CN117553975A - 一种换热设备疏水阀门检漏判断评估方法 - Google Patents
一种换热设备疏水阀门检漏判断评估方法 Download PDFInfo
- Publication number
- CN117553975A CN117553975A CN202311359483.XA CN202311359483A CN117553975A CN 117553975 A CN117553975 A CN 117553975A CN 202311359483 A CN202311359483 A CN 202311359483A CN 117553975 A CN117553975 A CN 117553975A
- Authority
- CN
- China
- Prior art keywords
- valve
- drain valve
- temperature
- data
- hydrophobic
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 title claims abstract description 12
- 230000002209 hydrophobic effect Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/002—Investigating fluid-tightness of structures by using thermal means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
-
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种基于数据驱动和机理分析的换热设备疏水阀门检漏判断评估方法,该方法借助热电机组SIS系统保存的大量历史运行数据,对各不同疏水阀门后管道温度数据进行记录,进而建立不同时段温度阈值区间和变化趋势,据此对疏水阀门的泄露情况进行评估判断。本发明是基于数据和机理融合的在线实时疏水阀门泄漏检测方法,无需新增额外的硬件设备,能够通过计算参数间蕴含的机理关系,对疏水阀门泄漏情况进行常态化评估,为生产运营人员或管理人员判断阀门状态提供指导。
Description
技术领域
本发明属于热电厂换热设备疏水阀门检漏领域,涉及一种基于数据驱动和机理分析的换热设备疏水阀门检漏判断评估方法。
背景技术
热力发电厂借助工质实现热工转换,为保证工质的流动采用了大量管道阀门。若阀门密封性存在问题,运行过程中出现泄漏等情况,一方面会对机组运行经济性造成较大的影响,另一方面可能危及设备和系统的安全。根据有关部门统计,每年电厂因阀门泄露造成的经济损失在千万吨标煤以上,为提高电厂运行效率,需对阀门泄漏情况进行检测评估。
目前主流的阀门检漏方式主要包括:声波检测、红外检测、示踪检测和压力检测等,但以上方式在电厂实际应用过程中总存在一定的局限性。声波检测在电厂运行环境中会受到噪音干扰,测量准确性存在问题,一般用于定性检测;红外检测在面对电厂大量高温高压工质运行工况下,也难以及时发现泄露问题;示踪检测会对电厂工质的品质造成影响,且无法适应电厂常态化检测需求;压力检测面对电厂管路支线复杂的情况,会产生压力曲线非正常变化,导致对阀门泄露情况的误判断。部分学者通过对阀门设计的改造使阀门能够实现自动检漏,但存在电厂阀门数量多难以更换,且改造阀门难以适应电厂工质运行环境等问题。
发明内容
本发明是为了检测换热设备疏水阀门泄漏情况,通过数据和机理融合的方式,建模确定多个疏水阀关闭后管壁温度和设定时间内管壁温降的正常波动区间,确保能够准确对阀门泄漏情况进行判断评估。
为了达到上述目的,本发明提供的技术方案如下:
一种换热设备疏水阀门检漏判断评估方法,包括以下步骤:
(1)获取原始数据样本:从热电机组SIS数据库中按设定时间间隔获取历史运行数据,记为原始数据样本D;所述历史运行数据包括各疏水阀门状态和疏水阀门后管壁温度;
(2)数据筛选:对原始数据样本D进行数据筛选,获得各疏水阀门关闭状态后疏水阀门后管壁温度,筛选后的样本记为D1;
(3)确定温度记录时间,获得记录数据样本:按固定时间间隔设定多个疏水阀门关闭后的记录时间,对应不同的记录时间对样本D1中的疏水阀门关闭后温度数据进行记录,记录数据样本记为D2;
