CN117193273B - 一种数字能源空压站的定位溯源系统及方法 - Google Patents
一种数字能源空压站的定位溯源系统及方法 Download PDFInfo
- Publication number
- CN117193273B CN117193273B CN202311467780.6A CN202311467780A CN117193273B CN 117193273 B CN117193273 B CN 117193273B CN 202311467780 A CN202311467780 A CN 202311467780A CN 117193273 B CN117193273 B CN 117193273B
- Authority
- CN
- China
- Prior art keywords
- air compression
- information
- compression station
- model
- positioning
- 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
- 230000006835 compression Effects 0.000 title claims abstract description 81
- 238000007906 compression Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000003860 storage Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种数字能源空压站的定位溯源系统及方法，属于空压站安全监测技术领域。其中，该方法包括获取空压站现场信号，从空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，通过模糊计算得到控制信息；将控制信息转化为瞬时可靠度，建立可靠度预测模型，将控制信息输入可靠度预测模型得到机器运行状态信息；从空压站现场信号中获取定位信息，将定位信息通过数字建模得到空压站三维可视化场景；对机器运行状态信息通过故障分析得到故障警告信息，将故障警告信息与定位信息建立映射关系，通过在三维可视化场景聚焦得到故障设备的详细信息。通过三维可视化定位溯源，实现了故障设备的查询与定位，动态反映空压站设备的运行性能。
Description
技术领域
本发明属于空压站安全监测技术领域，具体涉及一种数字能源空压站的定位溯源系统及方法。
背景技术
空压站为煤矿生产、医药、纺织、电力等行业提供稳定的供气压力需求。空压站工作的安全性、稳定性和自动化程度在企业的正常生产和经济效益上起着决定性的作用，因此对空压站内设备的安全保护和主要工艺流程参数的实时监控是十分必要的。整个监控系统中外送空气主管压力的控制最为重要，充足稳定的供气压力可以保证气端设备顺畅运行，提高生产效率。目前仍存在以下待改进的地方：
由于工业领域数条流水线工作状况不同，需要处理的管件尺寸不一，对用气的需求量不同，还未同时考虑到供气设备及环境变化和生产工艺对供气压力实时性的要求。
空压站设备运行过程的状态信息不能够实时反映设备的运行性能、精度和动态特性。
（3）缺乏可视化的精细管控能力，在空压站的运行管理中，无法直观、完整地浏览、查阅各类信息。
发明内容
为解决现有技术中存在的上述问题，本发明提供了一种数字能源空压站的定位溯源方法及系统，本发明的目的可以通过以下技术方案实现：
S1：获取空压站现场信号，从所述空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，对所述偏差和所述偏差增量进行离散量化得到离散量化值，预设模糊变量区域和控制规则，根据所述所述模糊变量区域确定所述离散量化值的隶属度，通过所述隶属度和所述控制规则将所述离散量化值转换为模糊向量，将所述模糊向量进行清晰化处理得到控制信息；
S2：对所述控制信息进行周期采样得到样本数据，提取所述样本数据的状态特征，预设所述样本数据在采样周期内的状态特征指标，根据所述状态特征得到所述控制信息的瞬时可靠度，通过所述瞬时可靠度建立可靠度预测模型，将所述控制信息输入所述可靠度预测模型得到机器运行状态信息；
S3：从所述空压站现场信号中获取定位信息，将所述定位信息通过数字建模得到空压站三维可视化场景；
S4：对所述机器运行状态信息通过故障分析得到故障警告信息，将所述故障警告信息与所述定位信息建立映射关系，通过在所述三维可视化场景聚焦得到故障设备的详细信息。
具体地，所述步骤S1包括如下步骤：
S101：预设基本论域，根据所述基本论域计算得到偏差量化值和偏差增量量化值，计算公式为：
，
，
其中，e为偏差，ec为偏差增量，VH为基本论域上限值，VL为基本论域下限值，f(e)为偏差量化值，f(ec)为偏差增量量化值；
S102：将所述偏差量化值和所述偏差增量量化值通过所述控制规则和所述隶属度计算得到模糊向量，计算公式为：
，
其中，K为模糊向量，Me为偏差隶属度，Mec为偏差增量隶属度；
S103：将所述模糊向量通过清晰化处理得到清晰向量，将所述清晰向量通过尺度变换得到控制信息。
具体地，所述步骤S2包括如下步骤：
S201：将所述控制信息转化为瞬时可靠度，计算公式为：
，
其中，t为时刻计数，i为样本计数，k为样本总数，为时间采样，/>为瞬时可靠度，/>为状态参量，/>为状态特征指标；
