- CN
- China
- Prior art keywords
- correlation
- vibration
- signal function
- source signals
- vibration source
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000000007 visual effect Effects 0.000 title claims abstract description 28
- 238000007689 inspection Methods 0.000 title claims description 75
- 230000009131 signaling function Effects 0.000 claims abstract description 195
- 238000013519 translation Methods 0.000 claims abstract description 66
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000000875 corresponding effect Effects 0.000 claims description 106
- 238000010586 diagram Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000010219 correlation analysis Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000036962 time dependent Effects 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 2
- 239000012774 insulation material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- 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
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
Abstract
本发明公开了应用边缘计算的可视化人工智能巡检系统及方法,属于智能巡检技术领域。在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的电网设备的振源信号;分析振源信号之间的相关性,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的振动幅值之差;分析振源信号之间的相关稳定性,确定信号函数之间的关联关系;计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源;进而能够在挖掘振动关联关系的同时,通过边缘计算技术,在复杂的电网体系中,分析出动态联动的振动影响程度,即相关稳态值,继而保证电网的长期安全稳定,为电网隐患提供巡检评估决策辅助。
Description
技术领域
本发明涉及智能巡检技术领域,具体为应用边缘计算的可视化人工智能巡检系统及方法。
背景技术
电网巡检是指对电力系统中的设备、线路和设施进行定期检查和巡视,以确保电网的安全运行和稳定供电,电网巡检的目的是确保电网设备正常运行、发现和排除潜在故障隐患、提高电网的可靠性和稳定性;现有技术中,一般通过定期巡检电网设备、线路和设施,及时发现潜在的故障隐患、设备老化、松动或损坏等问题,并对电网设备的运行状态进行监测和记录,及时发现异常情况;
然而,对于一些潜在风险,如振动带来的隐患,往往很难提防,具体体现在:设备损坏,电网中的设备,如变压器、开关设备和导线等,都会受到振动的影响,长期的振动可能导致这些设备的松动、磨损或破裂,进而导致设备的故障甚至损坏,设备损坏可能导致电网的停电或故障,影响供电可靠性;绝缘破坏,振动还会对电网中的绝缘材料产生冲击和压力,可能导致绝缘材料的破裂或磨损,绝缘破坏会增加设备之间的漏电和短路风险,进而导致电网的安全隐患;振动共振,当电网中的设备和结构的固有频率与外部振动频率接近时,可能发生共振现象,共振会引起设备和结构振幅的急剧增加,进一步导致设备的破坏甚至系统崩溃;信号干扰,振动产生的机械振动会传播到电网中的信号传输线路上,这些振动可能干扰或损坏信号传输线路,导致数据传输的错误或中断,影响通信的可靠性;如何对电网领域中的振动分析,以保证电网的长期安全稳定,成为一个亟待解决的问题。
发明内容
本发明的目的在于提供应用边缘计算的可视化人工智能巡检系统及方法,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:
应用边缘计算的可视化人工智能巡检系统,本系统包括:边缘服务模块、迭代分析模块、关联分析模块和智能巡检模块;
所述边缘服务模块,用于在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的所述电网设备的振源信号,并将振源信号转换为时间序列二维坐标数据图,对时间序列二维坐标数据图进行信号函数的拟合;
所述迭代分析模块,根据信号函数,分析振源信号之间的相关性,计算振源信号之间的相关度,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的信号函数之间的振动幅值之差;
所述关联分析模块,根据平移时间和振动幅值之差,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,并根据相关稳定值确定信号函数之间的关联关系;
所述智能巡检模块,根据关联关系和相关度,计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源,按照相关稳态值从大到小的顺序,生成并输出关联振动集合。
