CN117889121B - 一种液压油缸辅助锁紧装置 - Google Patents
一种液压油缸辅助锁紧装置 Download PDFInfo
- Publication number
- CN117889121B CN117889121B CN202410294713.7A CN202410294713A CN117889121B CN 117889121 B CN117889121 B CN 117889121B CN 202410294713 A CN202410294713 A CN 202410294713A CN 117889121 B CN117889121 B CN 117889121B
- Authority
- CN
- China
- Prior art keywords
- moment
- data
- trend
- time
- abnormal
- 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
- 230000002159 abnormal effect Effects 0.000 claims abstract description 153
- 230000005856 abnormality Effects 0.000 claims abstract description 126
- 238000011156 evaluation Methods 0.000 claims abstract description 125
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000012806 monitoring device Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 22
- 230000008569 process Effects 0.000 description 14
- 239000010720 hydraulic oil Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Fluid-Pressure Circuits (AREA)
Abstract
本发明涉及液压油缸辅助设备技术领域,具体涉及一种液压油缸辅助锁紧装置,包括液压油缸锁紧装置,所述液压油缸锁紧装置还包括液压油缸异常监测装置,所述液压油缸异常监测装置包括数据采集器和控制器,所述数据采集器连接所述控制器,所述数据采集器用于在设定时间段内不同时刻采集液压油缸内的压力数据;所述控制器用于对接收到的压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;通过分别对每个时刻的趋势项数据、压力数据和残差项数据进行分析,获得趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果。本发明能够使得液压油缸锁紧效果更佳。
Description
技术领域
本发明涉及液压油缸辅助设备技术领域,具体涉及一种液压油缸辅助锁紧装置。
背景技术
液压油缸是一种机械执行元件,通常用于各种工业和机械设备中,如起重机、挖掘机、冲床、注塑机等。在工业机械进行作业的时候,为了防止液压油缸的位置偏移,需要进行油缸锁紧。现有的液压油箱油缸辅助锁紧装置在进行油缸的辅助锁紧的时候,仅仅是进行单一的实现锁紧功能,而在实际应用过程中液压油缸常会出现内泄的情况。
但是液压油缸的辅助锁紧装置在工作的过程中需要承担较大的压力,并且一般持续时间较长,而油缸内泄在短时间内可能导致液压系统的意外失控,会对操作员、设备和周围环境造成安全隐患,长时间的持续内泄可能导致液压系统各个部件的损坏。因此,在进行液压油缸锁紧工作的过程中进行内泄异常监测具有重要意义。
现有方法通过对液压油缸内的压力数据进行STL分解获得残差项,进而对残差项进行异常检测获得液压油缸内泄异常监测结果,该方法并未考虑原始的压力数据的持续变化情况,同时也未考虑趋势项的分布情况,即仅考虑残差项的异常情况考虑因素较为单一,使得异常检测结果较不准确,进而导致锁紧效果较差。
发明内容
为了解决现有方法的异常检测结果较不准确,进而导致锁紧效果较差的技术问题,本发明的目的在于提供一种液压油缸辅助锁紧装置,所采用的技术方案具体如下:
第一方面,本发明提供了一种液压油缸辅助锁紧装置,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现如下监测过程:
在设定时间段内不同时刻采集液压油缸内的压力数据,对压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;
根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度;
根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价;
根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价;
根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果。
优选地,所述根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价,具体包括:
将设定时间段内任意一个时刻记为目标时刻,根据目标时刻的和其他时刻的压力数据之间的差异的均衡情况、以及目标时刻与其他时刻之间的时间间隔得到目标时刻的数据稳定程度;
将与目标时刻的压力数据相等的压力数据记为目标时刻的参考数据,根据目标时刻的压力数据在所有压力数据中出现的次数、以及目标时刻的每两个相邻的参考数据之间的时间间隔的均值、所述数据稳定程度,得到目标时刻的第一异常评价。