(4)数据预处理:对样本D2中疏水阀门关闭后不同记录时间的管壁温度数据,根据拉依达准则,剔除粗大误差,处理后的样本记为CD;
(5)计算温降数据:对样本CD中相邻的记录时间点疏水阀门后管壁温度间差值进行计算,获得各疏水阀门后管壁温度在各设定时间内的温降数据样本CD1;
(6)确定温度波动区间
6.1计算不同记录时间段疏水阀门后管壁温度波动区间:将样本CD、CD1中的参数,疏水阀门状态、疏水阀门关闭后不同记录时间疏水阀门后管壁温度、相邻记录时间点疏水阀门后管壁温度在设定的固定时间间隔内的温降进行拼接组合并作为样本,输出结果记为T;对样本T中疏水阀门关闭后不同记录时间疏水阀门后管壁温度上下限进行计算,给出合理的疏水阀门关闭后不同记录时间疏水阀门后管壁温度波动区间记为区间J1;
(7)判断疏水阀门是否存在泄漏
7.1采集DCS运行的实时数据,判断各疏水阀门是否关闭,若阀门关闭则在对应记录时间记录阀门后管壁温度,将对应时间的阀门后管壁温度与区间J1进行比较:若判断结果未超限,则认为疏水阀门未泄漏;若判断结果超限,则认为疏水阀门有泄漏的可能。
本发明依据机理并基于历史数据确定疏水阀门后关闭温度在疏水阀门关闭后的合理波动范围,对疏水阀门泄漏进行初步判断,为生产经营或管理人员提供指导。
进一步的,步骤(6)中确定温度波动区间还包括:
6.2计算相邻记录时间点疏水阀门后管壁温度在该对应的间隔时间内的温降预测结果与实测值之间差值的波动区间:对样本T中相邻的记录时间点疏水阀门后管壁温度在对应的间隔时间内的温降和各相邻记录时间中开始时间点疏水阀门后管壁温度采用最小二乘法拟合两者关系,获得两者回归曲线,建立趋势预测模型,根据回归曲线计算的拟合结果与实际温度变化量的差值,计算差值的上下限,给出合理的波动区间记为J2;
步骤(7)判断疏水阀门是否存在泄漏还包括:
7.2采集DCS运行的实时数据,计算相邻记录时间点疏水阀门后管壁温度在对应的间隔时间内的温降,同时将各相邻记录时间中开始时间点的疏水阀门后管壁温度分别输入趋势预测模型,输出疏水阀门后管壁温度在该间隔时间内的温降,与实际值做差,将计算结果与区间J2进行比较:若判断结果未超限,则认为疏水阀门未泄漏;若判断结果超限,且步骤7.1的判断结果也超限,则认为疏水阀门存在泄漏。
本发明通过确定疏水阀门后管壁温度在设定的固定间隔时间内的温降预测结果与实测值之间差值的合理波动区间,对疏水阀门泄漏进行进一步判断,更加准确。
进一步地,步骤(1)中,历史数据为跨度一年的疏水阀门状态和疏水阀门后管壁温度的时序历史数据,取数间隔为1min。
进一步地,步骤(2)中,判断疏水阀门泄漏情况,需根据阀门关闭后,管壁温度变化情况评估,去除阀门未关闭状态数据。
进一步地,步骤(3)中,设定疏水阀门关闭后温度记录时间,因取数间隔为1min且管壁外侧有保温层,散热速度慢,记录时间需设定合理,且设定多个。本发明优选疏水阀门关闭后按60min的时间间隔作为记录时间,如疏水阀门关闭后0min、60min、120min、180min、240min、300min、360min。
进一步地,步骤(3)中,设定多个疏水阀门关闭后温度记录时间后,以疏水阀门关闭时间为行标签,记录时间为列标签,疏水阀门后管壁温度为数据,建立表格型样本D2。
进一步地,步骤(4)中,根据拉依达准则,对样本D2计算处理得到标准偏差,根据概率确定区间,对于误差值大于给定区间的数据进行剔除舍弃。同时多个时间点的疏水阀门后管壁温度进行标准差计算,并对参数出现粗大误差的数据进行舍弃。
进一步地,步骤(5)中,仅将相邻记录时间构成的时间段内,记录时间较早的疏水阀门后管壁温度与记录时间较晚的疏水阀门后管壁温度做差。
进一步地,步骤6.1中,所述的拼接是将CD、CD1根据疏水阀门关闭时间进行矩阵拼接,并非对应元素相加。
进一步地,步骤6.2中,最小二乘法拟合回归趋势模型,以记录时间较早的疏水阀门后管壁温度为输入量,疏水阀门后管壁温度在设定时间内的温降为输出值。
进一步地,步骤7.1中,对于实际运行过程中的参数,当且仅当对应疏水阀门关闭后,设定记录时间点疏水阀门后管壁温度均被记录时,开始判断。
进一步地,步骤7.2中,将计算结果分别与J1、J2的判断区间进行比较时,若判断结果为均超限,认为受热面汽水系统泄露;若判断结果为部分超限,部分未超限,认为受热面汽水系统未泄露。
本发明具有如下有益效果:
本发明是基于数据和机理融合的在线实时疏水阀门泄漏检测方法,无需新增额外的硬件设备,能够通过计算参数间蕴含的机理关系,对疏水阀门泄漏情况进行常态化评估,为生产运营人员或管理人员判断阀门状态提供指导。
附图说明
图1为本发明疏水阀门检漏判断评估方法流程图。
具体实施方式
下面结合附图对本发明作进一步的说明。
如图1,本发明为一种基于数据驱动和机理分析的换热设备疏水阀门检漏判断评估方法。
本发明评估方法主要由历史数据采样、数据分类处理、最小二乘法、回归趋势模型训练、参数运行区间、管壁温降预测、多参数运行阈值判断等核心步骤,详细流程如图1所示。以某联合循环机组中压主汽阀壳上部气动疏水阀为例,具体操作步骤如下:
1、从厂级监控信息系统(SIS)的数据库采集2022年10月9日00:00至2023年10月9日00:00的中压主汽阀壳上部气动疏水阀门状态和中压主汽阀壳上部气动疏水阀后管壁温度的历史时序数据,取数间隔为1min。
2、对数据进行筛选,仅保留中压主汽阀壳上部气动疏水阀门关闭状态下中压主汽阀壳上部气动疏水阀后管壁温度时序数据。
3、分别设定记录时间为0min、60min、120min、180min、240min、300min和360min,记录一年时间内中压主汽阀壳上部气动疏水阀门关闭状态后,距阀门关闭0min、60min、120min、180min、240min、300min和360min时中压主汽阀壳上部气动疏水阀后管壁温度数据,以疏水阀门关闭时间为行标签,设定的记录时间为列标签,疏水阀门后管壁温度为数据进行数据整理。
4、根据拉依达准则计算步骤3中所有记录时间点中压主汽阀壳上部气动疏水阀后管壁温度的标准偏差区间,记录参数出现粗大误差的时间进行舍弃。
5、用中压主汽阀壳上部气动疏水阀门关闭后0min的中压主汽阀壳上部气动疏水阀后管壁温度减去中压主汽阀壳上部气动疏水阀门关闭后60min的中压主汽阀壳上部气动疏水阀后管壁温度,获得中压主汽阀壳上部气动疏水阀后管壁温度在中压主汽阀壳上部气动疏水阀门关闭后从0min到60min时间内的温降值,同样方式计算中压主汽阀壳上部气动疏水阀后管壁温度分别在[60,120]、[120,180]、[180,240]、[240,300]、[300,360]min内的温降值。
6、将中压主汽阀壳上部气动疏水阀门状态、不同记录时间中压主汽阀壳上部气动疏水阀后管壁温度和步骤5计算获得的相邻时间段中压主汽阀壳上部气动疏水阀后管壁温度降低值进行矩阵拼接。
7、不同记录时间中压主汽阀壳上部气动疏水阀后管壁温度上下限计算。
8、根据中压主汽阀壳上部气动疏水阀门关闭后0min的中压主汽阀壳上部气动疏水阀后管壁温度t和中压主汽阀壳上部气动疏水阀后管壁温度在中压主汽阀壳上部气动疏水阀门关闭后从0min到60min时间内的温降值t,采用最小二乘法拟合两者回归曲线,以t为输入变量,以t为输出变量,同时计算拟合结果与实际温度变化量差值的上下限。采用同样方法,分别拟合对应时间管壁温度与其在[60,120]、[120,180]、[180,240]、[240,300]、[300,360]min内的温降值的回归曲线,并计算拟合结果与实际温度变化量差值的上下限。
9、对于DCS运行过程中的参数,判断中压主汽阀壳上部气动疏水阀门状态,若阀门关闭则在分别比较距中压主汽阀壳上部气动疏水阀门关闭0min、60min、120min、180min、240min、300min和360min时中压主汽阀壳上部气动疏水阀后管壁温度与对应时间中压主汽阀壳上部气动疏水阀后管壁温度上下限关系。同时根据步骤8中拟合的回归曲线计算中压主汽阀壳上部气动疏水阀后管壁温度在中压主汽阀壳上部气动疏水阀门关闭后每60min的温降值,与实际值做差后对比上下限阈值关系。若判断均超限,则判断中压主汽阀壳上部气动疏水阀门存在泄漏。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下还可以做出若干改进,这些改进也应视为本发明的保护范围。
Claims (7)
1.一种换热设备疏水阀门检漏判断评估方法,其特征在于,包括以下步骤:
(1)获取原始数据样本:从热电机组SIS数据库中按设定时间间隔获取历史运行数据,记为原始数据样本D;所述历史运行数据包括各疏水阀门状态和疏水阀门后管壁温度;
(2)数据筛选:对原始数据样本D进行数据筛选,获得各疏水阀门关闭状态后疏水阀门后管壁温度,筛选后的样本记为D1;
