-
公开(公告)号：CN113624321A
公开(公告)日：2021-11-09
申请号：CN202110926077.1
申请日：2021-08-12
Applicant: 北京博华信智科技股份有限公司
IPC: G01H1/12
Abstract: 本申请公开了一种基于振动监测的实时在线保护系统及方法，其中，一种基于振动监测的实时在线保护系统包括：采集单元，采集不同位置的振动信息，并将振动信息传送至微控单元；微控单元，基于振动信息判断是否对被保护设备采取保护措施，并向机控单元传送报警信息；机控单元，基于报警信息向表决单元传送控制信号，基于报警信息判断是否向监测单元发送周期性的脉冲信号；监测单元，基于周期性的脉冲信号判断是否向表决单元发送联锁信号；表决单元，基于接收到的控制信号和联锁信号通过二取一表决方式生成表决控制信号，将表决控制信号发送给保护单元；保护单元，基于表决控制信号对被保护设备进行实时保护。
-
公开(公告)号：CN113390505A
公开(公告)日：2021-09-14
申请号：CN202110939853.1
申请日：2021-08-17
Applicant: 北京博华信智科技股份有限公司
IPC: G01H17/00 , G05B19/042
Abstract: 本申请公开了一种多通道同步采集的振动保护方法及系统，其中，一种多通道同步采集的振动保护方法包括：根据键相信号预设单个采集周期内键相信号的触发位置；通过第一采集板卡实时采集键相信息，判断采集到的键相信息是否到达所述触发位置；若到达，则通过所述第一采集板卡向各第二采集板卡发送同步采集指令；所述第二采集板卡在接收到所述同步采集指令后开始实时采集振动信息，直至所述第二采集板卡再次接收到所述同步采集指令完成单个采集周期的振动信息的采集。本申请实施例提供了一种多通道同步采集的振动保护方法，提高了数据的同步性和振动数据诊断分析的可靠性，具有较高的安全性，提高了设备运行时的安全性。
-
公开(公告)号：CN113326590A
公开(公告)日：2021-08-31
申请号：CN202110803411.4
申请日：2021-07-16
Applicant: 北京博华信智科技股份有限公司
Abstract: 本申请公开了基于深度学习模型的滚动轴承寿命预测方法和装置，其中，方法包括：获取多个传感器检测的时序信号；将所述时序信号进行数据处理，得到所述时序信号对应的灰度图；对所述灰度图进行标注，得到时序序列数据集和故障识别数据集；将所述故障识别数据集输入至故障识别模型对所述故障识别模型进行训练，得到所述故障识别模型对应的特征参数；构建故障趋势预测模型，并将所述故障识别模型对应的特征参数作为所述故障趋势预测模型的初始参数；将所述时序序列数据集输入至所述故障趋势预测模型中对所述故障趋势预测模型进行训练，并得到所述时序序列数据集对应的剩余寿命，能够对滚动轴承的剩余生命进行准确预测。
-
公开(公告)号：CN116992254B
公开(公告)日：2024-01-19
申请号：CN202311243206.2
申请日：2023-09-25
Applicant: 北京博华信智科技股份有限公司
Abstract: 效果。本申请公开了一种变频电机的壳振信号的重构方法、装置、设备及存储介质。该方法包括：获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对(56)对比文件RANDALL R等.New cepstral methods forthe diagnosis of gear and bearing faultsunder variable speed conditions“.23rdInternational Congress on Sound andVibration”.2016,全文.