优选地,所述第一异常评价的计算公式具体为:
;
其中,表示目标时刻的第一异常评价,t表示设定时间段内第t个时刻,/>表示设定时间段内包含的时刻的总数量,/>表示第t个时刻的压力数据,/>表示除第t个时刻之外的第r个时刻的压力数据,/>表示第t个时刻与第t个时刻之外的第r个时刻之间的时间间隔,/>表示目标时刻的每两个相邻的参考数据之间的时间间隔的均值,/>表示目标时刻的压力数据在所有压力数据中出现的次数,exp( )表示以自然常数e为底的指数函数,/>为数据稳定程度。
优选地,所述根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价,具体包括:
将与目标时刻相邻的上一个时刻记为第一相邻时刻,将与目标时刻相邻的下一个时刻记为第二相邻时刻;
计算目标时刻与第一相邻时刻的残差项数据之间的差异得到第一差异,计算目标时刻与第二相邻时刻的残差项数据之间的差异得到第二差异;将所述第一差异和第二差异之间的均值与设定时间段内所有时刻的残差项数据的方差之间的比值,作为目标时刻的残差特征程度;
根据目标时刻的数据稳定程度和残差特征程度得到选定时刻的第二异常评价;所述数据稳定程度和残差特征程度均与第二异常评价之间呈正相关关系。
优选地,所述根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度,具体包括:
计算设定时间段内所有时刻的趋势项数据的均值记为特征趋势数据,将每个时刻的趋势项数据与特征趋势数据之间的差值作为每个时刻的趋势差异评价;
将每个时刻与设定时间段内对应时刻之后每个时刻的趋势差异评价的差异分布满足预设条件的时刻构成每个时刻的持续数据段;
根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度。
优选地,所述预设条件为:将设定时间段内任意一个时刻记为选定时刻,计算选定时刻与选定时刻相邻的下一个时刻的趋势差异评价之间的比值得到选定时刻的持续评价指标;选定时刻的持续数据段内每个时刻的持续评价指标均小于0,或者均大于或等于0。
优选地,所述根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度,具体包括:
对于任意一个时刻,计算该时刻的趋势项数据与特征趋势数据之间的差值绝对值,根据该差值绝对值与对应时刻的持续数据段的时间长度得到该时刻的趋势异常程度,该差值绝对值和所述时间长度均与趋势异常程度呈正相关关系。
优选地,所述根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果,具体包括:
根据每个时刻的趋势异常程度、第一异常评价和第二异常评价,得到每个时刻的异常概率值;所述趋势异常程度、第一异常评价和第二异常评价均与异常概率值呈正相关关系;
根据每个时刻的异常概率值进行判断,获得异常监测结果。
优选地,所述根据每个时刻的异常概率值进行判断,获得异常监测结果,具体包括:
当每个时刻的异常概率值大于预设的异常阈值时,异常监测结果为对应时刻出现液压油缸内泄异常;当每个时刻的异常概率值小于或等于预设的异常阈值时,异常监测结果为对应时刻未出现异常。
第二方面,本发明提供了一种液压油缸辅助锁紧装置,包括液压油缸锁紧装置,所述液压油缸锁紧装置还包括液压油缸异常监测装置,所述液压油缸异常监测装置包括数据采集器和控制器,所述数据采集器连接所述控制器,所述数据采集器用于在设定时间段内不同时刻采集液压油缸内的压力数据;
所述控制器用于对接收到的压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;
根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度;
根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价;
根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价;
根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果。
本发明实施例至少具有如下有益效果:
本发明的装置所实现的数据处理过程首先对采集到的压力数据进行STL分解获得趋势项数据和残差项数据,为后续能够结合原始的压力数据、趋势项和残差项对液压油缸的异常情况进行分析提供数据基础。第一方面,先对设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况进行分析,获得的趋势异常程度充分考虑了每个时刻的趋势项数据的数据趋势分布和趋势持续性,从液压油缸内泄时数据趋势分布特征方面初步反映了每个时刻的异常情况。然后,第二方面,对设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况进行分析,得到第一异常评价,该评价充分考虑每个时刻原始采集的压力数据的分布差异情况,结合液压油缸内泄时压力数据变化特征,表征每个时刻存在异常的可能性。进一步的,第三方面,对每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异进行分析,得到第二差异评价,该评价充分考虑每个时刻的残差项的分布差异情况,结合液压油缸内泄时意外数据特征,表征了每个时刻受意外因素影响的可能性大小,进一步反映了数据异常情况。最后,结合三个方面以及三种特征因素,对异常情况进行监测,考虑因素较为全面,使得异常监测结果较为准确,进而能够使得液压油缸锁紧效果更佳。