(3)确定温度记录时间,获得记录数据样本:按固定时间间隔设定多个疏水阀门关闭后的记录时间,对应不同的记录时间对样本D1中的疏水阀门关闭后温度数据进行记录,记录数据样本记为D2;
(4)数据预处理:对样本D2中疏水阀门关闭后不同记录时间的管壁温度数据,根据拉依达准则,剔除粗大误差,处理后的样本记为CD;
(5)计算温降数据:对样本CD中相邻的记录时间点疏水阀门后管壁温度间差值进行计算,获得各疏水阀门后管壁温度在各设定时间内的温降数据样本CD1;
(6)确定温度波动区间
(6.1)计算不同记录时间段疏水阀门后管壁温度波动区间:将样本CD、CD1中的参数,疏水阀门状态、疏水阀门关闭后不同记录时间疏水阀门后管壁温度、相邻记录时间点疏水阀门后管壁温度在设定的固定时间间隔内的温降进行拼接组合并作为样本,输出结果记为T;对样本T中疏水阀门关闭后不同记录时间疏水阀门后管壁温度上下限进行计算,给出合理的疏水阀门关闭后不同记录时间疏水阀门后管壁温度波动区间记为区间J1;
(7)判断疏水阀门是否存在泄漏
(7.1)采集DCS运行的实时数据,判断各疏水阀门是否关闭,若阀门关闭则在对应记录时间记录阀门后管壁温度,将对应时间的阀门后管壁温度与区间J1进行比较:若判断结果未超限,则认为疏水阀门未泄漏;若判断结果超限,则认为疏水阀门有泄漏的可能。
2.根据权利要求1所述的换热设备疏水阀门检漏判断评估方法,其特征在于,所述步骤(6)中确定温度波动区间还包括:
(6.2)计算相邻记录时间点疏水阀门后管壁温度在该对应的间隔时间内的温降预测结果与实测值之间差值的波动区间:对样本T中相邻的记录时间点疏水阀门后管壁温度在对应的间隔时间内的温降和各相邻记录时间中开始时间点疏水阀门后管壁温度采用最小二乘法拟合两者关系,获得两者回归曲线,建立趋势预测模型,根据回归曲线计算的拟合结果与实际温度变化量的差值,计算差值的上下限,给出合理的波动区间记为J2;
所述步骤(7)判断疏水阀门是否存在泄漏还包括:
(7.2)采集DCS运行的实时数据,计算相邻记录时间点疏水阀门后管壁温度在对应的间隔时间内的温降,同时将各相邻记录时间中开始时间点的疏水阀门后管壁温度分别输入趋势预测模型,输出疏水阀门后管壁温度在该间隔时间内的温降,与实际值做差,将计算结果与区间J2进行比较:若判断结果未超限,则认为疏水阀门未泄漏;若判断结果超限,且步骤7.1的判断结果也超限,则认为疏水阀门存在泄漏。
3.根据权利要求2所述的换热设备疏水阀门检漏判断评估方法,其特征在于,所述步骤(1)中获取的原始数据样本为跨度一年的历史运行数据,取数间隔为1min;所述步骤(3)中确定温度记录时间为从疏水阀门关闭后每间隔1小时进行数据记录。
4.根据权利要求2所述的换热设备疏水阀门检漏判断评估方法,其特征在于,所述步骤(1)中历史运行数据为疏水阀门状态和疏水阀门后管壁温度的时序历史数据。
5.根据权利要求4所述的换热设备疏水阀门检漏判断评估方法,其特征在于,所述步骤(3)中样本D2为表格型样本,以疏水阀关闭时间为行标签,记录时间为列标签,疏水阀门后管壁温度为数据。
6.根据权利要求5所述的换热设备疏水阀门检漏判断评估方法,其特征在于,所述步骤(4)中数据预处理的具体过程为:根据拉依达准则,对样本D2计算处理得到标准偏差,根据概率确定区间,对于误差值大于给定区间的数据进行剔除舍弃;同时对多个记录时间点的疏水阀门后管壁温度进行标准差计算,并对参数出现粗大误差的数据进行舍弃。
7.根据权利要求6所述的换热设备疏水阀门检漏判断评估方法,其特征在于,所述步骤6.1中样本T是将样本CD、CD11根据疏水阀门关闭时间进行矩阵拼接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311359483.XA CN117553975A (zh) | 2023-10-20 | 2023-10-20 | 一种换热设备疏水阀门检漏判断评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311359483.XA CN117553975A (zh) | 2023-10-20 | 2023-10-20 | 一种换热设备疏水阀门检漏判断评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117553975A true CN117553975A (zh) | 2024-02-13 |
