[发明专利]基于云计算的阀门内漏在线诊断系统和方法在审

专利信息
申请号: 201711294017.2 申请日: 2017-12-08
公开(公告)号: CN109900436A 公开(公告)日: 2019-06-18
发明(设计)人: 朱亮;邹兵;高少华;王琼;李明骏 申请(专利权)人: 中国石油化工股份有限公司;中国石油化工股份有限公司青岛安全工程研究院
主分类号: G01M3/24 分类号: G01M3/24
代理公司: 北京润平知识产权代理有限公司 11283 代理人: 陆文超;肖冰滨
地址: 266071 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 阀门 内漏 在线诊断系统 云计算 信号采集模块 诊断 特征参数 提取特征 采集
【权利要求书】:

1.一种基于云计算的阀门内漏在线诊断系统,其特征在于,所述在线诊断系统包括:

信号采集模块,用于采集阀门的内漏声信号;

云计算模块,用于从所述内漏声信号中提取特征参数,并基于预先训练的阀门内漏诊断模型对所述特征参数进行计算,以获得阀门内漏诊断结果。

2.根据权利要求1所述的基于云计算的阀门内漏在线诊断系统,其特征在于,所述在线诊断系统还包括终端模块,用于显示所述阀门内漏诊断结果。

3.根据权利要求2所述的基于云计算的阀门内漏在线诊断系统,其特征在于,所述云计算模块包括:

数据处理模块,用于从所述内漏声信号中提取特征参数;

诊断算法库,该诊断算法库中存储有预先训练的阀门内漏诊断模型;

阀门内漏计算模块,从所述诊断算法库中选择阀门内漏诊断模型,以基于该阀门内漏诊断模型对所述特征参数进行计算,进而获得阀门内漏诊断结果。

4.根据权利要求3所述的基于云计算的阀门内漏在线诊断系统,其特征在于,所述诊断算法库中存储的阀门内漏诊断模型包括实验模型、理论模型、经验模型、现场监测模型和自学习模型,不同的阀门内漏诊断模型适用于不同工艺条件下的阀门内漏诊断,所述阀门内漏计算模块根据所述阀门的工艺条件从所述诊断算法库中选择与该工艺条件相对应的阀门内漏诊断模型。

5.根据权利要求4所述的基于云平台的阀门内漏在线诊断系统,其特征在于,所述终端模块还用于在所述阀门内漏诊断结果显示阀门发生内漏时,将现场确认的阀门内漏数据发送至所述云计算模块,以用作优化构建所述自学习模型的训练数据。

6.根据权利要求2所述的基于云计算的阀门内漏在线诊断系统,其特征在于,所述终端模块还用于在所述阀门内漏诊断结果显示阀门发生内漏时,提供阀门内漏报警信号和/或阀门维修和管理建议。

7.根据权利要求2所述的基于云计算的阀门内漏在线诊断系统,其特征在于,所述阀门有多个,每个阀门对应有一个用于采集该阀门的内漏声信号的信号采集模块,所有信号采集模块采集的声信号均发送给所述云计算模块,所述云计算模块根据每个信号采集模块采集的声信号对对应阀门的内漏情况进行诊断,所述终端模块还用于在所述阀门内漏诊断结果显示当前阀门发生内漏时,将该阀门内漏诊断数据共享给其他阀门诊断个体。

8.一种基于云计算的阀门内漏在线诊断方法,其特征在于,所述在线诊断方法包括:

采集阀门的内漏声信号;

从所述内漏声信号中提取特征参数,并基于预先训练的阀门内漏诊断模型对所述特征参数进行计算,以获得阀门内漏诊断结果。

9.根据权利要求8所述的基于云计算的阀门内漏在线诊断方法,其特征在于,所述预先训练的阀门内漏诊断模型包括实验模型、理论模型、经验模型、现场监测模型和自学习模型。

10.根据权利要求9所述的基于云计算的阀门内漏在线诊断方法,其特征在于,所述方法还包括:

在所述阀门内漏诊断结果显示阀门发生内漏时,现场确认阀门内漏数据,并将该阀门内漏数据用作优化构建所述自学习模型的训练数据。

11.根据权利要求8所述的基于云计算的阀门内漏在线诊断方法,其特征在于,所述方法还包括:

显示所述阀门内漏诊断结果,并在所述阀门内漏诊断结果显示阀门发生内漏时,提供阀门内漏报警信号和/或阀门维修和管理建议。

12.根据权利要求8所述的基于云计算的阀门内漏在线诊断方法,其特征在于,所述阀门具有多个,所述方法还包括:

在所述阀门内漏诊断结果显示当前阀门发生内漏时,将该阀门内漏诊断数据共享给其他阀门诊断个体。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司青岛安全工程研究院,未经中国石油化工股份有限公司;中国石油化工股份有限公司青岛安全工程研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711294017.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top