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是本发明提供的一种液压油缸辅助锁紧装置中控制器的数据处理过程的流程示意图;
图2是发明实施例提供的液压油缸内的压力数据的信号分布图;
图3是本发明实施例提供的残差项数据分布图;
图4是本发明实施例提供的趋势项数据分布图;
图5是本发明实施例提供的季节项数据分布图。
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液压油缸辅助锁紧装置,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。
一种液压油缸辅助锁紧装置实施例一:
本实施例提供一种液压油缸辅助锁紧装置,包括液压油缸锁紧装置,可以理解的是,锁紧装置为常见的液压油缸锁紧装置,用于辅助液压油缸的锁紧固定工作,例如,申请号为CN202021679768.3,发明名称为“一种新型旋转液压油缸固定装置”公开的液压油缸固定装置可以作为液压油缸锁紧装置。
液压油缸锁紧装置还包括液压油缸异常监测装置,所述液压油缸异常监测装置包括数据采集器和控制器,其中,数据采集器为常规的传感器,所述数据采集器用于在设定时间段内不同时刻采集液压油缸内的压力数据。在本实施例中,将设定时间段的时间长度设置为30分钟,将设定时间段内相邻两个时刻之间的时间间隔设置为30秒,实施者可根据具体实施场景进行设置。如图2示出了本发明实施例中设定时间段内每个时刻的液压油缸内的压力数据对应的信号分布图,图2中横坐标表示时刻,纵坐标表示压力数据的信号幅值。
控制器可以为CPU、MCU、FPGA等数据处理芯片,或者如电脑主机等数据处理设备。所述数据采集器连接所述控制器,两者可以通过数据传输线路实现有线连接,也可以通过蓝牙、WiFi等无线通信方式实现无线连接。另外,数据采集器和控制器还可以集成化设置,构成一个集数据采集和数据处理功能于一体的设备。
数据采集器连接所述控制器,数据采集器将采集到的压力数据输出至控制器,如图1为一种液压油缸辅助锁紧装置中控制器的数据处理过程的流程示意图。
步骤一,对所述压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度。
在实际中,液压油缸正常的工作过程中,利用辅助锁紧装置进行位置锁紧时,可能会随着液压油缸的工作推进使得压力数据产生一定的变化,在这个过程中压力的持续变化可能会导致锁紧装置发生负荷进而使得液压油缸出现内泄异常现象,因此,本实施例通过对液压油缸内的压力数据进行STL分解,基于分解获得的每个时刻的趋势项数据和残差项数据进行特征分析。
需要说明的是,对数据进行STL分解的方法为公知技术,在此不再过多介绍。在其他实施例中,为了便于对时序数据进行STL分解操作,实施者还可以先对设定时间段内的压力数据进行曲线拟合,对拟合后的数据进行STL分解操作,可以获得每个时刻对应的残差项数据和趋势项数据。
如图3示出了本实施例压力数据经过STL分解操作获得的残差项数据分布图,图3中纵坐标表示每个时刻对应的残差的数值;图4示出了本实施例压力数据经过STL分解操作获得的趋势项数据分布图,图4中纵坐标表示每个时刻对应的趋势的数值;图5示出了本实施例压力数据经过STL分解操作获得的季节项数据分布图,图5中纵坐标表示每个时刻对应的季节性成分的数值;图3、图4和图5中的横坐标均表示时刻。
在液压油缸的辅助紧锁装置进行工作的时候,内泄是一个持续性的,长久的稳定的过程中,当某一个时刻的趋势项数据对应的持续衰减性越大时,说明从该时刻开始已经有一定的概率发生了液压油缸的内泄现象,此外,也有可能是液压油缸正在以一个稳定且持续的压力进行对外输出。
基于此,可以先对每个时刻的趋势项数据的数据趋势持续情况以及稳定情况进行分析,即根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度。
首先,计算设定时间段内所有时刻的趋势项数据的均值记为特征趋势数据,将每个时刻的趋势项数据与特征趋势数据之间的差值作为每个时刻的趋势差异评价。其中,特征趋势数据表征了设定时间段内趋势项数据的整体均衡情况。当每个时刻的趋势差异评价大于0时,每个时刻的趋势项数据大于设定时间段内的趋势项的整体分布情况,趋势差异评价的取值越大,说明每个时刻的趋势项数据越大,且与整体分布之间的差异越大。当每个时刻的趋势差异评价小于0时,每个时刻的趋势项数据小于设定时间段内的趋势项的整体分布情况,趋势项差异评价的取值越小,说明每个时刻的趋势项数据越小,且与整体分布之间的差异越大。
然后,将每个时刻与设定时间段内对应时刻之后每个时刻的趋势差异评价的差异分布满足预设条件的时刻构成每个时刻的持续数据段。具体地,所述预设条件为:将设定时间段内任意一个时刻记为选定时刻,计算选定时刻与选定时刻相邻的下一个时刻的趋势差异评价之间的比值得到选定时刻的持续评价指标;选定时刻的持续数据段内每个时刻的持续评价指标均小于0,或者均大于或等于0。
可以理解的是,从选定时刻开始连续的一个时间段内每个时刻的持续评价指标均小于0时,说明在连续的一个时间段内每个时刻与该时刻相邻的下一个时刻之间的趋势项数据具有相同的变化趋势,属于递减趋势。同理,从选定时刻开始连续的一个时间段内每个时刻的持续评价指标均大于或等于0时,说明在连续的一个时间段内每个时刻与该时刻相邻的下一个时刻之间的趋势项数据也具有相同的变化趋势,属于递增趋势。基于此,选定时刻的持续数据段可以表征从选定时刻开始具有相同的数据变化趋势的趋势项数据所在时间段。
进一步的,根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度。具体地,对于任意一个时刻,计算该时刻的趋势项数据与特征趋势数据之间的差值绝对值,根据该差值绝对值与对应时刻的持续数据段的时间长度得到该时刻的趋势异常程度,该差值绝对值和所述时间长度均与趋势异常程度呈正相关关系。