S202：通过截取某一时间段内的瞬时可靠度数据得到训练样本集，采用均方根误差评价模型预测得到模型参数，其中模型参数包括核函数参数、不敏感损失函数、惩罚因子；
S203：将所述模型参数通过多目标优化得到可靠度预测模型；
S204：将所述控制信息输入所述可靠度预测模型得到机器运行状态信息。
具体地，所述步骤S3包括如下步骤：
S301：对所述空压站现场信号通过传感器获取定位信息，将所述定位信息存储为几何描述文件；
S302：通过解析器将所述几何描述文件解析为程序类实例；
S303：对所述程序类实例通过网格化建模构建简单模型与源模型，对所述简单模型和所述源模型通过布尔运算得到复杂模型，计算公式为：
，
其中，A为简单模型，B为源模型，C为复杂模型；
S304：将所述复杂模型通过所述定位信息建立空压站三维可视化场景。
具体地，所述步骤S4包括：
S401：对所述机器运行状态信息进行趋势分析得到机器状态变化趋势，计算公式为：
，
其中，为机器状态变化趋势，/>为时间段长度，A1为开关站初始放电频率幅值，A2为开关站经/>时间后的放电频率幅值，F为开关站故障状态的放电频率幅值；
S402：对所述机器状态变化趋势进行故障分析得到故障警告信息；
S403：将所述机器运行状态信息和所述复杂模型构建映射关系得到模型结构表，将所述故障警告信息与通过模型结构表与所述复杂模型进行关联得到故障设备位置信息；
S404：通过所述故障设备位置信息在所述三维可视化场景中聚焦对应的复杂模型得到故障设备的详细信息。
优选的，一种数字能源空压站的定位溯源系统，包括空压站基础数据采集模块、预测模块、定位溯源模块、故障分析模块；所述空压站基础数据采集模块获取空压站现场信号，从所述空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，通过模糊计算得到控制信息；所述预测模块用于将所述控制信息转化为瞬时可靠度，通过所述瞬时可靠度建立可靠度预测模型，将所述控制信息输入所述可靠度预测模型得到机器运行状态信息；所述定位溯源模块用于从所述空压站现场信号中获取定位信息，将所述定位信息通过数字建模得到空压站三维可视化场景；所述故障分析模块用于对所述机器运行状态信息通过故障分析得到故障警告信息，将所述故障警告信息与所述定位信息建立映射关系，通过在所述三维可视化场景聚焦得到故障设备的详细信息。
进一步地，所述预测模块包括数据流管理、历史数据状态分析、运行时状态分析、预测状态分析。
本发明的有益效果为：
（1）通过设置模糊计算，借助模糊数学将空气主管压力非线性变化量定量化，将偏差和偏差增量通过预设控制规则模拟控制方法，提高了系统的动态响应性。
（2）通过以控制信息作为样本数据，建立可靠性预测模型，结合智能算法对模型参数进行优化，实现了对空压站设备瞬时可靠度的更为准确的预测，实现了动态反映空压站设备的运行性能，准确判断空压站设备的可靠性。
（3）通过建立三维可视化模型，结合空压站的空间信息对三维模型进行空间位置变换，通过空压站设备控制信息与三维模型的映射，实现空压站的信息可视化精细管理及故障定位溯源。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的数字能源空压站的定位溯源方法的流程示意图。
实施方式
为更进一步阐述本发明为实现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，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。
请参阅图1，一种数字能源空压站的定位溯源方法，包括如下步骤：
S1：获取空压站现场信号，从所述空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，对所述偏差和所述偏差增量进行离散量化得到离散量化值，预设模糊变量区域和控制规则，根据所述所述模糊变量区域确定所述离散量化值的隶属度，通过所述隶属度和所述控制规则将所述离散量化值转换为模糊向量，将所述模糊向量进行清晰化处理得到控制信息；
S2：对所述控制信息进行周期采样得到样本数据，提取所述样本数据的状态特征，预设所述样本数据在采样周期内的状态特征指标，根据所述状态特征得到所述控制信息的瞬时可靠度，通过所述瞬时可靠度建立可靠度预测模型，将所述控制信息输入所述可靠度预测模型得到机器运行状态信息；
S3：从所述空压站现场信号中获取定位信息，将所述定位信息通过数字建模得到空压站三维可视化场景；
S4：对所述机器运行状态信息通过故障分析得到故障警告信息，将所述故障警告信息与所述定位信息建立映射关系，通过在所述三维可视化场景聚焦得到故障设备的详细信息。
本实施例中，具体地，所述步骤S1包括如下步骤：
S101：预设基本论域，根据所述基本论域计算得到偏差量化值和偏差增量量化值，计算公式为：
，
，
其中，e为偏差，ec为偏差增量，VH为基本论域上限值，VL为基本论域下限值，f(e)为偏差量化值，f(ec)为偏差增量量化值；
S102：将所述偏差量化值和所述偏差增量量化值通过所述控制规则和所述隶属度计算得到模糊向量，计算公式为：
，
其中，K为模糊向量，Me为偏差隶属度，Mec为偏差增量隶属度；
S103：将所述模糊向量通过清晰化处理得到清晰向量，将所述清晰向量通过尺度变换得到控制信息。
根据工作人员对实际系统的现场控制经验，确定压力偏差的基本论域