进一步的,所述边缘服务模块还包括边缘服务架构单元和函数构建单元;
所述边缘服务架构单元,用于在电网设备边侧架构边缘服务设施,所述边缘服务设施包括有振动传感器,所述振动传感器用于监测处于边侧位置的所述电网设备的振源信号,将所述振源信号通过matlap软件转换为时间序列二维坐标数据图,所述时间序列二维坐标数据图中横坐标为振动发生时间,纵坐标为振动幅值;
所述函数构建单元,用于将振源信号对应的时间序列二维坐标数据图,通过matlap软件拟化成信号函数;将一个振动传感器看作一个振源,对全部的信号函数进行统计和统一编号,将任意一个信号函数标记为fi(t),其中,t表示时间序列二维坐标数据图中横坐标对应的时间自变量,fi(t)表示时间序列二维坐标数据图中纵坐标对应的随时间自变量而变化的幅值应变量,i表示信号函数的编号。
进一步的,所述迭代分析模块还包括相关性分析单元和迭代处理单元;
所述相关性分析单元,用于在第K个巡检周期内,统筹全部信号函数,对任意两个信号函数,分析振源信号之间的相关性,计算任意两个振源信号之间的相关度,具体计算公式如下:
Rij(K)=∫t1 t2fi(t)fj(t+T)dt,
其中,Rij(K)表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度,T为平移时间,fj(t+T)表示信号函数fj(t)平移时间T后得到的信号函数,如果T为正值,则将信号函数fj(t)向左平移,如果T为负值,则将信号函数fj(t)向右平移,j为信号函数编号,且i≠j,t1和t2分别为第K个巡检周期的起始时间和终止时间;
所述迭代处理单元,用于令T=T+1,对任意两个振源信号之间的相关度进行迭代计算,直到相关度最大时迭代停止,将最大时对应的相关度记为Rij(K)max;当迭代停止时,记录在第K个巡检周期内的相关度最大时对应的平移时间,记为Tij(K),和平移时间Tij(K)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,记为Dij(K)。
进一步的,所述关联分析模块还包括相关稳定性分析单元和关联关系确定单元;
所述相关稳定性分析单元,根据平移时间和振动幅值之差,对任意两个信号函数,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,具体计算公式如下:
RSij=ΣK=1 M-4{[Dij(K+2)-Dij(K+1)]/[Tij(K+2)-Tij(K+1)]-[Dij(K+1)-Dij(K)]/[Tij(K+1)-Tij(K)]},
其中,RSij表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值,Tij(K+2)和Tij(K+1)分别表示在第K+2个和第K+1个巡检周期内的相关度最大时对应的平移时间,Dij(K+2)和Dij(K+1)分别表示平移时间Tij(K+2)和平移时间Tij(K+1)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,M表示历史巡检周期总个数,M>4;
所述关联关系确定单元,用于预设相关稳定值阈值,如果信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值RSij小于等于相关稳定值阈值,则确定信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间存在关联,否则不存在关联。
进一步的,所述智能巡检模块还包括可视化处理单元和异常反馈单元;
所述可视化处理单元,根据关联关系和相关度,在全部历史巡检周期中,计算信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度稳态值SSij=1/M×ΣK=1 MRij(K)max;统筹与信号函数fi(t)对应的振源信号之间存在关联的全部振源,并生成关联振动集合,记为FGi,所述关联振动集合中全部振源按照相关度稳态值从大到小的顺序依次排列;
所述异常反馈单元,用于在当前巡检周期内,如果发现振动传感器监测反馈异常,则发送振动传感器对应的关联振动集合至工作人员,工作人员按照关联振动集合中振源的排列顺序,依次对振动传感器边侧位置的全部电网设备进行异常评估。
应用边缘计算的可视化人工智能巡检方法,本方法包括以下步骤:
步骤S100:在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的所述电网设备的振源信号,并将振源信号转换为时间序列二维坐标数据图,对时间序列二维坐标数据图进行信号函数的拟合;
步骤S200:根据信号函数,分析振源信号之间的相关性,计算振源信号之间的相关度,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的信号函数之间的振动幅值之差;
步骤S300:根据平移时间和振动幅值之差,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,并根据相关稳定值确定信号函数之间的关联关系;
步骤S400:根据关联关系和相关度,计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源,按照相关稳态值从大到小的顺序,生成并输出关联振动集合。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:在电网设备边侧架构边缘服务设施,所述边缘服务设施包括有振动传感器,所述振动传感器用于监测处于边侧位置的所述电网设备的振源信号,将所述振源信号通过matlap软件转换为时间序列二维坐标数据图,所述时间序列二维坐标数据图中横坐标为振动发生时间,纵坐标为振动幅值;