在本实施例中,以设定时间段内的第t个时刻为例进行说明,则第t个时刻的趋势异常程度的计算公式可以表示为:
;
其中,表示第t个时刻的趋势异常程度,/>表示第t个时刻的持续数据段的时间长度,/>表示第t个时刻的趋势项数据;/>表示设定时间段内所有时刻的趋势项数据的均值,即特征趋势数据,exp( )表示以自然常数e为底的指数函数。
反映了第t个时刻与设定时间段内趋势项整体之间的差异情况,该差异越大,说明第t个时刻的趋势项数据的偏离程度越大,进而说明第t个时刻的数据存在异常的可能性越大,对应的趋势异常程度的取值越大。
同时的取值越大,说明与第t个时刻具有相同变化趋势的数据越多,进而说明从第t个时刻对应的液压油缸内的压力趋势属于较为稳定的变化趋势,同时第t个时刻的趋势项数据的偏离程度也较大时,对应的趋势异常程度的取值越大,说明第t个时刻存在趋势异常的可能性越大。这是由于趋于正常工作状态的液压油缸内的压力数据的变化较大,表现在趋势项数据中趋势变化较为频繁,处于较长时间且较大程度的趋势变化的时刻则可能是出现了异常情况。
每个时刻的趋势异常程度结合了趋势项数据与整体之间的差异情况,同时考虑了每个时刻的趋势变化持续时间长度,反映了每个时刻的压力数据存在趋势异常的可能性程度。
步骤二,根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价。
每个时刻的趋势异常程度反映了每个时刻的趋势项数据的偏离程度以及趋势持续情况,趋势异常程度越大,说明对应时刻的压力数据偏离整体的程度越大,且该压力数据的变化趋势持续了较长较为稳定的一段时间。但是考虑到在液压油缸正常运行时,也可能存在持续一定时间的稳定压力的情况,故每个时刻的趋势异常程度并不能较为准确的表示液压油缸内泄的异常描述,进而可以结合每个时刻的原始采集的压力数据的差异分布,以及每个时刻的残差项数据的差异分布,共同对每个时刻的压力数据可能存在液压油缸内泄异常情况的程度进行评价。
首先,对设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况进行分析,得到每个时刻的第一异常评价。考虑到液压油缸存在正常且稳定的输出的情况,本实施例结合每个时刻与其他时刻之间的压力数据的差异分布情况量化液压油缸压力的稳定性情况。同时,在设定时间段内所有压力数据中某个时刻的压力数据出现的次数越多,并且相邻的数据之间的平均时间间隔越小,说明相同的压力数据较为频繁的出现,可能是正常的压力数据在短时间内较为频繁的变化,进而说明对应时刻越可能是正常的趋势变化。
基于此,将设定时间段内任意一个时刻记为目标时刻,根据目标时刻的和其他时刻的压力数据之间的差异的均衡情况、以及目标时刻与其他时刻之间的时间间隔得到目标时刻的数据稳定程度;将与目标时刻的压力数据相等的压力数据记为目标时刻的参考数据,根据目标时刻的压力数据在所有压力数据中出现的次数、以及目标时刻的每两个相邻的参考数据之间的时间间隔的均值、所述数据稳定程度,得到目标时刻的第一异常评价。
在本实施例中,将第t个时刻作为目标时刻,则目标时刻的第一异常评价的计算公式可以表示为:
;
其中,表示目标时刻的第一异常评价,t表示设定时间段内第t个时刻,/>表示设定时间段内包含的时刻的总数量,/>表示第t个时刻的压力数据,/>表示除第t个时刻之外的第r个时刻的压力数据,/>表示第t个时刻与第t个时刻之外的第r个时刻之间的时间间隔,/>表示目标时刻的每两个相邻的参考数据之间的时间间隔的均值,/>表示目标时刻的压力数据在所有压力数据中出现的次数,exp( )表示以自然常数e为底的指数函数,/>为数据稳定程度。
表示了与第t个时刻的压力数据相等的数据之间的平均时间间隔,/>反映了与第t个时刻的压力数据相等的压力数据的数据量,该平均时间间隔越小,数据量越大,说明相同的数据在短时间内较不频繁的变化,进而第t个时刻的压力数据稳定变化的趋势越可能是液压油缸内正常运行时的稳定变化趋势,对应的第一异常评价的取值越小。该平均时间间隔越大,数据量越小,说明相同的数据在短时间内变化较少,相对变化时间间隔较长,进而说明第t个时刻的压力数据的变化趋势的异常可能性越大,对应的第一异常评价的取值越大。
反映了第t个时刻的压力数据和其他时刻的压力数据之间的差异情况,/>反映第t个时刻和其他时刻在时序上的距离,当第t个时刻与其他时刻在时序上的距离越近时,对应的压力数据之间的差异情况的参考价值越高,同时对应的压力数据之间的差异情况越小,说明第t个时刻的压力数据的稳定性越大,对应的数据稳定程度取值越大。
数据稳定程度反映了第t个时刻的压力数据的稳定情况,该取值越大,对应的第t个时刻的压力数据的稳定性越好,持续性越高,对应的第一异常评价的取值越大。第一异常评价从每个时刻的原始采集到的压力数据的分布情况以及稳定性情况方面反映了每个时刻的压力数据的异常程度。
步骤三,根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价。
在液压油缸运行的过程中,每个时刻对应的残差项数据不一定相同,而残差项数据表示在进行液压油缸锁紧操作过程中的意外影响因素,在本实施中可以描述为液压油缸锁紧操作过程中的压力正常变化以及液压油缸辅助锁紧装置操作时发生了内泄异常现象。通过每个时刻与相邻时刻之间的残差项数据的差异情况与全局残差波动进行比较,对每个时刻的残差特征进行量化,当某个时刻的残差特征越大,说明对应时刻受到意外影响的可能性越大,进而发生内泄的可能性也就越大。同时,结合原始采集的压力数据的稳定性情况对液压油缸的内泄异常情况进行评价。
基于此,根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价。