为[-0.2，0.2]，偏差增量的基本论域为[-0.02，0.02]。为各语言变量的论域定义其语言值的隶属函数对输入变量模糊化，系统建模时各语言变量均选择三角形隶属度函数，根据被控系统对三个参数Kp、Ki、Kd的自整定要求并结合技术人员的分析与实际操作经验得出调整传统控制器参数的模糊规则。采用马丹尼型推理算法进行模糊推理，利用选择面积重心法在推理得到的模糊集合中取一个相对最能代表这个集合的单值作为控制量。
通过上述技术方案，综合考虑了空压站内各装置的工作状况及环境变化，提高了系统的鲁棒性。
具体地，所述步骤S2包括如下步骤：
S201：将所述控制信息转化为瞬时可靠度，计算公式为：
，
其中，t为时刻计数，i为样本计数，k为样本总数，为时间采样，/>为瞬时可靠度，/>为状态参量，/>为状态特征指标；
S202：通过截取某一时间段内的瞬时可靠度数据得到训练样本集，采用均方根误差评价模型预测得到模型参数，其中模型参数包括核函数参数、不敏感损失函数、惩罚因子；
S203：将所述模型参数通过多目标优化得到可靠度预测模型；
S204：将所述控制信息输入所述可靠度预测模型得到机器运行状态信息。
确定模型的输入为系统当前时间间隔内的流量及其前9个时间间隔的流量，而输出为系统下一个时间间隔的瞬时可靠度。将采集到的流量数据代入瞬时可靠度公式可计算出6个此类液压系统在不同时刻对应的瞬时可靠度，截取某一时间区间内液压系统的瞬时可靠度数据，以其中5个系统的样本数据作为训练样本，以另一个系统的样本数据作为测试样本，采用均方根误差评价模型预测效果。
通过上述技术方案，实现了对空压站设备瞬时可靠度的更为准确的预测，实现了动态反映空压站设备的运行性能，准确判断空压站设备的可靠性。
具体地，所述步骤S3包括如下步骤：
S301：对所述空压站现场信号通过传感器获取定位信息，将所述定位信息存储为几何描述文件；
S302：通过解析器将所述几何描述文件解析为程序类实例；
S303：对所述程序类实例通过网格化建模构建简单模型与源模型，对所述简单模型和所述源模型通过布尔运算得到复杂模型，计算公式为：
，
其中，A为简单模型，B为源模型，C为复杂模型；
S304：将所述复杂模型通过所述定位信息建立空压站三维可视化场景。
对模型文件逐行读取后以等号分割，将其分割成键值对存入JSON文件中，mod文件采用 tinyxml库将其解析为程序语言可以识别的类的实例，后将其存入JSON中；将每一个模型文件作为一个独立的JSON实例存储在内存中，根据其原有的结构从入口project.cbm文件对应的 SON开始，将JSON中调用文件的键对应的值替换为该值对应的JSON实例，这样依次递归下去直到叶节点mod文件对应的JSON，此时递归的结果就是与原本数据层级结构相同的嵌套JSON。模型解析步骤生成一个包含三维数据中所有模型及层级信息的JSON，完成由模型文件到JSON实例的映射。
具体地，所述步骤S4包括：
S401：对所述机器运行状态信息进行趋势分析得到机器状态变化趋势，计算公式为：
，
其中，为机器状态变化趋势，/>为时间段长度，A1为开关站初始放电频率幅值，A2为开关站经/>时间后的放电频率幅值，F为开关站故障状态的放电频率幅值；
S402：对所述机器状态变化趋势进行故障分析得到故障警告信息；
S403：将所述机器运行状态信息和所述复杂模型构建映射关系得到模型结构表，将所述故障警告信息与通过模型结构表与所述复杂模型进行关联得到故障设备位置信息；
S404：通过所述故障设备位置信息在所述三维可视化场景中聚焦对应的复杂模型得到故障设备的详细信息。
提升三维模型的加载和渲染速度，引入LOD多细节层级技术，按照树状结构组织的层次模型，类似二维的瓦片地图。当一个三维空间被划分为多个子空间时，每个子空间都被存储为该控件的一个子结点，节点中会存储空间范围的几何信息，节点中会存储空间范围的几何信息。节点为 tile，所有节点组成tileset，tileset以JSON格式存储在文件中；tileset中主要存储boundingVolume，geometricError，content等属性；通过表面细分的方法生成一系列精度大小不一的模型，tileset中从根节点到叶节点按精度由低到高的顺序组织这些模型。当用户在可视化界面时查看模型时，将视锥体与boundingVolume属性中存储的包围盒求交，筛选出包围盒与视锥体相交的模型，之后通过屏幕空间误差SSE 递归判断包围盒与视锥体相交的模型中满足精度要求的模型进行渲染。通过上述技术方案实现空压站的信息可视化精细管理及故障定位溯源。
优选的，一种数字能源空压站的定位溯源系统，包括空压站基础数据采集模块、预测模块、定位溯源模块、故障分析模块；所述空压站基础数据采集模块获取空压站现场信号，从所述空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，通过模糊计算得到控制信息；所述预测模块用于将所述控制信息转化为瞬时可靠度，通过所述瞬时可靠度建立可靠度预测模型，将所述控制信息输入所述可靠度预测模型得到机器运行状态信息；所述定位溯源模块用于从所述空压站现场信号中获取定位信息，将所述定位信息通过数字建模得到空压站三维可视化场景；所述故障分析模块用于对所述机器运行状态信息通过故障分析得到故障警告信息，将所述故障警告信息与所述定位信息建立映射关系，通过在所述三维可视化场景聚焦得到故障设备的详细信息。
进一步地，所述预测模块包括数据流管理、历史数据状态分析、运行时状态分析、预测状态分析。
