CN111947920A - 一种基于威布尔分布的设备故障诊断方法 - Google Patents
一种基于威布尔分布的设备故障诊断方法 Download PDFInfo
- Publication number
- CN111947920A CN111947920A CN202010738810.2A CN202010738810A CN111947920A CN 111947920 A CN111947920 A CN 111947920A CN 202010738810 A CN202010738810 A CN 202010738810A CN 111947920 A CN111947920 A CN 111947920A
- Authority
- CN
- China
- Prior art keywords
- data
- pressure
- period
- failure
- weibull distribution
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000001125 extrusion Methods 0.000 claims description 13
- 238000005299 abrasion Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000008034 disappearance Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000013480 data collection Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000012821 model calculation Methods 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/027—Test-benches with force-applying means, e.g. loading of drive shafts along several directions
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及设备齿轮故障预测诊断技术领域，具体为一种基于威布尔分布的设备故障诊断方法，包括步骤一：失效数据采集；步骤二：平均值计算；步骤三：数据集合；步骤四：模型建立；步骤五：工作数据采集；步骤六：数据分析；步骤七：故障预测诊断，有益效果为：本发明通过设置威布尔分布模型，从而利用数据分析计算，建立了失效形式与压力变化分布之间的对应模型，从而对齿轮的失效形式进行预测和诊断，从而便于及时做出连接位置的调节和维护，大大提高了齿轮的使用寿命；通过设置不同周期的数据集合，从而使得数据的采集更加准确，通过计算平均值代表齿轮各齿牙的数据，从而真实准确的反应压力的变化，使得模型计算后得出的结果更加准确科学。
Description
技术领域
本发明涉及设备齿轮故障预测诊断技术领域，具体为一种基于威布尔分布的设备故障诊断方法。
背景技术
威布尔分布在可靠性工程中被广泛应用，尤其适用于机电类产品的磨损累计失效的分布形式。由于它可以利用概率值很容易地推断出它的分布参数，被广泛应用于各种寿命试验的数据处理。
现有的齿轮传动设备中，由于齿轮之间的啮合挤压，极容易造成齿轮连接的失效，而齿轮的失效对设备内部的损伤较大，失效的形式主要为磨损、挤压变形和断裂，对应齿牙之间的压力变化为逐渐减小、逐渐增大和压力消失。
为此提供一种基于威布尔分布的设备故障诊断方法，以解决对齿轮转动之间的故障预测和诊断问题。
发明内容
本发明的目的在于提供一种基于威布尔分布的设备故障诊断方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于威布尔分布的设备故障诊断方法，该设备故障诊断方法包含以下步骤：
步骤一：失效数据采集，将多组已失效的设备齿轮压力数据进行标号采集，并按照失效的形式：磨损、变形和断裂三种方式进行分组，采集得到第一周期压力数据；
步骤二：平均值计算，对步骤一中三组的不同失效故障形式的压力数据进行计算分析，按照第二周期的时间标准得到该周期内压力的平均值；
步骤三：数据集合，将步骤二中得到的平均值随周期的叠加放入数据集合中，并将数据集合转化为曲线图；
步骤四：模型建立，将步骤三中得到的数据集合代入威布尔分布模型中，通过计算分析输出压力变化分布对应的最大概率范围，从而将概率范围与失效形式一一对应；
步骤五：工作数据采集，通过压力传感器对正在工作的一对设备齿轮进行压力数据采集，调取齿轮的压力采集数据，并按照步骤二和步骤三中的计算方式得到齿轮周期压力平均值变化曲线图；
步骤六：数据分析，将步骤五中计算得到的数据集合代入威布尔分布模型中进行计算，从而得出压力变化的模型；
