-
公开(公告)号：CN115131946A
公开(公告)日：2022-09-30
申请号：CN202210743797.9
申请日：2022-06-27
Applicant: 南京凯奥思数据技术有限公司
Abstract: 本发明提供一种考虑工况波动的自适应设备报警方法和系统，根据远程运维平台中的报警记录，获取报警时刻前后的历史数据；对历史工艺参数进行聚类建模分析，输出每组工艺参数对应的工况聚类模型；对历史数据中判定为工况波动的误报警数据，根据工况聚类模型找出距离报警时刻最近的一次工况波动时刻，计算报警时刻和该工况波动时刻的差值，并比较该差值同延时报警次数和采样周期乘积之间的大小关系，确定最优延时报警次数；实时获取设备的工艺参数和状态参数进行阈值预警。能够解决现有报警技术仅采用单一报警延时时间、不区分工况信息导致设备的误报警问题，解决工况波动造成的大量误报警的问题。
-
公开(公告)号：CN118070109A
公开(公告)日：2024-05-24
申请号：CN202410480649.1
申请日：2024-04-22
Applicant: 南京凯奥思数据技术有限公司
Abstract: 本发明公开了一种基于均线策略和遗传算法的设备趋势报警方法及系统，首先利用均线策略对总体趋势进行监测，计算出长周期和短周期的移动平均线，并通过捕捉两条线之间的趋势变化情况，来判断设备是否存在趋势上升以及是否达到趋势报警条件。在此基础上，通过引入遗传算法模拟自然选择过程，对均线策略中的参数进行演化，以找到最优的参数组合，使其更好的适应设备和数据条件，形成一个更为灵活和适应性强的趋势上升预警系统。以改善报警准确性，减少误报和漏报的情况，且能够应对不同的运行模式和变化的工况条件。
-
公开(公告)号：CN117591831B
公开(公告)日：2024-03-22
申请号：CN202410057589.2
申请日：2024-01-16
Applicant: 南京凯奥思数据技术有限公司
IPC: G06F18/20 , G06F18/213 , G06N3/084
Abstract: 本发明公开了一种基于故障倍频特征和神经网络的故障诊断方法及系统，通过在正常数据上添加不同故障特征构造大量故障数据，并通过神经网络方法反向求解倍频占比和故障占比之间的关系矩阵，对发生报警的原始波形数据的故障情况进行求解，反向计算出各个故障的可能性占比，以此计算出的各故障的可能性占比为最终诊断的结果。本发明可以在缺乏足够不同种类故障数据，和故障机理描述较为模糊的情况下，达到可靠、自动化的故障诊断的目的。
-
公开(公告)号：CN115131946B
公开(公告)日：2024-03-08
申请号：CN202210743797.9
申请日：2022-06-27
Applicant: 南京凯奥思数据技术有限公司
IPC: G08B21/18 , G06F18/2321
-
公开(公告)号：CN116740549B
公开(公告)日：2023-11-07
申请号：CN202311017899.3
申请日：2023-08-14
Applicant: 南京凯奥思数据技术有限公司
IPC: G06V20/00 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种车辆零件识别方法及系统，包括确定零件特征的识别准备步骤、训练所述目标检测模型的步骤、以及识别零件的步骤；使用深度学习模型训练标记数据，获得用于识别零件特征的目标检测模型；获取真实零件的原始特征，通过原始特征，自动寻找相似的零件并归纳成组，利用数据库中信息建立相似件分类模型并形成相似件库；获取已训练未知型号零件各面上的特征，通过相似件分类模型两次判断并查询，获得零件型号。本发明可以解决人工识别标准不一以及识别准确性的问题。特别是对人工不易分辨的相似件，提供一种识别准确率和效率极高的方法及系统。
-
Patent Agency Ranking
公开(公告)号：CN116740549A
公开(公告)日：2023-09-12
申请号：CN202311017899.3
申请日：2023-08-14
Applicant: 南京凯奥思数据技术有限公司