本系统使用框架设计插件式开发方法，遵循“高内聚，低耦合”的开发思想，功能模块之间相互独立，对某一功能模块的修改的影响只对功能模块内部产生，对功能模块外部没有影响。框架程序采用面向对象的设计方法，PnP的设计理念，采用MVC模式(模型－视图－控制器模式)基于框架程序设计，模型内部由数据和功能模块组成，使功能与输入输出方式相互独立。视图部分则通过模型提供的数据支撑，向用户展示图形化界面。通过模型视图和控制器的相互分离，应用框架设计的空压站系统可以方便的改变用户接口。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (5)
1.一种数字能源空压站的定位溯源方法，其特征在于，包括以下步骤：
S1：获取空压站现场信号，从所述空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，预设基本论域，根据所述基本论域计算得到偏差量化值和偏差增量量化值，计算公式为：
，
，
其中，e为偏差，ec为偏差增量，VH为基本论域上限值，VL为基本论域下限值，f(e)为偏差量化值，f(ec)为偏差增量量化值；
将所述偏差量化值和所述偏差增量量化值通过所述控制规则和所述隶属度计算得到模糊向量，计算公式为：
，
其中，K为模糊向量，Me为偏差隶属度，Mec为偏差增量隶属度；
将所述模糊向量通过清晰化处理得到清晰向量，将所述清晰向量通过尺度变换得到控制信息；
S2：将所述控制信息转化为瞬时可靠度，计算公式为：
，
其中，t为时刻计数，i为样本计数，k为样本总数，为时间采样，/>为瞬时可靠度，/>为状态参量，/>为状态特征指标；
通过截取某一时间段内的瞬时可靠度数据得到训练样本集，采用均方根误差评价模型预测得到模型参数，其中模型参数包括核函数参数、不敏感损失函数、惩罚因子；
将所述模型参数通过多目标优化得到可靠度预测模型；
将所述控制信息输入所述可靠度预测模型得到机器运行状态信息；
S3：从所述空压站现场信号中获取定位信息，将所述定位信息通过数字建模得到空压站三维可视化场景；
S4：对所述机器运行状态信息通过故障分析得到故障警告信息，将所述故障警告信息与所述定位信息建立映射关系，通过在所述三维可视化场景聚焦得到故障设备的详细信息。
2.根据权利要求1所述的数字能源空压站的定位溯源方法，其特征在于，所述步骤S3包括如下步骤：
S301：对所述空压站现场信号通过传感器获取定位信息，将所述定位信息存储为几何描述文件；
S302：通过解析器将所述几何描述文件解析为程序类实例；
S303：对所述程序类实例通过网格化建模构建简单模型与源模型，对所述简单模型和所述源模型通过布尔运算得到复杂模型，计算公式为：
，
其中，A为简单模型，B为源模型，C为复杂模型；
S304：将所述复杂模型通过所述定位信息建立空压站三维可视化场景。
3.根据权利要求2所述的数字能源空压站的定位溯源方法，其特征在于，所述步骤S4包括：
S401：对所述机器运行状态信息进行趋势分析得到机器状态变化趋势，计算公式为：
，
其中，为机器状态变化趋势，/>为时间段长度，A1为开关站初始放电频率幅值，A2为开关站经/>时间后的放电频率幅值，F为开关站故障状态的放电频率幅值；
S402：对所述机器状态变化趋势进行故障分析得到故障警告信息；
S403：将所述机器运行状态信息和所述复杂模型构建映射关系得到模型结构表，将所述故障警告信息与通过模型结构表与所述复杂模型进行关联得到故障设备位置信息；
S404：通过所述故障设备位置信息在所述三维可视化场景中聚焦对应的复杂模型得到故障设备的详细信息。
4.一种数字能源空压站的定位溯源系统，其特征在于，用如权利要求1-3任一项所述方法运行，包括空压站基础数据采集模块、预测模块、定位溯源模块、故障分析模块；所述空压站基础数据采集模块获取空压站现场信号，从所述空压站现场信号中获取空压站设备主管压力的偏差和偏差增量，通过模糊计算得到控制信息；所述预测模块用于将所述控制信息转化为瞬时可靠度，通过所述瞬时可靠度建立可靠度预测模型，将所述控制信息输入所述可靠度预测模型得到机器运行状态信息；所述定位溯源模块用于从所述空压站现场信号中获取定位信息，将所述定位信息通过数字建模得到空压站三维可视化场景；所述故障分析模块用于对所述机器运行状态信息通过故障分析得到故障警告信息，将所述故障警告信息与所述定位信息建立映射关系，通过在所述三维可视化场景聚焦得到故障设备的详细信息。
5.根据权利要求4所述的数字能源空压站的定位溯源系统，其特征在于，所述预测模块包括数据流管理、历史数据状态分析、运行时状态分析和预测状态分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311467780.6A CN117193273B (zh) | 2023-11-07 | 2023-11-07 | 一种数字能源空压站的定位溯源系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311467780.6A CN117193273B (zh) | 2023-11-07 | 2023-11-07 | 一种数字能源空压站的定位溯源系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117193273A CN117193273A (zh) | 2023-12-08 |