步骤七：故障预测诊断，根据步骤六中得到的压力变化模型对比步骤四中建立的变化概率分布，输出对应的失效形式，从而对工作的齿轮进行故障预测诊断，并通过步骤五中的得到的变化曲线图分析变化的趋势，预测失效的时间。
优选的，步骤一中所述第一周期时间为转动齿轮之间单个齿牙从接触、啮合到转动分离的时间长度，第一周期时间内通过压力传感器采集得到啮合时单一的挤压压力数据。
优选的，步骤二中所述第二周期时间长度为齿轮啮合一圈的时间，第二周期时间内得到与齿牙数相同数量的挤压压力数据值，所述平均值为第二周期内挤压压力的叠加和除以齿牙数得到的数值。
优选的，步骤三中所述数据集合包括多组连续的第二周期时间段得到的压力平均值集合，所述曲线图的相邻数据节点的时间为第二周期的时长。
优选的，步骤四中所述压力变化的形式为逐渐减小、逐渐增大和压力消失，将多组数据中压力变化的形式与失效形式相对应，得出压力变化分布概率与失效形式的对应模型。
优选的，步骤五中所述压力数据为一对检测齿轮已工作时间段的采集数据，且压力数据包括第一周期压力数据和第二周期压力集合。
与现有技术相比，本发明的有益效果是：
1.本发明通过设置威布尔分布模型，从而利用数据分析计算，建立了失效形式与压力变化分布之间的对应模型，从而便于通过现有正在工作的齿轮啮合压力数据，对齿轮的失效形式进行预测和诊断，从而便于及时做出连接位置的调节和维护，大大提高了齿轮的使用寿命；
2.本发明通过设置不同周期的数据集合，从而使得数据的采集更加准确，通过计算平均值代表齿轮各齿牙的数据，从而真实准确的反应压力的变化，使得模型计算后得出的结果更加准确科学。
附图说明
图1为本发明的诊断方法系统图；
图2为本发明的诊断方法流程图。
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。
请参阅图1至图2，本发明提供一种技术方案：
一种基于威布尔分布的设备故障诊断方法，该设备故障诊断方法包含以下步骤：
步骤一：失效数据采集，将多组已失效的设备齿轮压力数据进行标号采集，并按照失效的形式：磨损、变形和断裂三种方式进行分组，采集得到第一周期压力数据，第一周期时间为转动齿轮之间单个齿牙从接触、啮合到转动分离的时间长度，第一周期时间内通过压力传感器采集得到啮合时单一的挤压压力数据；
步骤二：平均值计算，对步骤一中三组的不同失效故障形式的压力数据进行计算分析，按照第二周期的时间标准得到该周期内压力的平均值，第二周期时间长度为齿轮啮合一圈的时间，第二周期时间内得到与齿牙数相同数量的挤压压力数据值，平均值为第二周期内挤压压力的叠加和除以齿牙数得到的数值；
步骤三：数据集合，将步骤二中得到的平均值随周期的叠加放入数据集合中，并将数据集合转化为曲线图，数据集合包括多组连续的第二周期时间段得到的压力平均值集合，曲线图的相邻数据节点的时间为第二周期的时长；
步骤四：模型建立，将步骤三中得到的数据集合代入威布尔分布模型中，通过计算分析输出压力变化分布对应的最大概率范围，从而将概率范围与失效形式一一对应，压力变化的形式为逐渐减小、逐渐增大和压力消失，将多组数据中压力变化的形式与失效形式相对应，得出压力变化分布概率与失效形式的对应模型；
步骤五：工作数据采集，通过压力传感器对正在工作的一对设备齿轮进行压力数据采集，压力数据为一对检测齿轮已工作时间段的采集数据，且压力数据包括第一周期压力数据和第二周期压力集合，调取齿轮的压力采集数据，并按照步骤二和步骤三中的计算方式得到齿轮周期压力平均值变化曲线图；
步骤六：数据分析，将步骤五中计算得到的数据集合代入威布尔分布模型中进行计算，从而得出压力变化的模型；
步骤七：故障预测诊断，根据步骤六中得到的压力变化模型对比步骤四中建立的变化概率分布，输出对应的失效形式，从而对工作的齿轮进行故障预测诊断，并通过步骤五中的得到的变化曲线图分析变化的趋势，预测失效的时间。
工作原理：首先将多组已失效的设备齿轮压力数据进行标号采集，并按照失效的形式：磨损、变形和断裂三种方式进行分组，转动齿轮之间单个齿牙从接触、啮合到转动分离的时间长度设置为第一周期，在第一周期时间内通过压力传感器采集得到啮合时单一的挤压压力数据，从而得到第一周期数据。
以齿轮啮合一圈的时间作为第二周期，在第二周期的时间段内所有的第一周期数据组成第二周期数据集合，然后将第二周期内挤压压力的叠加和除以齿牙数得到的数值，作为压力数据平均值。
以第二周期时长为基准，多个周期叠加，将多个周期内的平均值作为一个数据集合，然后将数据集合代入威布尔分布模型中，通过计算分析输出压力变化分布对应的最大概率范围，从而将概率范围与失效形式一一对应，压力变化的形式为逐渐减小、逐渐增大和压力消失，将多组数据中压力变化的形式与失效形式相对应，得出压力变化分布概率与失效形式的对应模型。