-
公开(公告)号：CN116992254A
公开(公告)日：2023-11-03
申请号：CN202311243206.2
申请日：2023-09-25
Applicant: 北京博华信智科技股份有限公司
Abstract: 本申请公开了一种变频电机的壳振信号的重构方法、装置、设备及存储介质。该方法包括：获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。从而能够将原始壳振信号中异常高频信号的幅值调整为正常幅值，提升了变频电机的壳振信号的滤波效果。
-
Patent Agency Ranking
公开(公告)号：CN115959552B
公开(公告)日：2023-07-14
申请号：CN202310248253.X
申请日：2023-03-15
Applicant: 北京博华信智科技股份有限公司
Abstract: 本申请公开了一种扶梯故障的预测方法、装置、设备及介质，该方法包括：获取扶梯在多个采样时间的运行数据，确定运行数据对应的多个分布向量；分布向量用于表征运行数据在一个时间单元上的时域分布特性，时间单元包括多个采样时间；根据各分布向量之间的相似度对多个分布向量进行异常因子检测，若根据异常因子检测的结果确定扶梯在多个采样时间内未存在工况切换，则将运行数据输入预测模型，得到运行数据的预测结果；预测结果用于表征扶梯的预测运行数据；对运行数据的预测结果进行证据融合，获得扶梯的故障预测结果。能够在扶梯工况未发生改变的情况下对扶梯故障进行预测，提高了扶梯故障的预测效率。
-
公开(公告)号：CN116304835A
公开(公告)日：2023-06-23
申请号：CN202310341452.5
申请日：2023-03-31
Applicant: 北京博华信智科技股份有限公司
IPC: G06F18/24 , G01M13/00 , G06F18/23213 , G06F18/213 , G06F123/02 , G06F123/00
Abstract: 本发明公开了一种基于AI的动设备工况监测管理方法、系统、电子设备及存储介质，该方法包括：根据动设备的平稳运行数据，采用聚类算法形成动设备的工况池；工况池中包括动设备的每个工况对应的聚类中心点和簇类内平均距离；采集动设备的实时数据集，根据实时数据集获取动设备的振动信号、过程量和动态量；根据振动信号计算熵特征值，根据熵特征值构建熵特征矩阵，监测动设备当前工况是否发生改变；根据振动信号进行时域特征值和频域特征值，根据过程量和动态量计算时域特征值，根据时域特征值和频域特征值结合工况池确定动设备的当前工况归属类别。该方法能实现突变点识别捕捉瞬态工况的改变，以及确定动设备当前工况的归属类别，普适性强。
-
公开(公告)号：CN113946921B
公开(公告)日：2022-04-15
申请号：CN202111262646.3
申请日：2021-10-28
Applicant: 北京博华信智科技股份有限公司
IPC: G06F30/17 , G01M99/00 , G06F119/14
Abstract: 本公开是关于一种往复压缩机故障诊断监测信号整周期截取方法及装置，通过动态压力信号Sp和相关算法，来截取实际运行中的整周期波形与所述各个工作段的波形，在保证获取整周期波形截取精度的基础上，来截取各个工作段的波形，本申请使用了更少的传感器，可以减少成本，且避免了噪音等干扰因素引起的扰动，降低截取各个工作段的波形的实现难度。
-
公开(公告)号：CN113390505B
公开(公告)日：2021-12-14
申请号：CN202110939853.1
申请日：2021-08-17
Applicant: 北京博华信智科技股份有限公司
IPC: G01H17/00 , G05B19/042
Abstract: 本申请公开了一种多通道同步采集的振动保护方法及系统，其中，一种多通道同步采集的振动保护方法包括：根据键相信号预设单个采集周期内键相信号的触发位置；通过第一采集板卡实时采集键相信息，判断采集到的键相信息是否到达所述触发位置；若到达，则通过所述第一采集板卡向各第二采集板卡发送同步采集指令；所述第二采集板卡在接收到所述同步采集指令后开始实时采集振动信息，直至所述第二采集板卡再次接收到所述同步采集指令完成单个采集周期的振动信息的采集。本申请实施例提供了一种多通道同步采集的振动保护方法，提高了数据的同步性和振动数据诊断分析的可靠性，具有较高的安全性，提高了设备运行时的安全性。
-
公开(公告)号：CN113326590B
公开(公告)日：2021-10-29
申请号：CN202110803411.4
申请日：2021-07-16
Applicant: 北京博华信智科技股份有限公司
Abstract: 本申请公开了基于深度学习模型的滚动轴承寿命预测方法和装置，其中，方法包括：获取多个传感器检测的时序信号；将所述时序信号进行数据处理，得到所述时序信号对应的灰度图；对所述灰度图进行标注，得到时序序列数据集和故障识别数据集；将所述故障识别数据集输入至故障识别模型对所述故障识别模型进行训练，得到所述故障识别模型对应的特征参数；构建故障趋势预测模型，并将所述故障识别模型对应的特征参数作为所述故障趋势预测模型的初始参数；将所述时序序列数据集输入至所述故障趋势预测模型中对所述故障趋势预测模型进行训练，并得到所述时序序列数据集对应的剩余寿命，能够对滚动轴承的剩余生命进行准确预测。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.032 seconds)