步骤S102:将振源信号对应的时间序列二维坐标数据图,通过matlap软件拟化成信号函数;将一个振动传感器看作一个振源,对全部的信号函数进行统计和统一编号,将任意一个信号函数标记为fi(t),其中,t表示时间序列二维坐标数据图中横坐标对应的时间自变量,fi(t)表示时间序列二维坐标数据图中纵坐标对应的随时间自变量而变化的幅值应变量,i表示信号函数的编号。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:在第K个巡检周期内,统筹全部信号函数,对任意两个信号函数,分析振源信号之间的相关性,计算任意两个振源信号之间的相关度,具体计算公式如下:
Rij(K)=∫t1 t2fi(t)fj(t+T)dt,
其中,Rij(K)表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度,T为平移时间,fj(t+T)表示信号函数fj(t)平移时间T后得到的信号函数,如果T为正值,则将信号函数fj(t)向左平移,如果T为负值,则将信号函数fj(t)向右平移,j为信号函数编号,且i≠j,t1和t2分别为第K个巡检周期的起始时间和终止时间;
步骤S202:令T=T+1,对任意两个振源信号之间的相关度进行迭代计算,直到相关度最大时迭代停止,将最大时对应的相关度记为Rij(K)max;当迭代停止时,记录在第K个巡检周期内的相关度最大时对应的平移时间,记为Tij(K),和平移时间Tij(K)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,记为Dij(K);
根据上述方法,当电网中的设备发生振动影响时,通过振动传感器能够很好的采集到振动相关的数据;通过构建信号函数,通过将一个信号函数fi(t)作为模板,将另一个信号函数fj(t)在时间维度上平移,进而能够分析振源信号之间的相关性,通过平移时间T后,将两个信号函数对应位置上的幅值相乘,再将乘积相加,累积后能够表示两个信号函数的相似度,Rij(K)值越大表示两个信号函数的相似度越大,进而存在关联的可能性也越大。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:根据平移时间和振动幅值之差,对任意两个信号函数,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,具体计算公式如下:
RSij=ΣK=1 M-4{[Dij(K+2)-Dij(K+1)]/[Tij(K+2)-Tij(K+1)]-[Dij(K+1)-Dij(K)]/[Tij(K+1)-Tij(K)]},
其中,RSij表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值,Tij(K+2)和Tij(K+1)分别表示在第K+2个和第K+1个巡检周期内的相关度最大时对应的平移时间,Dij(K+2)和Dij(K+1)分别表示平移时间Tij(K+2)和平移时间Tij(K+1)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,M表示历史巡检周期总个数,M>4;
步骤S302:预设相关稳定值阈值,如果信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值RSij小于等于相关稳定值阈值,则确定信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间存在关联,否则不存在关联;
根据上述方法,通过计算相关度后,只能初步判断两个信号在一个巡检周期内的相关性,但是不能体现信号之间振动的长期关联性,继而通过在全部巡检周期中,对相关度进行波动性的判断,相关稳定值以4个连续变化的相关度为一组数据进行分析,以相邻两个平移时间的差值为分母,以相邻两个幅值差值为分母,微量化相邻两个平移时间下的小波比值,再进一步的对相邻两个小波比值做差,进而分析相关稳定性,相关稳定值越小,表示微量化的小波比值的变化越小,继而相关稳定性越强。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:根据关联关系和相关度,在全部历史巡检周期中,计算信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度稳态值SSij=1/M×ΣK=1 MRij(K)max;统筹与信号函数fi(t)对应的振源信号之间存在关联的全部振源,并生成关联振动集合,记为FGi,所述关联振动集合中全部振源按照相关度稳态值从大到小的顺序依次排列;
步骤S402:在当前巡检周期内,如果发现振动传感器监测反馈异常,则发送振动传感器对应的关联振动集合至工作人员,工作人员按照关联振动集合中振源的排列顺序,依次对振动传感器边侧位置的全部电网设备进行异常评估;
根据上述方法,对于存在相关的信号函数,进一步分析相关度稳态值,相关度稳态值大小不同体现振源范围内设备之间的相互振动影响程度不同,相关度稳态值越大表示相互振动影响程度越大。
与现有技术相比,本发明所达到的有益效果是:本发明提供的应用边缘计算的可视化人工智能巡检系统及方法中,在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的电网设备的振源信号;分析振源信号之间的相关性,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的振动幅值之差;分析振源信号之间的相关稳定性,确定信号函数之间的关联关系;计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源;进而能够在挖掘振动关联关系的同时,结合边缘计算技术,在复杂的电网体系中,分析出动态联动的振动影响程度,即相关稳态值,继而保证电网的长期安全稳定,为电网隐患提供巡检评估决策辅助。
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,并且不构成对本发明的限制。在附图中:
图1是本发明应用边缘计算的可视化人工智能巡检系统的结构示意图;
图2是本发明应用边缘计算的可视化人工智能巡检方法的步骤示意图。