| CN117193273B true CN117193273B (zh) | 2024-01-12 |
Family
ID=89005659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311467780.6A Active CN117193273B (zh) | 2023-11-07 | 2023-11-07 | 一种数字能源空压站的定位溯源系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117193273B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101661294A (zh) * | 2009-09-03 | 2010-03-03 | 苏州有色金属研究院有限公司 | 带材对中系统自适应模糊控制方法 |
| GB201216480D0 (en) * | 2011-09-19 | 2012-10-31 | Fisher Rosemount Systems Inc | Inferential process modeling,quality prediction and fault detection using multi-stage data segregation |
| CN110377001A (zh) * | 2019-06-04 | 2019-10-25 | 上海华电奉贤热电有限公司 | 基于数据融合的工业设备智能故障诊断系统和方法 |
| CN110597053A (zh) * | 2019-10-09 | 2019-12-20 | 云南迪庆有色金属有限责任公司 | 大型磨机过程控制系统 |
| CN110955227A (zh) * | 2019-11-22 | 2020-04-03 | 西安电子科技大学 | 一种基于模糊动态贝叶斯网络的系统模糊可靠性分析方法 |
| AU2021100448A4 (en) * | 2021-01-24 | 2021-04-15 | Center of Civil Engineering Testing , Huazhong University of Science and Technology | Fuzzy Bayesian Network-based Method for Dynamic Evaluation and Control of Concrete Durability |
| CN114679569A (zh) * | 2022-03-16 | 2022-06-28 | 武汉理工大学 | 基于三维建模的产线可视化监控方法、系统和存储介质 |
| CN115980592A (zh) * | 2023-02-17 | 2023-04-18 | 华北电力大学 | 考虑电池热故障的电池储能系统可靠性评估方法及系统 |
| CN116611593A (zh) * | 2023-07-21 | 2023-08-18 | 蘑菇物联技术（深圳）有限公司 | 用于预测空压机的故障的方法、设备和介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10671915B2 (en) * | 2015-07-31 | 2020-06-02 | Brighterion, Inc. | Method for calling for preemptive maintenance and for equipment failure prevention |
-
2023
- 2023-11-07 CN CN202311467780.6A patent/CN117193273B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101661294A (zh) * | 2009-09-03 | 2010-03-03 | 苏州有色金属研究院有限公司 | 带材对中系统自适应模糊控制方法 |
| GB201216480D0 (en) * | 2011-09-19 | 2012-10-31 | Fisher Rosemount Systems Inc | Inferential process modeling,quality prediction and fault detection using multi-stage data segregation |
| CN110377001A (zh) * | 2019-06-04 | 2019-10-25 | 上海华电奉贤热电有限公司 | 基于数据融合的工业设备智能故障诊断系统和方法 |
| CN110597053A (zh) * | 2019-10-09 | 2019-12-20 | 云南迪庆有色金属有限责任公司 | 大型磨机过程控制系统 |
| CN110955227A (zh) * | 2019-11-22 | 2020-04-03 | 西安电子科技大学 | 一种基于模糊动态贝叶斯网络的系统模糊可靠性分析方法 |
| AU2021100448A4 (en) * | 2021-01-24 | 2021-04-15 | Center of Civil Engineering Testing , Huazhong University of Science and Technology | Fuzzy Bayesian Network-based Method for Dynamic Evaluation and Control of Concrete Durability |