具体地,将与目标时刻相邻的上一个时刻记为第一相邻时刻,将与目标时刻相邻的下一个时刻记为第二相邻时刻;计算目标时刻与第一相邻时刻的残差项数据之间的差异得到第一差异,计算目标时刻与第二相邻时刻的残差项数据之间的差异得到第二差异;将所述第一差异和第二差异之间的均值与设定时间段内所有时刻的残差项数据的方差之间的比值,作为目标时刻的残差特征程度;根据目标时刻的数据稳定程度和残差特征程度得到选定时刻的第二异常评价;所述数据稳定程度和残差特征程度均与第二异常评价之间呈正相关关系。
在本实施例中,将第t个时刻作为目标时刻,则目标时刻的第二异常评价的计算公式可以表示为:
;
其中,表示目标时刻的第二异常评价,t表示第t个时刻,/>表示第t个时刻的残差项数据;/>表示第t-1个时刻的残差项数据,也表示第一相邻时刻的残差项数据;表示第t+1个时刻的残差项数据,也表示第二相邻时刻的残差项数据;/>表示设定时间段内所有时刻的残差项数据的方差,/>表示第t个时刻的数据稳定程度,exp( )表示以自然常数e为底的指数函数。
为第一差异,/>为第二差异,第一差异和第二差异均反映了第t个时刻的残差项数据和目标时刻相邻的时刻的残差项数据之间的差异情况,进而反映了第t个时刻的压力数据在相邻时刻之间的局部残差波动情况。为第t个时刻的残差特征程度,反映了第t个时刻在相邻时刻的残差波动情况与全局残差波动情况之间的差异性,残差特征程度的取值越大,说明第t个时刻的压力数据的残差特征越明显,进而说明第t个时刻的压力数据受到意外因素影响的可能性越大,对应的第二异常评价的取值越大,说明第t个时刻的压力数据存在异常的可能性越大。
当第t个时刻的残差特征程度的取值越大,同时第t个时刻具有较大数据稳定程度,说明第t个时刻的温度且持续的数据变化趋势,越不可能是由于正常波动导致的,进而对应的第二异常评价的取值越大,说明第t个时刻的压力数据存在异常的可能性越大。
第二异常评价考虑了每个时刻的残差项数据的波动情况,同时结合每个时刻原始采集到的压力数据的稳定性情况,对每个时刻的压力数据存在液压油缸内泄异常的可能性进行评价。
步骤四,根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果。
趋势异常程度初步分析趋势项数据与整体之间的差异情况,同时考虑了每个时刻的趋势变化持续时间长度,并且初步的反映了每个时刻的压力数据存在趋势异常的可能性程度。第一异常评价考虑了每个时刻的原始的压力数据的分布差异情况,第二异常评价考虑了每个时刻的残差项数据的分布差异情况,并结合压力数据的稳定性分布情况,对每个时刻的压力数据的内泄异常情况进行进一步的评价。
基于此,可以通过结合每个时刻的所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果。具体地,首先根据每个时刻的趋势异常程度、第一异常评价和第二异常评价,得到每个时刻的异常概率值;所述趋势异常程度、第一异常评价和第二异常评价均与异常概率值呈正相关关系。
在本实施例中,将每个时刻的趋势异常程度、第一异常评价和第二异常评价的乘积的归一化值,作为每个时刻的异常概率值。趋势异常程度取值越大,第一异常评价的取值越大,第二异常评价的取值越大,说明对应时刻的趋势变化持续性大,稳定性大,具有的残差特征越多,对应压力数据存在异常的可能性越大,异常概率值的取值就越大。利用异常概率值表征了每个时刻下液压油缸出现内泄异常的可能性大小。
进一步的,可以根据每个时刻的异常概率值进行判断,获得异常监测结果。具体地,当每个时刻的异常概率值大于预设的异常阈值时,异常监测结果为对应时刻出现液压油缸内泄异常;当每个时刻的异常概率值小于或等于预设的异常阈值时,异常监测结果为对应时刻未出现异常。
在本实施例值,异常阈值的取值为0.5,实施者可根据具体实施场景进行设置。由于异常概率值的取值为归一化的数值,故异常阈值的取值为(0,1),当异常阈值的取值越接近于1时,说明对液压油缸内泄异常进行监测的标准较为严格,当异常阈值的取值越接近于0时,说明对液压油缸内泄异常进行监测的标准较为宽松。
当异常概率值大于0.5时,说明对应时刻的液压油缸出现内泄异常的可能性较大,需要提醒相关工作人员对液压油缸做进一步的检查,可以停止对当前的液压油缸的锁紧操作。当异常概率值小于或等于0.5时,说明对应时刻的液压油缸出现内泄异常的可能性较小,则不需要进行相应的处理,可以继续进行液压油缸的锁紧操作。
一种液压油缸辅助锁紧装置实施例二:
本实施例提供一种液压油缸辅助锁紧装置,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现如下监测过程:
在设定时间段内不同时刻采集液压油缸内的压力数据,对压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;
根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度;
根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价;
根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价;
根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果。
因此,本实施例提供的一种液压油缸辅助锁紧装置本质上是一种处理器设备,由内部的数据处理过程实现,由于数据处理过程在上述一种液压油缸辅助锁紧装置实施例一中已经做出了详细的描述,在此不再过多赘述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (2)
1.一种液压油缸辅助锁紧装置,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现如下监测过程:
