基于可视化和数据融合的医疗设备异常运行状态检测方法

医疗设备运行状态难以检测,一旦出现异常情况,只能强制停机检查,降低了工作效率,增加了维护成本,为此,提出了基于可视化和数据融合的医疗设备异常运行状态检测方法。预处理运行数据,通过融合、分析和可视化等操作剔除冗余参数值,以正常运行状态下参数值为标准,构建健康状态评估模型,运用滑动窗口残差统计法和加权平均方差消除运行状态中干扰因素和不确定因素,设置合理的预警偏离阈值和检测阈值,确保医疗设备异常运行状态检测精度。实例测试结果表明,在人为添加不同程度的异常信号环境中,所提方法均能有效检测医疗设备异常运行状态,帮助工作人员根据检测情况采取相应的处理措施。

电力液压块式制动器多状态评估模型研究

电力液压块式制动器普遍应用于采矿业、港口码头、建筑工地等施工设备的机械制动,对其进行状态评估可以有效地避免故障事故,减少维修费用,延长设备寿命。针对传统状态评估模型建模复杂、识别精度低、实时性差等问题,运用MSET技术构建电力液压块式制动器多状态评估模型。通过分析制动器故障原因和结构原理,选择动摩擦因数、制动油油温、弹簧弹性系数、瓦闸间距、制动接触面积5个参数的状态分量,以其历史正常运行数据为基础建立记忆矩阵D,引用非线性运算子解决矩阵计算中的可逆问题,引用滑动窗口残差统计法消除制动器运行中可能存在的不确定性因素和随机干扰。实验结果表明,该方法能准确有效地对电力液压块式制动器进行状态评估,可用于电力液压块式制动器的预防性维修。

基于NSET的高速公路隧道机电设备故障预测模型的设计和实现

针对高速公路隧道机电设备子系统多、复杂度高等特征,利用非线性状态估计建模方法,提出了基于NSET的高速公路机电故障预测模型。该模型在非线性状态估计技术的优化和改进下,采用滑动窗口计算残差分布特征,实现故障预警,并根据指标权重设计健康评估模型,实时反映设备运行的健康程度,表征设备的工作状态。通过真实数据实验表明,该模型能有效实现高速公路隧道机电设备的实时健康评估和故障预警功能。