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-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供应用边缘计算的可视化人工智能巡检系统,该系统包括:边缘服务模块、迭代分析模块、关联分析模块和智能巡检模块;
边缘服务模块,用于在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的电网设备的振源信号,并将振源信号转换为时间序列二维坐标数据图,对时间序列二维坐标数据图进行信号函数的拟合;
且,边缘服务模块还包括边缘服务架构单元和函数构建单元;
边缘服务架构单元,用于在电网设备边侧架构边缘服务设施,边缘服务设施包括有振动传感器,振动传感器用于监测处于边侧位置的电网设备的振源信号,将振源信号通过matlap软件转换为时间序列二维坐标数据图,时间序列二维坐标数据图中横坐标为振动发生时间,纵坐标为振动幅值;
函数构建单元,用于将振源信号对应的时间序列二维坐标数据图,通过matlap软件拟化成信号函数;将一个振动传感器看作一个振源,对全部的信号函数进行统计和统一编号,将任意一个信号函数标记为fi(t),其中,t表示时间序列二维坐标数据图中横坐标对应的时间自变量,fi(t)表示时间序列二维坐标数据图中纵坐标对应的随时间自变量而变化的幅值应变量,i表示信号函数的编号;
迭代分析模块,根据信号函数,分析振源信号之间的相关性,计算振源信号之间的相关度,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的信号函数之间的振动幅值之差;
且,迭代分析模块还包括相关性分析单元和迭代处理单元;
相关性分析单元,用于在第K个巡检周期内,统筹全部信号函数,对任意两个信号函数,分析振源信号之间的相关性,计算任意两个振源信号之间的相关度,具体计算公式如下:
Rij(K)=∫t1 t2fi(t)fj(t+T)dt,
其中,Rij(K)表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度,T为平移时间,fj(t+T)表示信号函数fj(t)平移时间T后得到的信号函数,如果T为正值,则将信号函数fj(t)向左平移,如果T为负值,则将信号函数fj(t)向右平移,j为信号函数编号,且i≠j,t1和t2分别为第K个巡检周期的起始时间和终止时间;
迭代处理单元,用于令T=T+1,对任意两个振源信号之间的相关度进行迭代计算,直到相关度最大时迭代停止,将最大时对应的相关度记为Rij(K)max;当迭代停止时,记录在第K个巡检周期内的相关度最大时对应的平移时间,记为Tij(K),和平移时间Tij(K)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,记为Dij(K);
关联分析模块,根据平移时间和振动幅值之差,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,并根据相关稳定值确定信号函数之间的关联关系;
且,关联分析模块还包括相关稳定性分析单元和关联关系确定单元;
相关稳定性分析单元,根据平移时间和振动幅值之差,对任意两个信号函数,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,具体计算公式如下:
RSij=ΣK=1 M-4{[Dij(K+2)-Dij(K+1)]/[Tij(K+2)-Tij(K+1)]-[Dij(K+1)-Dij(K)]/[Tij(K+1)-Tij(K)]},
其中,RSij表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值,Tij(K+2)和Tij(K+1)分别表示在第K+2个和第K+1个巡检周期内的相关度最大时对应的平移时间,Dij(K+2)和Dij(K+1)分别表示平移时间Tij(K+2)和平移时间Tij(K+1)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,M表示历史巡检周期总个数,M>4;
关联关系确定单元,用于预设相关稳定值阈值,如果信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值RSij小于等于相关稳定值阈值,则确定信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间存在关联,否则不存在关联;
智能巡检模块,根据关联关系和相关度,计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源,按照相关稳态值从大到小的顺序,生成并输出关联振动集合;
且,智能巡检模块还包括可视化处理单元和异常反馈单元;
可视化处理单元,根据关联关系和相关度,在全部历史巡检周期中,计算信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度稳态值SSij=1/M×ΣK=1 MRij(K)max;统筹与信号函数fi(t)对应的振源信号之间存在关联的全部振源,并生成关联振动集合,记为FGi,关联振动集合中全部振源按照相关度稳态值从大到小的顺序依次排列;
异常反馈单元,用于在当前巡检周期内,如果发现振动传感器监测反馈异常,则发送振动传感器对应的关联振动集合至工作人员,工作人员按照关联振动集合中振源的排列顺序,依次对振动传感器边侧位置的全部电网设备进行异常评估。
请参阅图2,在本实施例二中:提供应用边缘计算的可视化人工智能巡检方法,该方法包括以下步骤:
在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的电网设备的振源信号,并将振源信号转换为时间序列二维坐标数据图,对时间序列二维坐标数据图进行信号函数的拟合;
在电网设备边侧架构边缘服务设施,边缘服务设施包括有振动传感器,振动传感器用于监测处于边侧位置的电网设备的振源信号,将振源信号通过matlap软件转换为时间序列二维坐标数据图,时间序列二维坐标数据图中横坐标为振动发生时间,纵坐标为振动幅值;