Family
ID=89813636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311359483.XA Pending CN117553975A (zh) | 2023-10-20 | 2023-10-20 | 一种换热设备疏水阀门检漏判断评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117553975A (zh) |
-
2023
- 2023-10-20 CN CN202311359483.XA patent/CN117553975A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8116990B2 (en) | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display | |
EP3055747B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
CN102985211B (zh) | 用于检查焊接点的质量的方法 | |
CN109186813A (zh) | 一种温度传感器自检装置及方法 | |
CN110779745B (zh) | 一种基于bp神经网络的换热器早期故障诊断方法 | |
CA2604118C (en) | A system and method for real-time prognostics analysis and residual life assessment of machine components | |
CN109710983B (zh) | 一种基于关键性能指标的柴油机气缸分层故障诊断方法 | |
EP3055746B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
CN107562696B (zh) | 轮胎产品质量在线检测与控制方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN103775832A (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
CN115440400A (zh) | 一种核电站反应堆压力容器的监测方法及系统 | |
CN113987908A (zh) | 基于机器学习方法的天然气管网泄漏预警方法 | |
CN109299201B (zh) | 基于两阶段聚类的电厂生产子系统异常监测方法及装置 | |
Feng et al. | Gas turbine blade fracturing fault diagnosis based on broadband casing vibration | |
CN117553975A (zh) | 一种换热设备疏水阀门检漏判断评估方法 | |
CN116822352A (zh) | 基于grnn神经网络的井下防水密闭墙工况预测方法及系统 | |
CN113836813B (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
KR102561062B1 (ko) | 원전의 감시 시스템 및 방법 | |
Wang et al. | Developing and Implementing an AI-Based Leak Detection System in a Long-Distance Gas Pipeline | |
CN117889943B (zh) | 基于机器学习的气体超声波流量计检验方法及系统 | |
EP3640751A1 (en) | Apparatus for gas analysis and emission prediction | |
CN116738859B (zh) | 一种铜管在线无损寿命评估方法及系统 | |
CN219349644U (zh) | 一种集各类型pH表于一体的维修教学实验台架 | |
CN117554218B (zh) | 直馏沥青浇筑式钢桥面复合梁试件疲劳试验装置及方法 |
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 |