采集工作状态下齿轮已工作时间内的第一周期数据，然后通过平均值计算和数据集合得到工作齿轮的数据集合，将该数据集合代入威布尔分布模型中进行计算，从而得出压力变化的模型，将压力变化模型对比建立的变化概率分布，输出对应的失效形式，从而对工作的齿轮进行故障预测诊断，并通过步骤五中的得到的变化曲线图分析变化的趋势，预测失效的时间。
其中压力传感器和数据计算、统计等技术，均为现有的成熟技术，不做详述。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于威布尔分布的设备故障诊断方法，其特征在于：该设备故障诊断方法包含以下步骤：
步骤一：失效数据采集，将多组已失效的设备齿轮压力数据进行标号采集，并按照失效的形式：磨损、变形和断裂三种方式进行分组，采集得到第一周期压力数据；
步骤二：平均值计算，对步骤一中三组的不同失效故障形式的压力数据进行计算分析，按照第二周期的时间标准得到该周期内压力的平均值；
步骤三：数据集合，将步骤二中得到的平均值随周期的叠加放入数据集合中，并将数据集合转化为曲线图；
步骤四：模型建立，将步骤三中得到的数据集合代入威布尔分布模型中，通过计算分析输出压力变化分布对应的最大概率范围，从而将概率范围与失效形式一一对应；
步骤五：工作数据采集，通过压力传感器对正在工作的一对设备齿轮进行压力数据采集，调取齿轮的压力采集数据，并按照步骤二和步骤三中的计算方式得到齿轮周期压力平均值变化曲线图；
步骤六：数据分析，将步骤五中计算得到的数据集合代入威布尔分布模型中进行计算，从而得出压力变化的模型；
步骤七：故障预测诊断，根据步骤六中得到的压力变化模型对比步骤四中建立的变化概率分布，输出对应的失效形式，从而对工作的齿轮进行故障预测诊断，并通过步骤五中的得到的变化曲线图分析变化的趋势，预测失效的时间。
2.根据权利要求1所述的一种基于威布尔分布的设备故障诊断方法，其特征在于：步骤一中所述第一周期时间为转动齿轮之间单个齿牙从接触、啮合到转动分离的时间长度，第一周期时间内通过压力传感器采集得到啮合时单一的挤压压力数据。
3.根据权利要求1所述的一种基于威布尔分布的设备故障诊断方法，其特征在于：步骤二中所述第二周期时间长度为齿轮啮合一圈的时间，第二周期时间内得到与齿牙数相同数量的挤压压力数据值，所述平均值为第二周期内挤压压力的叠加和除以齿牙数得到的数值。
4.根据权利要求1所述的一种基于威布尔分布的设备故障诊断方法，其特征在于：步骤三中所述数据集合包括多组连续的第二周期时间段得到的压力平均值集合，所述曲线图的相邻数据节点的时间为第二周期的时长。
5.根据权利要求1所述的一种基于威布尔分布的设备故障诊断方法，其特征在于：步骤四中所述压力变化的形式为逐渐减小、逐渐增大和压力消失，将多组数据中压力变化的形式与失效形式相对应，得出压力变化分布概率与失效形式的对应模型。
6.根据权利要求1所述的一种基于威布尔分布的设备故障诊断方法，其特征在于：步骤五中所述压力数据为一对检测齿轮已工作时间段的采集数据，且压力数据包括第一周期压力数据和第二周期压力集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010738810.2A CN111947920B (zh) | 2020-07-28 | 2020-07-28 | 一种基于威布尔分布的设备故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010738810.2A CN111947920B (zh) | 2020-07-28 | 2020-07-28 | 一种基于威布尔分布的设备故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111947920A true CN111947920A (zh) | 2020-11-17 |
| CN111947920B CN111947920B (zh) | 2022-08-16 |
Family
ID=73339734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010738810.2A Expired - Fee Related CN111947920B (zh) | 2020-07-28 | 2020-07-28 | 一种基于威布尔分布的设备故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111947920B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040044499A1 (en) * | 2002-08-30 | 2004-03-04 | House Michael Brynn | Method and system for determining motor reliability |
| JP2006040203A (ja) * | 2004-07-30 | 2006-02-09 | Tokyo Gas Co Ltd | 機器診断方法及び機器診断システム |