将振源信号对应的时间序列二维坐标数据图,通过matlap软件拟化成信号函数;将一个振动传感器看作一个振源,对全部的信号函数进行统计和统一编号,将任意一个信号函数标记为fi(t),其中,t表示时间序列二维坐标数据图中横坐标对应的时间自变量,fi(t)表示时间序列二维坐标数据图中纵坐标对应的随时间自变量而变化的幅值应变量,i表示信号函数的编号;
根据信号函数,分析振源信号之间的相关性,计算振源信号之间的相关度,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的信号函数之间的振动幅值之差;
在第K个巡检周期内,统筹全部信号函数,对任意两个信号函数,分析振源信号之间的相关性,计算任意两个振源信号之间的相关度,具体计算公式如下:
Rij(K)=∫t1 t2fi(t)fj(t+T)dt,
其中,Rij(K)表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度,T为平移时间,fj(t+T)表示信号函数fj(t)平移时间T后得到的信号函数,如果T为正值,则将信号函数fj(t)向左平移,如果T为负值,则将信号函数fj(t)向右平移,j为信号函数编号,且i≠j,t1和t2分别为第K个巡检周期的起始时间和终止时间;
令T=T+1,对任意两个振源信号之间的相关度进行迭代计算,直到相关度最大时迭代停止,将最大时对应的相关度记为Rij(K)max;当迭代停止时,记录在第K个巡检周期内的相关度最大时对应的平移时间,记为Tij(K),和平移时间Tij(K)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,记为Dij(K);
根据平移时间和振动幅值之差,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,并根据相关稳定值确定信号函数之间的关联关系;
根据平移时间和振动幅值之差,对任意两个信号函数,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,具体计算公式如下:
RSij=ΣK=1 M-4{[Dij(K+2)-Dij(K+1)]/[Tij(K+2)-Tij(K+1)]-[Dij(K+1)-Dij(K)]/[Tij(K+1)-Tij(K)]},
其中,RSij表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值,Tij(K+2)和Tij(K+1)分别表示在第K+2个和第K+1个巡检周期内的相关度最大时对应的平移时间,Dij(K+2)和Dij(K+1)分别表示平移时间Tij(K+2)和平移时间Tij(K+1)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,M表示历史巡检周期总个数,M>4;
例如,以天为巡检周期单位,可以对一天内振动相关数据进行分析,那么对于一天中的不同时刻对应的振动幅值,即可以进行信号函数的拟合;
预设相关稳定值阈值,如果信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值RSij小于等于相关稳定值阈值,则确定信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间存在关联,否则不存在关联;
根据关联关系和相关度,计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源,按照相关稳态值从大到小的顺序,生成并输出关联振动集合;
根据关联关系和相关度,在全部历史巡检周期中,计算信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度稳态值SSij=1/M×ΣK=1 MRij(K)max;统筹与信号函数fi(t)对应的振源信号之间存在关联的全部振源,并生成关联振动集合,记为FGi,关联振动集合中全部振源按照相关度稳态值从大到小的顺序依次排列;
在当前巡检周期内,如果发现振动传感器监测反馈异常,则发送振动传感器对应的关联振动集合至工作人员,工作人员按照关联振动集合中振源的排列顺序,依次对振动传感器边侧位置的全部电网设备进行异常评估。
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,并且不用于限制本发明,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.应用边缘计算的可视化人工智能巡检方法,其特征在于,该方法包括以下步骤:
步骤S100:在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的所述电网设备的振源信号,并将振源信号转换为时间序列二维坐标数据图,对时间序列二维坐标数据图进行信号函数的拟合;
步骤S200:根据信号函数,分析振源信号之间的相关性,计算振源信号之间的相关度,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的信号函数之间的振动幅值之差;
步骤S300:根据平移时间和振动幅值之差,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,并根据相关稳定值确定信号函数之间的关联关系;
步骤S400:根据关联关系和相关度,计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源,按照相关稳态值从大到小的顺序,生成并输出关联振动集合。
2.根据权利要求1所述的应用边缘计算的可视化人工智能巡检方法,其特征在于,所述步骤S100的具体实施过程包括:
步骤S101:在电网设备边侧架构边缘服务设施,所述边缘服务设施包括有振动传感器,所述振动传感器用于监测处于边侧位置的所述电网设备的振源信号,将所述振源信号通过matlap软件转换为时间序列二维坐标数据图,所述时间序列二维坐标数据图中横坐标为振动发生时间,纵坐标为振动幅值;
