-
公开(公告)号：CN116029420A
公开(公告)日：2023-04-28
申请号：CN202211533045.6
申请日：2022-12-01
Applicant: 航天智控(北京)监测技术有限公司
IPC: G06Q10/04 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种于S变换与CNN网络的设备寿命预测方法，属于振动信号处理技术领域，包括对装置运行时的振动信号进行实时采集，对采集的振动信号进行S转换，采用高斯窗函数进行转换，获取分析转换后的时频信号图，根据时频信号图判断扰动类型，通过s变化对不同信号扰动类型进行时频域特征提取，根据提取的时频域特征选择分类器进行训练分类，对信号扰动进行检测与判断，设置调节卷积神经网络模型的参数，使用故障诊断模型对时频信号图的数据进行分析计算和预测，根据分析计算结果得到装置的性能，本发明能根据预测结果判断装置的使用寿命，提高了训练模型的准确率，在学习新设备寿命预测上所消耗的时间减少也相对很多。
-
公开(公告)号：CN119782079A
公开(公告)日：2025-04-08
申请号：CN202411746834.7
申请日：2024-12-02
Applicant: 航天智控(北京)监测技术有限公司
Abstract: 本发明提供一种工业实时监测软件数据存储方法，包括设定数据存储策略，创建数据集合和占比值，判断实时监测数据类型并根据数值大小放入或者停止放入数据集合中，判断计时时间是否达到数据存储间隔，再根据当前存储间隔内占比值与存储达标比例，判断是否存储。本发明使用正常、预警、警告、危险四种异常等级区分报警的严重性，并为每种异常等级设定不同存储时间间隔和异常比例，达到了精准存储的目的，并且在每个时间间隔内存储的数据能够追溯到监测的最大值和最小值，更好的还原了当时时刻数据变化趋势。
-
公开(公告)号：CN119756871A
公开(公告)日：2025-04-04
申请号：CN202411906521.3
申请日：2024-12-23
Applicant: 国能北电胜利能源有限公司 , 航天智控(北京)监测技术有限公司
IPC: G01M15/04 , H05K7/14 , H05K5/02 , F16F15/067 , F02B77/08 , G01M15/02 , G01M17/007
Abstract: 本发明公开了一种矿用重型卡车发动机故障诊断设备及诊断方法，涉及矿用卡车检修领域。一种矿用重型卡车发动机故障诊断设备，包括放置箱，所述放置箱的开口端通过合页铰链转动连接有箱盖，所述箱盖上固定连接有把手，还包括：收纳盒，可升降设置在所述放置箱的内部；故障诊断仪以及配合使用的诊断仪配件，均放置在所述收纳盒内；固定杆，对称固定连接在所述箱盖的下端两侧，所述固定杆上开设有限位口；本发明可以对故障诊断仪以及配合使用的诊断仪配件进行固定，防止在移动运输时，故障诊断仪以及配合使用的诊断仪配件发生晃动，对其造成损坏，影响使用，同时还可以稳定的使箱盖固定在放置箱上，避免箱盖出现打开的风险。
-
公开(公告)号：CN119514704A
公开(公告)日：2025-02-25
申请号：CN202411522847.6
申请日：2024-10-29
Applicant: 航天智控(北京)监测技术有限公司
IPC: G06N5/048 , G01M13/00 , G01D21/02 , G08B29/26 , G08B29/18 , G08B31/00 , G06N5/045 , G06N5/047 , G06N5/025 , G06N20/00 , G06Q10/20
Abstract: 本申请实施例公开了一种基于AI数据驱动的故障诊断系统，属于设备故障诊断技术领域，包括：感知模块安装在目标设备上，对目标设备的运行信号数据进行采集，通过信号线缆将信号数据传输至监测站，监测站完成本地数据处理，再通过网线和光纤将数据传输至服务器中；分析模块根据获取的设备信号数据，进行信号数据的展示、存储、分发和建模，现场设备维护与管理人员可远程访问智能监测诊断系统，获取设备的实时运行状态；应用模块对所有监测设备进行远程数据分析及故障诊断，远程监测设备运行信号数据，数据可与大屏幕相连，实时显示设备当前状态和统计信息，本申请实施例能减少备件消耗和维修工作量，使维修费用最低，提高生产效率。
-
公开(公告)号：CN119438490A
公开(公告)日：2025-02-14
申请号：CN202411447390.7
申请日：2024-10-16
Applicant: 航天智控(北京)监测技术有限公司
Abstract: 本申请实施例公开了一种工程机械用多功能监测系统及其监测设备，属于机械监测技术领域，包括信号监测模块，用于安装在目标设备上，进行信号监测，获取多种机械信号；数据采集模块，用于对信号监测模块监测的信号进行采集和处理，进行信号转发；终端服务器，用于接收数据采集模块转发的信号数据，进行数据分析、故障诊断和结果显示，同时设有5G专网，本申请实施例能对于设备的故障和磨损做到预知和预警，避免发生非计划停机和恶性故障，造成安全事故和财产损失，经过对其振动信号波形的可视化处理，缸盖振动信号中的冲击成分以及信号的周期性特征可以用来对发动机做预测性维护，延长发动机的使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN116735203A
公开(公告)日：2023-09-12
申请号：CN202310677235.3
申请日：2023-06-08
Applicant: 航天智控(北京)监测技术有限公司
IPC: G01M13/045 , G06F18/20 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时频分析结合卷积神经网络的机械故障诊断方法，属于机械故障诊断技术领域，包括通过传感器采集发动机凸轮轴在正常运行状态下和故障运行状态下的各种振动数据，进行数据预处理，生成正常样本数据集和故障样本数据集，进行时频分析，获取设备故障发生的原因，使用时频分析后的图像对卷积神经网络进行网络模型识别训练，获取设备故障分类的结果，对传感器采集的多维度振动信号数据进行计算，结合获取设备故障分类结果和设备故障发生原因，对发动机凸轮轴的故障诊断，本发明能有效应用于发动机凸轮轴故障诊断，随时添加可识别的故障，加快学习新故障的速度，实现对发动机凸轮轴的故障诊断，节约诊断成本。
-
公开(公告)号：CN115562790A
公开(公告)日：2023-01-03
申请号：CN202211374264.4
申请日：2022-11-04
Applicant: 航天智控(北京)监测技术有限公司
Abstract: 本发明公开了一种基于Echarts的大量数据渲染处理方法及系统，属于数据图形转换技术领域，通过系统前端发送数据请求至系统后端，系统后端查询数据进行压缩并返回给系统前端，系统前端生成Echarts参数配置项，系统前端调用降采样算法，降采样算法结合参数配置项对系统后端发送的数据进行计算，生成折线图完整图形，通过系统前端对折线图完整图形进行缩放和拖拽动作，每一次操作都调用降采样算法重新分桶，进行数据采样，根据缩放和拖拽动作对折线图进行缩小、放大和移动，本发明能通过调用算法，生成折线图完整图形，图表生成后整体趋势保持，每一次缩放、拖拽动作，都将调此降采样算法，保证在有限的屏幕分辨率下流畅、精确的展示每一个点。
-
公开(公告)号：CN115496108A
公开(公告)日：2022-12-20
申请号：CN202211223483.2
申请日：2022-10-08
Applicant: 航天智控(北京)监测技术有限公司
Abstract: 本发明公开了一种基于流形学习和大数据分析的故障监测方法及系统，属于故障数据分析技术领域，包括获取历史故障信号样本，统计分析并计算历史故障信号样本的时域机理特征，生成历史信号故障特征集，提取有判别性的特征进行降维，生成历史信号故障特征子集，进行训练计算，生成故障结果分类器，使用传感器进行振动信号实时采集，获取待检测信号样本，统计分析并计算待检测信号样本的时域机理特征，生成待检测信号特征集，从待检测信号特征集中提取有判别性的特征进行降维，生成待检测信号特征子集，使用故障结果分类器进行预测判断，获取待检测信号样本的故障诊断结果，本发明能提高在线故障监测分析效果。
-
公开(公告)号：CN115470816A
公开(公告)日：2022-12-13
申请号：CN202211069403.2
申请日：2022-09-02
Applicant: 航天智控(北京)监测技术有限公司
Abstract: 本申请实施例提供一种振动信号故障诊断的优化数值积分方法及装置，方法包括：根据原始振动信号确定对应的信号趋势项并执行缓变量去除操作，得到缓变量去除操作后的振动信号；根据频域积分计算确定与所述缓变量去除操作后的振动信号对应的积分信号并进行边界效应去除操作，并在完成边界效应去除操作后确定对应的速度特征值；本申请能够有效降低对信号特征估计偏差，提高对后续故障诊断的影响。
-
公开(公告)号：CN113822257B
公开(公告)日：2022-06-07
申请号：CN202111399279.1
申请日：2021-11-24
Applicant: 航天智控(北京)监测技术有限公司
Abstract: 本发明提供一种基于无量纲特征结合虚拟样本的异常点检测方法，首先通过提取振动信号的无量纲参数降低不同设备对异常样本的影响，再通过数据标准化消除不同特征之前的尺度影响，然后通过对异常样本的支持向量应用虚拟样本技术获得一定数量的虚拟样本，提高了训练样本数量，利用支持向量机训练模型，提高训练模型的推广能力提高了分类模型的推广能力。本方法利用时域无量纲特征建模，消除不同设备振动数据的尺度影响，利用支持向量的稀疏性进行插值获取足够多虚拟样本，使插值后的样本和原有样本的保持近似一致的概率分布；基于支持向量机建立分类模型，对小样本学习具有很好的泛化性能，提高了异常振动信号识别的鲁棒性，可有效用于实时工业监测。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.042 seconds)