| CN1777769A (zh) * | 2003-04-22 | 2006-05-24 | 丰田自动车株式会社 | 用于车辆用控制装置的故障诊断装置和方法 |
| CN101634589A (zh) * | 2009-08-21 | 2010-01-27 | 武汉钢铁(集团)公司 | 一种设备振动信号的处理方法 |
| KR101466623B1 (ko) * | 2014-07-09 | 2014-11-28 | 한국전력공사 | 초저주파 탄델타의 측정 데이터를 이용한 전력 케이블의 상태 진단 및 잔존 수명 측정 장치 및 그 방법 |
| CN106949056A (zh) * | 2017-05-02 | 2017-07-14 | 辽宁工程技术大学 | 一种压风机运行状态感知及故障预测系统及方法 |
| CN107247849A (zh) * | 2017-06-23 | 2017-10-13 | 杭州安脉盛智能技术有限公司 | 基于比例故障率模型优化机械系统的维护方法及系统 |
| CN107273688A (zh) * | 2017-06-16 | 2017-10-20 | 山东万腾电子科技有限公司 | 基于原始故障数据的设备寿命与健康度监控方法及系统 |
| CN108491860A (zh) * | 2018-02-24 | 2018-09-04 | 中国石油大学(北京) | 页岩气压裂装备全生命周期实时可靠性动态评估方法及装置 |
| CN108596514A (zh) * | 2018-05-11 | 2018-09-28 | 贵州电网有限责任公司 | 基于模糊遗传算法的电力设备混合威布尔可靠性建模方法 |
| CN108763654A (zh) * | 2018-05-03 | 2018-11-06 | 国网江西省电力有限公司信息通信分公司 | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 |
| CN109345041A (zh) * | 2018-11-19 | 2019-02-15 | 浙江中新电力工程建设有限公司自动化分公司 | 一种利用威布尔分布与arma结合的设备故障率预测方法 |
| CN109409028A (zh) * | 2019-01-09 | 2019-03-01 | 北京航空航天大学 | 基于确信可靠度的齿轮可靠性分析方法 |
-
2020
- 2020-07-28 CN CN202010738810.2A patent/CN111947920B/zh not_active Expired - Fee Related
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040044499A1 (en) * | 2002-08-30 | 2004-03-04 | House Michael Brynn | Method and system for determining motor reliability |
| CN1777769A (zh) * | 2003-04-22 | 2006-05-24 | 丰田自动车株式会社 | 用于车辆用控制装置的故障诊断装置和方法 |
| JP2006040203A (ja) * | 2004-07-30 | 2006-02-09 | Tokyo Gas Co Ltd | 機器診断方法及び機器診断システム |
| CN101634589A (zh) * | 2009-08-21 | 2010-01-27 | 武汉钢铁(集团)公司 | 一种设备振动信号的处理方法 |
| KR101466623B1 (ko) * | 2014-07-09 | 2014-11-28 | 한국전력공사 | 초저주파 탄델타의 측정 데이터를 이용한 전력 케이블의 상태 진단 및 잔존 수명 측정 장치 및 그 방법 |
| CN106949056A (zh) * | 2017-05-02 | 2017-07-14 | 辽宁工程技术大学 | 一种压风机运行状态感知及故障预测系统及方法 |
| CN107273688A (zh) * | 2017-06-16 | 2017-10-20 | 山东万腾电子科技有限公司 | 基于原始故障数据的设备寿命与健康度监控方法及系统 |
| CN107247849A (zh) * | 2017-06-23 | 2017-10-13 | 杭州安脉盛智能技术有限公司 | 基于比例故障率模型优化机械系统的维护方法及系统 |
| CN108491860A (zh) * | 2018-02-24 | 2018-09-04 | 中国石油大学(北京) | 页岩气压裂装备全生命周期实时可靠性动态评估方法及装置 |