步骤S102:将振源信号对应的时间序列二维坐标数据图,通过matlap软件拟化成信号函数;将一个振动传感器看作一个振源,对全部的信号函数进行统计和统一编号,将任意一个信号函数标记为fi(t),其中,t表示时间序列二维坐标数据图中横坐标对应的时间自变量,fi(t)表示时间序列二维坐标数据图中纵坐标对应的随时间自变量而变化的幅值应变量,i表示信号函数的编号。
3.根据权利要求2所述的应用边缘计算的可视化人工智能巡检方法,其特征在于,所述步骤S200的具体实施过程包括:
步骤S201:在第K个巡检周期内,统筹全部信号函数,对任意两个信号函数,分析振源信号之间的相关性,计算任意两个振源信号之间的相关度,具体计算公式如下:
Rij(K)=∫t1 t2fi(t)fj(t+T)dt,
其中,Rij(K)表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度,T为平移时间,fj(t+T)表示信号函数fj(t)平移时间T后得到的信号函数,如果T为正值,则将信号函数fj(t)向左平移,如果T为负值,则将信号函数fj(t)向右平移,j为信号函数编号,且i≠j,t1和t2分别为第K个巡检周期的起始时间和终止时间;
步骤S202:令T=T+1,对任意两个振源信号之间的相关度进行迭代计算,直到相关度最大时迭代停止,将最大时对应的相关度记为Rij(K)max;当迭代停止时,记录在第K个巡检周期内的相关度最大时对应的平移时间,记为Tij(K),和平移时间Tij(K)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,记为Dij(K)。
4.根据权利要求3所述的应用边缘计算的可视化人工智能巡检方法,其特征在于,所述步骤S300的具体实施过程包括:
步骤S301:根据平移时间和振动幅值之差,对任意两个信号函数,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,具体计算公式如下:
RSij=ΣK=1 M-4{[Dij(K+2)-Dij(K+1)]/[Tij(K+2)-Tij(K+1)]-[Dij(K+1)-Dij(K)]/[Tij(K+1)-Tij(K)]},
其中,RSij表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值,Tij(K+2)和Tij(K+1)分别表示在第K+2个和第K+1个巡检周期内的相关度最大时对应的平移时间,Dij(K+2)和Dij(K+1)分别表示平移时间Tij(K+2)和平移时间Tij(K+1)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,M表示历史巡检周期总个数,M>4;
步骤S302:预设相关稳定值阈值,如果信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值RSij小于等于相关稳定值阈值,则确定信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间存在关联,否则不存在关联。
5.根据权利要求4所述的应用边缘计算的可视化人工智能巡检方法,其特征在于,所述步骤S400的具体实施过程包括:
步骤S401:根据关联关系和相关度,在全部历史巡检周期中,计算信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度稳态值SSij=1/M×ΣK=1 MRij(K)max;统筹与信号函数fi(t)对应的振源信号之间存在关联的全部振源,并生成关联振动集合,记为FGi,所述关联振动集合中全部振源按照相关度稳态值从大到小的顺序依次排列;
步骤S402:在当前巡检周期内,如果发现振动传感器监测反馈异常,则发送振动传感器对应的关联振动集合至工作人员,工作人员按照关联振动集合中振源的排列顺序,依次对振动传感器边侧位置的全部电网设备进行异常评估。
6.应用边缘计算的可视化人工智能巡检系统,其特征在于,所述系统包括:边缘服务模块、迭代分析模块、关联分析模块和智能巡检模块;
所述边缘服务模块,用于在电网设备边侧架构边缘服务设施,通过振动传感器监测处于边侧位置的所述电网设备的振源信号,并将振源信号转换为时间序列二维坐标数据图,对时间序列二维坐标数据图进行信号函数的拟合;
所述迭代分析模块,根据信号函数,分析振源信号之间的相关性,计算振源信号之间的相关度,通过迭代计算的方式,挑选相关度最大时对应的平移时间,和平移时间处对应的信号函数之间的振动幅值之差;
所述关联分析模块,根据平移时间和振动幅值之差,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,并根据相关稳定值确定信号函数之间的关联关系;
所述智能巡检模块,根据关联关系和相关度,计算振源信号之间的相关稳态值,统筹与反馈异常的振源信号存在关联的全部振源,按照相关稳态值从大到小的顺序,生成并输出关联振动集合。
7.根据权利要求6所述的应用边缘计算的可视化人工智能巡检系统,其特征在于:所述边缘服务模块还包括边缘服务架构单元和函数构建单元;
所述边缘服务架构单元,用于在电网设备边侧架构边缘服务设施,所述边缘服务设施包括有振动传感器,所述振动传感器用于监测处于边侧位置的所述电网设备的振源信号,将所述振源信号通过matlap软件转换为时间序列二维坐标数据图,所述时间序列二维坐标数据图中横坐标为振动发生时间,纵坐标为振动幅值;
所述函数构建单元,用于将振源信号对应的时间序列二维坐标数据图,通过matlap软件拟化成信号函数;将一个振动传感器看作一个振源,对全部的信号函数进行统计和统一编号,将任意一个信号函数标记为fi(t),其中,t表示时间序列二维坐标数据图中横坐标对应的时间自变量,fi(t)表示时间序列二维坐标数据图中纵坐标对应的随时间自变量而变化的幅值应变量,i表示信号函数的编号。
8.根据权利要求7所述的应用边缘计算的可视化人工智能巡检系统,其特征在于:所述迭代分析模块还包括相关性分析单元和迭代处理单元;
所述相关性分析单元,用于在第K个巡检周期内,统筹全部信号函数,对任意两个信号函数,分析振源信号之间的相关性,计算任意两个振源信号之间的相关度,具体计算公式如下:
Rij(K)=∫t1 t2fi(t)fj(t+T)dt,
其中,Rij(K)表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度,T为平移时间,fj(t+T)表示信号函数fj(t)平移时间T后得到的信号函数,如果T为正值,则将信号函数fj(t)向左平移,如果T为负值,则将信号函数fj(t)向右平移,j为信号函数编号,且i≠j,t1和t2分别为第K个巡检周期的起始时间和终止时间;
所述迭代处理单元,用于令T=T+1,对任意两个振源信号之间的相关度进行迭代计算,直到相关度最大时迭代停止,将最大时对应的相关度记为Rij(K)max;当迭代停止时,记录在第K个巡检周期内的相关度最大时对应的平移时间,记为Tij(K),和平移时间Tij(K)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,记为Dij(K)。
9.根据权利要求8所述的应用边缘计算的可视化人工智能巡检系统,其特征在于:所述关联分析模块还包括相关稳定性分析单元和关联关系确定单元;
所述相关稳定性分析单元,根据平移时间和振动幅值之差,对任意两个信号函数,分析振源信号之间的相关稳定性,计算任意两个振源信号之间的相关稳定值,具体计算公式如下:
RSij=ΣK=1 M-4{[Dij(K+2)-Dij(K+1)]/[Tij(K+2)-Tij(K+1)]-[Dij(K+1)-Dij(K)]/[Tij(K+1)-Tij(K)]},
其中,RSij表示信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值,Tij(K+2)和Tij(K+1)分别表示在第K+2个和第K+1个巡检周期内的相关度最大时对应的平移时间,Dij(K+2)和Dij(K+1)分别表示平移时间Tij(K+2)和平移时间Tij(K+1)处对应的信号函数fi(t)和信号函数fj(t)之间的振动幅值之差,M表示历史巡检周期总个数,M>4;
所述关联关系确定单元,用于预设相关稳定值阈值,如果信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关稳定值RSij小于等于相关稳定值阈值,则确定信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间存在关联,否则不存在关联。
10.根据权利要求9所述的应用边缘计算的可视化人工智能巡检系统,其特征在于:所述智能巡检模块还包括可视化处理单元和异常反馈单元;
所述可视化处理单元,根据关联关系和相关度,在全部历史巡检周期中,计算信号函数fi(t)和信号函数fj(t)分别对应的振源信号之间的相关度稳态值SSij=1/M×ΣK=1 MRij(K)max;统筹与信号函数fi(t)对应的振源信号之间存在关联的全部振源,并生成关联振动集合,记为FGi,所述关联振动集合中全部振源按照相关度稳态值从大到小的顺序依次排列;
所述异常反馈单元,用于在当前巡检周期内,如果发现振动传感器监测反馈异常,则发送振动传感器对应的关联振动集合至工作人员,工作人员按照关联振动集合中振源的排列顺序,依次对振动传感器边侧位置的全部电网设备进行异常评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311317224.0A CN117081260B (zh) | 2023-10-12 | 2023-10-12 | 应用边缘计算的可视化人工智能巡检系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311317224.0A CN117081260B (zh) | 2023-10-12 | 2023-10-12 | 应用边缘计算的可视化人工智能巡检系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117081260A CN117081260A (zh) | 2023-11-17 |
CN117081260B true CN117081260B (zh) | 2023-12-22 |
Family
ID=88719797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311317224.0A Active CN117081260B (zh) | 2023-10-12 | 2023-10-12 | 应用边缘计算的可视化人工智能巡检系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117081260B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015176565A1 (zh) * | 2014-05-22 | 2015-11-26 | 袁志贤 | 一种基于多维时间序列的电气设备故障预测方法 |
CN111784026A (zh) * | 2020-05-28 | 2020-10-16 | 国网信通亿力科技有限责任公司 | 基于云边端协同感知的变电站电气设备全方位体检系统 |
CN112946471A (zh) * | 2021-02-04 | 2021-06-11 | 郑州恩普特科技股份有限公司 | 一种变频电机故障监测系统 |
CN115249972A (zh) * | 2022-09-22 | 2022-10-28 | 南京江行联加智能科技有限公司 | 一种大数据下的风电场风力发电机组性能评估系统及方法 |
CN115937165A (zh) * | 2022-12-19 | 2023-04-07 | 中交公路长大桥建设国家工程研究中心有限公司 | 一种移动式螺栓松动智能检测识别方法及系统 |
CN116861544A (zh) * | 2023-09-04 | 2023-10-10 | 深圳大学 | 一种基于边云协同的建筑异常振动源定位方法及相关设备 |
-
2023
- 2023-10-12 CN CN202311317224.0A patent/CN117081260B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015176565A1 (zh) * | 2014-05-22 | 2015-11-26 | 袁志贤 | 一种基于多维时间序列的电气设备故障预测方法 |
CN111784026A (zh) * | 2020-05-28 | 2020-10-16 | 国网信通亿力科技有限责任公司 | 基于云边端协同感知的变电站电气设备全方位体检系统 |
CN112946471A (zh) * | 2021-02-04 | 2021-06-11 | 郑州恩普特科技股份有限公司 | 一种变频电机故障监测系统 |
CN115249972A (zh) * | 2022-09-22 | 2022-10-28 | 南京江行联加智能科技有限公司 | 一种大数据下的风电场风力发电机组性能评估系统及方法 |
CN115937165A (zh) * | 2022-12-19 | 2023-04-07 | 中交公路长大桥建设国家工程研究中心有限公司 | 一种移动式螺栓松动智能检测识别方法及系统 |
CN116861544A (zh) * | 2023-09-04 | 2023-10-10 | 深圳大学 | 一种基于边云协同的建筑异常振动源定位方法及相关设备 |
Non-Patent Citations (2)
Title |
---|
An Edge Computing Framework for Real-Time Monitoring in Smart Grid;Yutao Huang等;《2018 IEEE International Conference on Industrial Internet》;第99-108页 * |
边缘计算使能智慧电网;张聪 等;《大数据》;第64-76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117081260A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | Sensor fault management techniques for wireless smart sensor networks in structural health monitoring | |
CN102460529B (zh) | 装置异常监视方法以及系统 | |
US9092026B2 (en) | Remote monitoring apparatus | |
JP2013501945A (ja) | 汎用センサーの自己診断装置及びその診断方法 | |
Hashemian | Nuclear power plant instrumentation and control | |
CN103424230A (zh) | 基于超声波的阀门泄漏无线检测装置及方法 | |
CN103678881A (zh) | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 | |
CN109917022A (zh) | 一种ae网络智能传感器系统 | |
Choi et al. | Impact of power system network topology errors on real-time locational marginal price | |
CN116736375B (zh) | 基于稀疏规范变量分析的微震信号状态判识方法 | |
Povarov et al. | Data support system for controlling decentralised nuclear power industry facilities through uninterruptible condition monitoring | |
CN110987396B (zh) | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 | |
CN115296903A (zh) | 一种基于隐私计算的数据安全监管方法 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN117081260B (zh) | 应用边缘计算的可视化人工智能巡检系统及方法 | |
CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
CN113934536A (zh) | 面向边缘计算的数据采集方法 | |
CN115514099B (zh) | 电力用电安全检查系统及方法 | |
KR20150118456A (ko) | 감시 장치의 부분방전 진단 방법 | |
JP2012127774A (ja) | 腐食発生検知方法、腐食発生検知装置、および腐食発生検知システム | |
CN105913884B (zh) | 一种核电站电气贯穿件气体状态监测系统 | |
JP2014026327A (ja) | 実稼働データによる機器の状態診断装置 | |
CN103868747A (zh) | 一种基于时间序列符号化的结构损伤识别系统与识别方法 | |
Ma et al. | Wavelet transform based sensor validation | |
CN112857798A (zh) | 一种基于频谱分析的多轴系机械传动系统质量评估方法 |
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 |