IPC: G06V20/00 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种车辆零件识别方法及系统，包括确定零件特征的识别准备步骤、训练所述目标检测模型的步骤、以及识别零件的步骤；使用深度学习模型训练标记数据，获得用于识别零件特征的目标检测模型；获取真实零件的原始特征，通过原始特征，自动寻找相似的零件并归纳成组，利用数据库中信息建立相似件分类模型并形成相似件库；获取已训练未知型号零件各面上的特征，通过相似件分类模型两次判断并查询，获得零件型号。本发明可以解决人工识别标准不一以及识别准确性的问题。特别是对人工不易分辨的相似件，提供一种识别准确率和效率极高的方法及系统。
-
公开(公告)号：CN114943258A
公开(公告)日：2022-08-26
申请号：CN202210698420.6
申请日：2022-06-20
Applicant: 南京凯奥思数据技术有限公司
Abstract: 本发明公开了一种基于DTW和小样本学习的故障诊断方法及系统。由设备正常运转下和故障情况下的状态参数，构建历史数据库；当发生阈值预警时，获取相应报警时间的实时状态参数波形；将该实时波形与历史数据库中的每个波形进行对比，计算实时波形和历史数据库每个波形的相似性距离并打标注标签；对计算出的每个相似性距离进行排序，并将前K个最小的距离中占比最高的类别作为实时状态参数波形的诊断结果。该方法不要求诊断序列长度，可以充分利用相同或不同类样本对，从只有单个或少量样本中识别出待测样本，从而提高故障诊断的性能。不仅可以对预警时的状态参数波形进行诊断，同时也可对该预警的真实性进行判断。
-
公开(公告)号：CN118070109B
公开(公告)日：2024-07-02
申请号：CN202410480649.1
申请日：2024-04-22
Applicant: 南京凯奥思数据技术有限公司
Abstract: 本发明公开了一种基于均线策略和遗传算法的设备趋势报警方法及系统，首先利用均线策略对总体趋势进行监测，计算出长周期和短周期的移动平均线，并通过捕捉两条线之间的趋势变化情况，来判断设备是否存在趋势上升以及是否达到趋势报警条件。在此基础上，通过引入遗传算法模拟自然选择过程，对均线策略中的参数进行演化，以找到最优的参数组合，使其更好的适应设备和数据条件，形成一个更为灵活和适应性强的趋势上升预警系统。以改善报警准确性，减少误报和漏报的情况，且能够应对不同的运行模式和变化的工况条件。
-
公开(公告)号：CN117591831A
公开(公告)日：2024-02-23
申请号：CN202410057589.2
申请日：2024-01-16
Applicant: 南京凯奥思数据技术有限公司
IPC: G06F18/20 , G06F18/213 , G06N3/084
Abstract: 本发明公开了一种基于故障倍频特征和神经网络的故障诊断方法及系统，通过在正常数据上添加不同故障特征构造大量故障数据，并通过神经网络方法反向求解倍频占比和故障占比之间的关系矩阵，对发生报警的原始波形数据的故障情况进行求解，反向计算出各个故障的可能性占比，以此计算出的各故障的可能性占比为最终诊断的结果。本发明可以在缺乏足够不同种类故障数据，和故障机理描述较为模糊的情况下，达到可靠、自动化的故障诊断的目的。
-
公开(公告)号：CN114371021A
公开(公告)日：2022-04-19
申请号：CN202111645049.9
申请日：2021-12-30
Applicant: 南京凯奥思数据技术有限公司
Abstract: 本发明涉及旋转机械设备故障诊断技术领域，公开了自动获取旋转设备异常状态下转速的方法，通过先对加速度信号进行预处理，然后进行快速傅里叶变换得到其频谱，并利用频谱的峰值点得到若干备选1倍频，再利用备选1倍频求出对应的2倍频~10倍频，并根据10个倍频分量的幅值之和来判断出真实的1倍频，最终根据公式计算出旋转设备的转速。利用本发明方法能够自动获取转速值，避免了对于专业工程师经验的依赖，且计算方式更为便捷、准确。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