| CN108763654A (zh) * | 2018-05-03 | 2018-11-06 | 国网江西省电力有限公司信息通信分公司 | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 |
| CN108596514A (zh) * | 2018-05-11 | 2018-09-28 | 贵州电网有限责任公司 | 基于模糊遗传算法的电力设备混合威布尔可靠性建模方法 |
| CN109345041A (zh) * | 2018-11-19 | 2019-02-15 | 浙江中新电力工程建设有限公司自动化分公司 | 一种利用威布尔分布与arma结合的设备故障率预测方法 |
| CN109409028A (zh) * | 2019-01-09 | 2019-03-01 | 北京航空航天大学 | 基于确信可靠度的齿轮可靠性分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| ARAMESH, M.等: "Survival life analysis applied to tool life estimation with variable cutting conditions when machining titanium metal matrix composites (Ti-MMCs)", 《MACHINING SCIENCE AND TECHNOLOGY》 * |
| 龙凯 等: "基于Hilbert变换与威布尔分布的轴承早期故障诊断", 《科学技术与工程》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111947920B (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
| CN101432611B (zh) | 状态检测装置及状态检测方法以及状态检测用程序及信息记录介质 | |
| JP7558418B2 (ja) | 機械装置又は機械部品における異常を同定するための方法及び装置 | |
| CN103134676A (zh) | 齿轮箱运行状态的在线监测预警方法 | |
| CN202732337U (zh) | 齿轮油泵齿面磨损故障诊断装置 | |
| CN112285557A (zh) | 列车牵引电机的故障诊断系统和方法 | |
| CN102682180A (zh) | 旋转式机械设备性能退化的评估方法 | |
| CN106494960A (zh) | 一种电梯运行安全监测和早期故障预警系统及方法 | |
| CN111947920B (zh) | 一种基于威布尔分布的设备故障诊断方法 | |
| CN117735373A (zh) | 自动扶梯智慧运维分析诊断预警系统 | |
| CN115062677B (zh) | 一种基于设备行为的智能故障诊断方法 | |
| CN115326393B (zh) | 一种基于温度信息的风电机组轴承对故障诊断方法 | |
| CN118468175A (zh) | 一种基于混合神经网络的球磨机故障诊断方法及系统 | |
| CN102592172A (zh) | 一种基于敏感测点数据融合的行星轮故障识别方法 | |
| CN116599821A (zh) | 一种基于深度神经网络的工业物联网数字信息传输方法 | |
| CN113723493B (zh) | 基于聚类及趋势预测的内燃机振动分析预警方法及装置 | |
| CN111695391B (zh) | 一种基于近似序列熵的滚珠轴承故障实时检测方法 | |
| CN114370998B (zh) | 一种齿轮箱齿轮故障自动诊断方法及系统 | |
| CN112525337B (zh) | 一种针对机械压力机振动监测数据预处理方法 | |
| CN115962100A (zh) | 一种风电机组状态监测系统 | |
| CN114754900A (zh) | 一种船舶主机气缸温度传感器故障诊断方法及系统 | |
| Lan et al. | SPLSTM: A Prediction Model for Operational Faults in Rotating Machinery | |
| CN117786306A (zh) | 一种基于数据中台的工业互联网数据预测方法及系统 | |
| CN115936605A (zh) | 一种舰船动力系统故障预警和管理方法及系统 | |
| CN119005939B (zh) | 基于数字孪生的企业安全生产异常预警系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220816 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |