一种工业过程稳态检测方法、系统、介质、设备及终端

    公开(公告)号:CN115951652A

    公开(公告)日:2023-04-11

    申请号:CN202211683998.0

    申请日:2022-12-27

    Abstract: 本发明属于工业稳态检测技术领域,公开了一种工业过程稳态检测方法、系统、介质、设备及终端,采用高斯滤波器对目标序列进行滤波处理;对滤波后的目标序列计算一阶差分,通过差分值反映数据变化的方向和程度;采用高斯混合模型对差分值序列进行建模,得到目标参数在稳态下的波动标准差的估计值;采用CUSUM控制图进行煤电机组工业过程时序数据的稳态判别检测。本发明基于大量历史过程数据,从全局角度估计出目标工况参数在稳态下的波动标准差,且历史数据量越大,该方法鲁棒性越强。对比结果显示,本发明的自适应CUSUM控制图工业过程稳态检测方法有更好的效果,能对持续时间段的稳态序列进行检测,更加适合运行工况频繁切换的场景。

    煤电机组过程数据清洗方法、系统、介质、设备及终端

    公开(公告)号:CN115422177A

    公开(公告)日:2022-12-02

    申请号:CN202211071014.3

    申请日:2022-09-02

    Abstract: 本发明属于数据处理技术领域,公开了一种煤电机组过程数据清洗方法、系统、介质、设备及终端,利用SIS历史数据库接口获取历史数据;基于分段箱形图进行奇异值处理;基于经验累积分布函数进行卡滞值处理;基于样条插值进行缺失值处理。本发明通过获取历史数据、奇异值处理、卡滞值处理以及缺失值处理,得到目标参数的有效过程数据,实现煤电机组过程数据的清洗。本发明针对从电站SIS系统获取煤电机组运行过程数据时出现的奇异值、卡滞值和缺失值三种错误情况,基于数理统计方法和样条插值方法设计了一套错误数据清洗流程,获得了机组运行有效过程数据,提高了煤电机组数据的准确性和可靠性,解决了煤电机组运行过程数据中的错误值问题。

    一种工业过程稳态检测方法、系统、介质、设备及终端

    公开(公告)号:CN115951652B

    公开(公告)日:2025-05-16

    申请号:CN202211683998.0

    申请日:2022-12-27

    Abstract: 本发明属于工业稳态检测技术领域,公开了一种工业过程稳态检测方法、系统、介质、设备及终端,采用高斯滤波器对目标序列进行滤波处理;对滤波后的目标序列计算一阶差分,通过差分值反映数据变化的方向和程度;采用高斯混合模型对差分值序列进行建模,得到目标参数在稳态下的波动标准差的估计值;采用CUSUM控制图进行煤电机组工业过程时序数据的稳态判别检测。本发明基于大量历史过程数据,从全局角度估计出目标工况参数在稳态下的波动标准差,且历史数据量越大,该方法鲁棒性越强。对比结果显示,本发明的自适应CUSUM控制图工业过程稳态检测方法有更好的效果,能对持续时间段的稳态序列进行检测,更加适合运行工况频繁切换的场景。

    风力机塔架螺栓松动的报警系统、报警方法、报警装置

    公开(公告)号:CN112990665A

    公开(公告)日:2021-06-18

    申请号:CN202110202018.X

    申请日:2021-02-23

    Abstract: 本发明属于螺栓松动实时监测技术领域,公开了一种风力机塔架螺栓松动的报警系统、报警方法、报警装置,信号转换模块将因螺栓松动产生的电阻变化量,转化成电流或电压信号;信号采集模块采集转换后的电流或电压信号,并进行编码;信号传输模块将采集的编码后的电流或电压信号传输至信号接收模块;信号接收模块接收传输的编码后的电流或电压信号,并进行解码;分析判断模块分析解码得到松动的螺栓的数量;并判断松动的螺栓的数量是否超出预设阈值;报警模块,当松动的螺栓的数量超出预设阈值时发送报警信号进行报警。本发明可以实现对螺栓松动的自动检测,节省了大量人力物力,检测精度高,完善和发展了螺栓松动检测系统。

    一种旋转机械故障判别方法、计算机设备及存储介质

    公开(公告)号:CN115293192A

    公开(公告)日:2022-11-04

    申请号:CN202210706797.1

    申请日:2022-06-21

    Abstract: 本发明属于旋转机械故障诊断技术领域,公开了一种旋转机械故障判别方法、计算机设备及存储介质,所述基于时序深度融合网络的旋转机械故障判别方法包括采用时频域分析方法和滑动平移窗口方法对旋转机械的振动信号进行处理,得到所述振动信号对应的处理结果,并采用训练好的卷积神经网络对所述处理结果中的故障特征进行分析,得到所述旋转机械的故障信息。本发明采用训练好的卷积神经网络对其中的故障特征进行分析,进而得到所述旋转机械的故障诊断,有助于实现旋转机械实时智能的故障诊断。

Patent Agency Ranking