-
公开(公告)号：CN114693023A
公开(公告)日：2022-07-01
申请号：CN202011586676.5
申请日：2020-12-29
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种设备点检系统及其操作方法，用于工厂的厂区和车间内的设备点检，包括点检管理系统、电子标签和个人终端，所述电子标签和个人终端均通过无线网络连入管理系统中，所述管理系统包括数据库和数据处理模块；其优点在于，提供了一种设备点检的规范和安全方法，通过点检计划的推送和点检区域签到，验证点检位置，提供详细的点检计划，提高设备点检的规范性和准确性。
-
公开(公告)号：CN117914799A
公开(公告)日：2024-04-19
申请号：CN202410034232.2
申请日：2024-01-10
Applicant: 江苏金恒信息科技股份有限公司 , 南京钢铁股份有限公司
Abstract: 本申请提供一种物联设备数据批量采集转发方法及系统，所述方法包括：根据下游设备获取原始采集点位列表；基于原始采集点位列表，将原始采集点位列表拆分为包含多个子列表的重组采集列表；将多个子列表中满足第一规则的子列表剔除，获取下游设备的第一实时数据，提取第一实时数据中，由转发点位列表中的采集点位获取的实时数据，并剔除实时数据中非转发点位获取的实时数据生成第二实时数据，将第二实时数据进行组包生成数据包并转发至上游系统，以解决目前物联网需要大量的数据进行采集转发时，逐地址采集会造成下游硬件设备的负载压力较大，从而导致设备运行效率降低；同时，数据发送至上游设备时，又会造成云端服务器的负载压力过大问题。
-
公开(公告)号：CN114760332A
公开(公告)日：2022-07-15
申请号：CN202011592787.7
申请日：2020-12-29
Applicant: 江苏金恒信息科技股份有限公司
IPC: H04L67/12 , H04L43/0876 , G07C3/00 , G06Q10/00
Abstract: 一种高效的设备监测分析方法，用于厂区的管理系统，包括以下步骤：不同设备按照功能进行分类和编号，并将同类设备接入同一个局域网的局域网服务器，将所有局域网服务器接入数据总网服务器，统一分类；统计设备与数据局域网之间的数据交换量；筛选出数据交换量与数据库内数据差异较大的设备，作为疑似故障设备；检查疑似故障设备，判断故障原因，发送到数据总网服务器；筛选运行相关的所有设备的编号；检测终端筛查故障；将设备故障信息反馈到数据总网，其优点在于，通过对设备的各项信息，以及设备的运行状态进行实时的监控，及时发现设备运行的情况，能够及时发现并处理运行状态异常的设备，对异常设备进行及时的检修，提高工作效率。
-
公开(公告)号：CN120067798A
公开(公告)日：2025-05-30
申请号：CN202510128906.X
申请日：2025-01-27
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06F18/241 , G01M13/00 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N20/00
Abstract: 本申请提供一种基于故障模拟实验平台的故障诊断方法，根据所诊断机械设备建立故障模拟实验平台；采集所述故障模拟实验平台的振动数据；所述振动数据为正常状态与故障状态下的运行振动数据序列；根据状态类别标注所述振动数据，以获得标注序列；对所述振动数据进行阶次分析，并基于故障机理计算特征指标；计算所述振动数据的均方根值并对所述特征指标进行标准化，以获得标准化特征指标；将所述标准化特征指标和所述标注序列划分成训练集与测试集，以对有监督的机器学习分类模型进行训练；根据从所诊断机械设备中采集的真实数据和训练完成的机器学习分类模型预测所诊断机械设备故障，以解决无法提高预测准确性和鲁棒性的问题。
-
公开(公告)号：CN117911009A
公开(公告)日：2024-04-19
申请号：CN202410308739.2
申请日：2024-03-19
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种基于XGBoost算法的设备故障预警方法及系统，涉及设备预警监测技术领域，预警方法包括获取目标检测设备的历史运行数据；根据历史运行数据进行基于XGBoost算法的报警模型训练，得到报警模型和健康指标；对健康指标进行自适应平滑计算，得到报警阈值；当运行数据超过报警阈值时，对目标检测设备进行预报警，并计算预报警的次数，当预报警的次数大于预设次数时，对目标检测设备进行正式报警；对目标检测设备进行现场检测，得到检查结果，检查结果用于报警标记或二次报警模型训练。本申请通过上述方案解决因对设备的运行状态进行检测时，工况变化引起的误报警、漏报警，和异常冲击引起的误报警，实现整个报警流程闭环。
-
Patent Agency Ranking
公开(公告)号：CN117309386A
公开(公告)日：2023-12-29
申请号：CN202311066708.2
申请日：2023-08-22
Applicant: 江苏金恒信息科技股份有限公司
IPC: G01M13/028 , G06F18/213 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/088
Abstract: 本申请提供一种故障预测方法与系统。所述方法获取目标检测设备的时间序列数据，时间序列数据包括目标检测设备的振动信号。并基于卷积神经网络提取所述时间序列数据的特征信息。将时间序列数据输入至故障预测模型可以得到故障预测信息。对时间序列数据分类可以增强时间序列数据与单类故障之间的关系，并且可以根据所述关系选择用于预测这类故障的模型，进而实现通过时间序列数据，根据特征信息可以形成设备运行趋势预测，进而有利于识别出新型故障。
-
公开(公告)号：CN117911009B
公开(公告)日：2024-06-11
申请号：CN202410308739.2
申请日：2024-03-19
Applicant: 江苏金恒信息科技股份有限公司
Abstract: 本申请提供一种基于XGBoost算法的设备故障预警方法及系统，涉及设备预警监测技术领域，预警方法包括获取目标检测设备的历史运行数据；根据历史运行数据进行基于XGBoost算法的报警模型训练，得到报警模型和健康指标；对健康指标进行自适应平滑计算，得到报警阈值；当运行数据超过报警阈值时，对目标检测设备进行预报警，并计算预报警的次数，当预报警的次数大于预设次数时，对目标检测设备进行正式报警；对目标检测设备进行现场检测，得到检查结果，检查结果用于报警标记或二次报警模型训练。本申请通过上述方案解决因对设备的运行状态进行检测时，工况变化引起的误报警、漏报警，和异常冲击引起的误报警，实现整个报警流程闭环。
-
公开(公告)号：CN117906946B
公开(公告)日：2024-05-31
申请号：CN202410316041.5
申请日：2024-03-20
Applicant: 江苏金恒信息科技股份有限公司
IPC: G01M13/021 , G01M13/028 , G08B21/18 , G06F18/2431 , G06F17/18
Abstract: 本申请提供一种基于多尺度寻峰的齿轮故障报警方法，涉及齿轮箱报警技术领域，所述报警方法包括根据多尺度寻峰算法提取出目标检测设备的振动信号的峰值序列，包括去除振动时域信号的线性趋势、确定多尺度寻峰算法的最大窗口宽度、构建尺度矩阵和提取峰值序列；根据所述峰值序列提取出对应所述目标检测设备的关键特征，所述关键特征包括峰值能量和峰值频率；根据所述关键特征和与所述目标检测设备的所需频率的接近程度进行故障报警。本申请通过上述报警方法可以有效且准确的提取齿轮故障的故障特征，以此实现对齿轮箱故障的准确报警。
-
公开(公告)号：CN117906946A
公开(公告)日：2024-04-19
申请号：CN202410316041.5
申请日：2024-03-20
Applicant: 江苏金恒信息科技股份有限公司
IPC: G01M13/021 , G01M13/028 , G08B21/18 , G06F18/2431 , G06F17/18
Abstract: 本申请提供一种基于多尺度寻峰的齿轮故障报警方法，涉及齿轮箱报警技术领域，所述报警方法包括根据多尺度寻峰算法提取出目标检测设备的振动信号的峰值序列，包括去除振动时域信号的线性趋势、确定多尺度寻峰算法的最大窗口宽度、构建尺度矩阵和提取峰值序列；根据所述峰值序列提取出对应所述目标检测设备的关键特征，所述关键特征包括峰值能量和峰值频率；根据所述关键特征和与所述目标检测设备的所需频率的接近程度进行故障报警。本申请通过上述报警方法可以有效且准确的提取齿轮故障的故障特征，以此实现对齿轮箱故障的准确报警。
-
公开(公告)号：CN116720073A
公开(公告)日：2023-09-08
申请号：CN202311000015.3
申请日：2023-08-10
Applicant: 江苏金恒信息科技股份有限公司
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本申请提供一种基于分类器的异常检测提取方法与系统。所述方法采集目标检测设备的时间序列数据，将时间序列数据输入至分类器，以进行故障分类。分类器包括故障识别模型和故障分类模型。故障识别模型接收时间序列数据，可以得到待分类时间序列数据。故障分类模型接收待分类时间序列数据与目标检测设备的历史故障数据，输出目标检测设备的故障类型。基于机器学习的过程，通过故障识别模型和故障分类模型组成分类器，可以根据采集得到的时间序列数据先后提取故障信号以及故障信号关联的故障类型，缓解非线性数据不易提取特征的问题，提高故障类型识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