| CN114679569A (zh) * | 2022-03-16 | 2022-06-28 | 武汉理工大学 | 基于三维建模的产线可视化监控方法、系统和存储介质 |
| CN115980592A (zh) * | 2023-02-17 | 2023-04-18 | 华北电力大学 | 考虑电池热故障的电池储能系统可靠性评估方法及系统 |
| CN116611593A (zh) * | 2023-07-21 | 2023-08-18 | 蘑菇物联技术（深圳）有限公司 | 用于预测空压机的故障的方法、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117193273A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9495099B2 (en) | Space-time-node engine signal structure | |
| US11816555B2 (en) | System and method for chaining discrete models | |
| CN102096399B (zh) | 嵌入式能源数据采集器 | |
| CN107844424B (zh) | 基于模型的测试系统及方法 | |
| US12061780B2 (en) | Interactive graphical user interfaces for simulated systems | |
| Ma et al. | Visualization of component status information of prefabricated concrete building based on building information modeling and radio frequency identification: a case study in China | |
| Kao et al. | Design and development of an IoT-based web application for an intelligent remote SCADA system | |
| CN104063550A (zh) | 一种基于云计算平台的多物理场cae系统 | |
| CN116228171B (zh) | 一种企业碳排放监测系统及方法 | |
| Angadi et al. | Role of big data analytics in power system Application | |
| CN109449923B (zh) | 一种有源配电系统运行灵活性的量化分析方法及相关产品 | |
| CN116595695A (zh) | 一种燃气管网模型构建方法及其装置 | |
| CN117193273B (zh) | 一种数字能源空压站的定位溯源系统及方法 | |
| CN115563341A (zh) | 电力作业违章识别空间视频场及其智能数据处理系统和方法 | |
| Astier et al. | Smart building management systems and internet of things | |
| CN115936680B (zh) | 一种设备运维的智能派单方法及系统 | |
| Dobaev et al. | Development of decision support system for data analysis of electric power systems | |
| CN115422195A (zh) | 一种网络资产管理方法、装置、设备、存储介质 | |
| CN208673116U (zh) | 一种能源数据智能处理装置 | |
| Ler | Analysis of current ICT solutions in water business processes | |
| Nataliia et al. | Electric Meters Monitoring System for Residential Buildings | |
| CN104422506A (zh) | 一种高度智能化的电子天平及分析方法 | |
| Brusakova et al. | Virtual measuring circuit design management for IoT technologies | |
| Kocaman et al. | Real-Time Monitoring, Analysis and Control of Power Parameters in Residential Houses Using LabVIEW | |
| Han et al. | Design and application of secondary operation and maintenance supervision system based on AR modeling and indoor positioning |
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 |