在设定时间段内不同时刻采集液压油缸内的压力数据,对压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;
根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度;
根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价;
根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价;
根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果;
所述根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价,具体包括:
将设定时间段内任意一个时刻记为目标时刻,根据目标时刻的和其他时刻的压力数据之间的差异的均衡情况、以及目标时刻与其他时刻之间的时间间隔得到目标时刻的数据稳定程度;
将与目标时刻的压力数据相等的压力数据记为目标时刻的参考数据,根据目标时刻的压力数据在所有压力数据中出现的次数、以及目标时刻的每两个相邻的参考数据之间的时间间隔的均值、所述数据稳定程度,得到目标时刻的第一异常评价;
所述第一异常评价的计算公式具体为:
;
其中,表示目标时刻的第一异常评价,t表示设定时间段内第t个时刻,/>表示设定时间段内包含的时刻的总数量,/>表示第t个时刻的压力数据,/>表示除第t个时刻之外的第r个时刻的压力数据,/>表示第t个时刻与第t个时刻之外的第r个时刻之间的时间间隔,/>表示目标时刻的每两个相邻的参考数据之间的时间间隔的均值,/>表示目标时刻的压力数据在所有压力数据中出现的次数,exp( )表示以自然常数e为底的指数函数,为数据稳定程度;
所述根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价,具体包括:
将与目标时刻相邻的上一个时刻记为第一相邻时刻,将与目标时刻相邻的下一个时刻记为第二相邻时刻;
计算目标时刻与第一相邻时刻的残差项数据之间的差异得到第一差异,计算目标时刻与第二相邻时刻的残差项数据之间的差异得到第二差异;将所述第一差异和第二差异之间的均值与设定时间段内所有时刻的残差项数据的方差之间的比值,作为目标时刻的残差特征程度;
根据目标时刻的数据稳定程度和残差特征程度得到选定时刻的第二异常评价;所述数据稳定程度和残差特征程度均与第二异常评价之间呈正相关关系;
所述根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度,具体包括:
计算设定时间段内所有时刻的趋势项数据的均值记为特征趋势数据,将每个时刻的趋势项数据与特征趋势数据之间的差值作为每个时刻的趋势差异评价;
将每个时刻与设定时间段内对应时刻之后每个时刻的趋势差异评价的差异分布满足预设条件的时刻构成每个时刻的持续数据段;
根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度;
所述预设条件为:将设定时间段内任意一个时刻记为选定时刻,计算选定时刻与选定时刻相邻的下一个时刻的趋势差异评价之间的比值得到选定时刻的持续评价指标;选定时刻的持续数据段内每个时刻的持续评价指标均小于0,或者均大于或等于0;
所述根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度,具体包括:
对于任意一个时刻,计算该时刻的趋势项数据与特征趋势数据之间的差值绝对值,根据该差值绝对值与对应时刻的持续数据段的时间长度得到该时刻的趋势异常程度,该差值绝对值和所述时间长度均与趋势异常程度呈正相关关系;
所述根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果,具体包括:
根据每个时刻的趋势异常程度、第一异常评价和第二异常评价,得到每个时刻的异常概率值;所述趋势异常程度、第一异常评价和第二异常评价均与异常概率值呈正相关关系;
根据每个时刻的异常概率值进行判断,获得异常监测结果;
所述根据每个时刻的异常概率值进行判断,获得异常监测结果,具体包括:
当每个时刻的异常概率值大于预设的异常阈值时,异常监测结果为对应时刻出现液压油缸内泄异常;当每个时刻的异常概率值小于或等于预设的异常阈值时,异常监测结果为对应时刻未出现异常。
2.一种液压油缸辅助锁紧装置,包括液压油缸锁紧装置,其特征在于,所述液压油缸锁紧装置还包括液压油缸异常监测装置,所述液压油缸异常监测装置包括数据采集器和控制器,所述数据采集器连接所述控制器,所述数据采集器用于在设定时间段内不同时刻采集液压油缸内的压力数据;
所述控制器用于对接收到的压力数据进行STL分解得到每个时刻的趋势项数据和残差项数据;
根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度;
根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价;
根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价;
根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果;
所述根据设定时间段内每个时刻和其他时刻的压力数据之间的差异、以及每个时刻的压力数据的分布情况,得到每个时刻的第一异常评价,具体包括:
将设定时间段内任意一个时刻记为目标时刻,根据目标时刻的和其他时刻的压力数据之间的差异的均衡情况、以及目标时刻与其他时刻之间的时间间隔得到目标时刻的数据稳定程度;
将与目标时刻的压力数据相等的压力数据记为目标时刻的参考数据,根据目标时刻的压力数据在所有压力数据中出现的次数、以及目标时刻的每两个相邻的参考数据之间的时间间隔的均值、所述数据稳定程度,得到目标时刻的第一异常评价;
所述第一异常评价的计算公式具体为:
;
其中,表示目标时刻的第一异常评价,t表示设定时间段内第t个时刻,/>表示设定时间段内包含的时刻的总数量,/>表示第t个时刻的压力数据,/>表示除第t个时刻之外的第r个时刻的压力数据,/>表示第t个时刻与第t个时刻之外的第r个时刻之间的时间间隔,/>表示目标时刻的每两个相邻的参考数据之间的时间间隔的均值,/>表示目标时刻的压力数据在所有压力数据中出现的次数,exp( )表示以自然常数e为底的指数函数,为数据稳定程度;
所述根据设定时间段内每个时刻与相邻时刻的残差项数据之间的差异、设定时间段内整体残差项数据的波动情况、以及每个时刻和其他时刻的压力数据之间的差异,得到每个时刻的第二异常评价,具体包括:
将与目标时刻相邻的上一个时刻记为第一相邻时刻,将与目标时刻相邻的下一个时刻记为第二相邻时刻;
计算目标时刻与第一相邻时刻的残差项数据之间的差异得到第一差异,计算目标时刻与第二相邻时刻的残差项数据之间的差异得到第二差异;将所述第一差异和第二差异之间的均值与设定时间段内所有时刻的残差项数据的方差之间的比值,作为目标时刻的残差特征程度;
根据目标时刻的数据稳定程度和残差特征程度得到选定时刻的第二异常评价;所述数据稳定程度和残差特征程度均与第二异常评价之间呈正相关关系;
所述根据设定时间段内每个时刻的趋势项数据与设定时间段内整体趋势项数据之间的差异情况、以及每个时刻的趋势项数据的趋势持续情况,得到每个时刻的趋势异常程度,具体包括:
计算设定时间段内所有时刻的趋势项数据的均值记为特征趋势数据,将每个时刻的趋势项数据与特征趋势数据之间的差值作为每个时刻的趋势差异评价;
将每个时刻与设定时间段内对应时刻之后每个时刻的趋势差异评价的差异分布满足预设条件的时刻构成每个时刻的持续数据段;
根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度;
所述预设条件为:将设定时间段内任意一个时刻记为选定时刻,计算选定时刻与选定时刻相邻的下一个时刻的趋势差异评价之间的比值得到选定时刻的持续评价指标;选定时刻的持续数据段内每个时刻的持续评价指标均小于0,或者均大于或等于0;
所述根据每个时刻的趋势项数据与特征趋势数据之间的差异、以及所述持续数据段的时间长度得到每个时刻的趋势异常程度,具体包括:
对于任意一个时刻,计算该时刻的趋势项数据与特征趋势数据之间的差值绝对值,根据该差值绝对值与对应时刻的持续数据段的时间长度得到该时刻的趋势异常程度,该差值绝对值和所述时间长度均与趋势异常程度呈正相关关系;
所述根据所述趋势异常程度、第一异常评价和第二异常评价,对每个时刻的压力数据的异常情况进行监测获得异常监测结果,具体包括:
根据每个时刻的趋势异常程度、第一异常评价和第二异常评价,得到每个时刻的异常概率值;所述趋势异常程度、第一异常评价和第二异常评价均与异常概率值呈正相关关系;
根据每个时刻的异常概率值进行判断,获得异常监测结果;
所述根据每个时刻的异常概率值进行判断,获得异常监测结果,具体包括:
当每个时刻的异常概率值大于预设的异常阈值时,异常监测结果为对应时刻出现液压油缸内泄异常;当每个时刻的异常概率值小于或等于预设的异常阈值时,异常监测结果为对应时刻未出现异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410294713.7A CN117889121B (zh) | 2024-03-15 | 2024-03-15 | 一种液压油缸辅助锁紧装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410294713.7A CN117889121B (zh) | 2024-03-15 | 2024-03-15 | 一种液压油缸辅助锁紧装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117889121A CN117889121A (zh) | 2024-04-16 |
CN117889121B true CN117889121B (zh) | 2024-05-31 |
Family
ID=90647729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410294713.7A Active CN117889121B (zh) | 2024-03-15 | 2024-03-15 | 一种液压油缸辅助锁紧装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117889121B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN213206172U (zh) * | 2020-08-13 | 2021-05-14 | 常德市嘉惠液压机械有限公司 | 一种新型旋转液压油缸固定装置 |
CN115994248A (zh) * | 2023-03-24 | 2023-04-21 | 青岛精锐机械制造有限公司 | 阀门故障的数据检测方法及系统 |
CN116070163A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市特安电子有限公司 | 一种室内有害气体浓度异常监测数据处理方法 |
CN116269291A (zh) * | 2023-05-26 | 2023-06-23 | 深圳市魔样科技有限公司 | 基于人工智能的智能手表监测系统及方法 |
CN116464691A (zh) * | 2022-01-12 | 2023-07-21 | 上海宝信软件股份有限公司 | 适用于液压漏油的监测方法和系统、设备、介质 |
CN116702081A (zh) * | 2023-08-07 | 2023-09-05 | 西安格蒂电力有限公司 | 基于人工智能的配电设备智能巡检方法 |
CN116804412A (zh) * | 2023-08-22 | 2023-09-26 | 济宁鲁威液压科技股份有限公司 | 一种液压系统的监测数据处理方法 |
-
2024
- 2024-03-15 CN CN202410294713.7A patent/CN117889121B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN213206172U (zh) * | 2020-08-13 | 2021-05-14 | 常德市嘉惠液压机械有限公司 | 一种新型旋转液压油缸固定装置 |
CN116464691A (zh) * | 2022-01-12 | 2023-07-21 | 上海宝信软件股份有限公司 | 适用于液压漏油的监测方法和系统、设备、介质 |
CN116070163A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市特安电子有限公司 | 一种室内有害气体浓度异常监测数据处理方法 |
CN115994248A (zh) * | 2023-03-24 | 2023-04-21 | 青岛精锐机械制造有限公司 | 阀门故障的数据检测方法及系统 |
CN116269291A (zh) * | 2023-05-26 | 2023-06-23 | 深圳市魔样科技有限公司 | 基于人工智能的智能手表监测系统及方法 |
CN116702081A (zh) * | 2023-08-07 | 2023-09-05 | 西安格蒂电力有限公司 | 基于人工智能的配电设备智能巡检方法 |
CN116804412A (zh) * | 2023-08-22 | 2023-09-26 | 济宁鲁威液压科技股份有限公司 | 一种液压系统的监测数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117889121A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10496466B2 (en) | Preprocessor of abnormality sign diagnosing device and processing method of the same | |
RU2576588C2 (ru) | Обнаружение ухудшения характеристик датчика, реализованное в передатчике | |
CN103558955B (zh) | 基于多对象多状态显示器的多对象状态监测方法及系统 | |
CN114167838B (zh) | 一种伺服系统多尺度健康评估与故障预测方法 | |
CN102789676B (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
CN109725220B (zh) | 一种变压器油冷却回路的检测方法、系统及装置 | |
CN117708748B (zh) | 一种用于离心风机的运行监测系统及方法 | |
CN112710474B (zh) | 一种基于实时振动数据的柴油机状态评估方法 | |
CN110457979A (zh) | 基于张量Tucker分解模糊控制的柴油机故障诊断方法 | |
CN116881673B (zh) | 基于大数据分析的盾构机运维方法 | |
WO2023190234A1 (ja) | 高炉の異常判定装置、高炉の異常判定方法、高炉の操業方法、高炉の操業システム、高炉の異常判定サーバ装置、高炉の異常判定サーバ装置のプログラム、及び表示端末装置 | |
CN111855219A (zh) | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 | |
JP3333494B2 (ja) | 装置の異常診断方法 | |
CN105629959A (zh) | 一种工业过程故障检测方法 | |
CN117889121B (zh) | 一种液压油缸辅助锁紧装置 | |
CN117401578B (zh) | 一种起重量称量信号智能管理系统 | |
CN116523722A (zh) | 一种具备机器学习能力的环境监测分析系统 | |
CN113376562B (zh) | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 | |
CN109427110A (zh) | 一种诊断机械设备的方法 | |
CN114118720A (zh) | 一种核电厂循环水泵运行状态综合评价方法、装置及电子设备和存储介质 | |
KR20160039078A (ko) | 발전소 배관 운전신호 분석 방법 | |
CN117665572B (zh) | 一种同步电机转子导条状态评估方法及系统 | |
CN118090078B (zh) | 一种闭式循环水冷系统渗漏在线监测方法 | |
CN115539378B (zh) | 一种汽车生产线液压齿轮泵故障诊断方法、装置及介质 | |
CN111980900B (zh) | 一种基于多源数据融合分析的水泵故障诊断方法 |
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 |