CN103077441A - 自识别电子产品的预测健康管理方法 - Google Patents
自识别电子产品的预测健康管理方法 Download PDFInfo
- Publication number
- CN103077441A CN103077441A CN2012105929833A CN201210592983A CN103077441A CN 103077441 A CN103077441 A CN 103077441A CN 2012105929833 A CN2012105929833 A CN 2012105929833A CN 201210592983 A CN201210592983 A CN 201210592983A CN 103077441 A CN103077441 A CN 103077441A
- Authority
- CN
- China
- Prior art keywords
- product
- healthy baseline
- baseline
- healthy
- parameter
- 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.)
- Pending
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明提出了单个电子产品(如零件、元器件、电路板、组件、设备、系统以及总系统)施行预测健康管理(PHM)的方法。此PHM方法可应用于产品的筛选、测试诊断、以及生产后阶段。在电子存储内记录、提取并记录某产品的性能,信号值和参数,环境应力和使用应力,以及其相关系数等,并利用这些数据给出该产品寿命初始期的健康基线的参考值。一方面,当产品内置健康基线信息时,能根据不同的使用情况进行相应的更新调整,故而可以基于使用条件进行PHM分析。另一方面,若将健康基线信息存储于其他地方,当产品送回生产方时可以记录其健康基线信息,用于PHM分析。
Description
技术领域
本发明提供自识别电子产品的预测健康管理方法,涉及一种电子元器件及包含电子元器件系统的质量和可靠性的确定方法,确切的说,涉及基于生产中或生产结束时确定元器件本身“健康”基线,和确定生产线上电子元器件或使用中电子元器件质量和可靠性的方法。
背景技术
电子元器件是构成现在产品和系统功能的重要组成部分,其可靠性显著影响了系统的可靠性。为了预测产品故障并提出警告,避免灾难性故障的发生,现在越来越重视电子元器件的“健康”情况。在本发明中,产品健康级别的定义是指产品的实际功能同一般老化情况下预计功能之间的退化或偏差。
预计电子元器件相对预计情况(如健康情况)的退化或偏差,具有以下作用:(1)故障前给与警告;(2)记录和预测产品间歇故障,分析未发现故障(NTF)的退回产品;(3)最小化非预计内的维修,延长维修周期并提高维修期间内的产品效率;(4)通过降低检查费用、故障停机时间及贮存期,达到降低寿命周期费用的目的;(5)延长现有产品寿命;(6)提高产品质量,帮助设计新型系统,对未来系统设计提供产品使用信息。
美国专利6950773,7162393以及7171586中提出的预计方法中,产品健康基线由相似产品的数据得出。在检测产品故障或退化情况时,往往通过记录产品在特定环境及使用应力下的运行情况、信号值以及预计信号值等,并与健康基线进行对比来分析。这种方法的缺陷有很多:其一,产品内的电子元器件或软硬件组件可能已经进行过更换或更新,需要进一步确定更新后产品的健康基线;其二,在不同的使用条件下,产品的健康基线并不准确;其三,由于使用环境及方式差异巨大,在建立健康基线时很难考虑到所有可能的使用状况。
因此,当前需要的是通过产品自身数据来确定健康基线,并能通过不同的试验、使用或环境条件进行相应的调整。通过监测产品实际功能、信号值及计算参数、环境和使用应力,并将这些参数同自身的健康基线进行对比,从而能够在任意时刻掌握产品的实际情况,并且预测产品的健康状况。
发明内容
本发明提供自识别电子产品的预测健康管理方法,对单个元器件或元器件系统采用基于其自身健康基线进行预测健康管理(Prognostics and Health Management,简称为PHM)的方法。健康基线在生产过程中建立,从而为产品的检测和预测提供信息。在生产过程的某些过程中,实际使用或者返厂后记录产品的运行情况、信号值以及预计信号、使用或环境应力以及他们的关系,并且同元器件、产品或系统的健康基线进行对比,最终检测异常、退化情况或者提出故障预计。
本发明是通过以下技术方案实现的:首先,在电子存储器内记录、提取并记录某产品的性能、信号值和参数、环境应力和使用应力,以及其相关系数,并利用这些数据给出产品寿命初始期的健康基线参考值;然后,若当产品内置健康基线信息时,根据不同的使用情况对健康基线参考值进行相应的更新调整,从而基于使用条件进行产品PHM分析,若将健康基线信息存储于其他地方,则当产品送回生产方时可以记录其健康基线信息,从而用于PHM分析。
本发明自识别电子产品的预测健康管理方法,其步骤如下:
步骤一:建立产品健康基线及健康基线存储;
首先,建立产品的健康基线,根据健康基线特征提取方法和健康基线中的自身健康基线进行预测健康管理PHM方法,在存储器、芯片、硬件或BIOS电子存储器内记录并提取产品的性能指标和信号值,计算得到产品性能参数以及记录的环境与操作条件,及产品性能参数以及记录的环境与操作条件之间的关系,从而建立产品自身的健康基线,包括在制造、实际使用中或返厂中建立实时更新健康基线,其中元器件、产品或系统的健康基线在产品生产完毕后建立,且整体健康基线由系统的多个局部健康基线生成;
然后,进行健康基线的存储,将产品的健康基线以数据库的形式存储,包括两种应用情况,一是将产品的健康基线和获得产品健康基线的PHM方法存储于产品或厂商数据库中,二是将产品的健康基线以及PHM方法都存储在产品中;
步骤二:产品预测健康管理;
预测健康管理包括两种情况:一是根据使用中记录的电子产品的信号值,其中电子产品的信号值包括但不限于:电流、电压、功率、电阻、电容和阻抗,信号值用于计算均值、范围、频率、缓变率及相关度参数,将记录信号值与产品健康基线内数据进行对比,得出产品的使用情况,产品的使用情况指产品完成规定功能的情况,同时监视和记录产品在使用阶段的环境和使用应力;二是在一段时间内记录产品的使用情况、信号值和参数、环境及使用应力或其相关度,并通过回归分析或多变量估计方法,以计算度量的方式监视并记录这些参数;最后,借助电子计算机,将产品后续的性能指标、信号值,计算得到的参数以及记录的环境与操作条件,及参数以及记录的环境与操作条件之间的关系与产品的健康基线进行比较,在产品筛选和检验过程中将局部基线同整体健康基线进行对比分析,从而进一步确定产品质量和可靠性;
在发现产品故障或者不正常状态之后,应该对关键参数及其相关的物理变量进行辨识,采用的方法包括投影追踪法PPA,其基本方法为:寻找从高维空间向低维空间的投影,该投影反应数据集的特征,有关检验内置的健康基线是否落在全局的健康基线的范围内的方法,以及检验测量得到的性能指标与信号参数是否落在内置健康基线范围内的方法包括T-检验,均值偏移检验,标准差偏移检验,峰度偏移检验,偏度偏移检验,奇异点数量检验,序贯概率比检验,统计过程控制,马氏距离偏移检验,不同参数之间相关性变化的检验,残差检验。
其中,步骤一中所述的健康基线是指根据电子产品自身数据来确定的、表征自身产品健康状态的参考值,并能通过不同的试验、使用或环境条件进行相应的调整。其中电子产品包括电子零件、元器件、电路板、组件、设备、系统以及总系统。
步骤一中所述的“健康基线特征提取方法”只是采用单参数特征分析和多参数特征分析特征提取方法,采用单参数特征分析方法包括均值、标准差、平方根、偏度、峰度、超过阈值次数、循环范围、循环均值、循环斜率、最大值、最小值和自然频率,多参数特征分析方法包括残差分析、马氏距离、主成分分析、协方差与相关因子。
步骤一中所述的“健康基线特征提取方法”包括在制造中或实际使用中建立健康基线的方法和在制造、实际使用中或返厂中实时更新健康基线的方法。
步骤一中所述的“建立实时更新健康基线”是指由输入的产品使用情况、信号值和参数、环境及使用应力,或其相关度,并通过回归分析或其他多变量估计方法确认特征数据,并对局部健康基线进行更新。
步骤二中所述的“以计算度量的方式监视并记录这些参数”中,计算度量的方式包括分布均值、标准差、极大值、极小值、峰态、偏度、均方根、超出阈值个数、循环均值、循环范围、循环缓变率、自然频率、马氏距离、主成分分析、残差计算、协方差、相关系数,监视并记录产品的使用数据包括但不限于:环境情况(如温度、湿度、振动、弯曲度、热冲击、化学、辐射和/或生物曝露)和使用情况(如电流、电压、功率、机械使用剖面)。
步骤二中所述的“预测”是指通过使用情况、信号值和参数、环境及使用应力,或其相关度的趋势计算预测故障距离。
本发明自识别电子产品的预测健康管理方法,具有如下优点:
1)通过产品自身数据来确定健康基线,并能通过不同的试验、使用或环境条件对健康基线进行相应的调整。
2)通过监测产品实际功能、信号值及计算参数、环境和使用应力,并将这些参数同自身的健康基线进行对比,从而能够在任意时刻掌握产品的实际情况,并且预测产品的健康状况。
附图说明
特别说明,本发明附图只给出了几种常见的使用情况,实际使用不应限于图示方法。
图1为本发明监视某电子产品健康状况时的逻辑流图。
图2为本发明对电子产品应用健康预测全过程的流程图。
图3为本发明特征提取过程中使用的计算矩阵。
图4为在正常使用情况下关键信号参数同环境或使用应力的关系。
图5为相同产品在老化情况下信号参数同环境或使用应力的关系。
具体实施方式
下面将结合附图和具体实例对本发明做进一步的详细说明。在掌握本发明方法后,可以对给出的使用情况根据实际进行修正,并且在不违背本发明主旨的情况下,下述应用方法也可在其他使用情况下进行应用。本发明并不限于给出的使用方法,而是在本发明所述原则和特征下适用于各种情况。
具体实施方式一:
本发明自识别电子产品的预测健康管理方法,其实施步骤如下:
步骤一:建立产品健康基线及健康基线存储
建立产品健康基线及健康基线存储的具体实施方式为:如图1所示,生产线(101)生产出电子元器件,产品或系统(102)后,进行筛选前,预测健康管理(PHM)的算法就安装在产品(103)上了,如采用将软件存入记忆芯片、微处理器、可编程只读存储器(EPROM)、闪存卡或特定电路进行硬件实现。在产品筛选过程中,对产品进行测试确认其达到的功能水平;记录使用/信号数据及应力情况,并从这些数据中提取出使用特征值,记录于产品内存储器、芯片、硬件或基本输入系统(BIOS),生成局部健康基线(104)。局部健康基线包含了产品的使用/信号数据以及应力情况,并且健康基线仅同该产品相关。健康基线也可是整体的,通过同样电子系统的信息构成。
步骤二:产品预测健康管理
首先,确认电子产品是否通过筛选和检验(105)。若不通过,可建立关键参数同元器件的关系(106),这种情况下电子产品送回生产线(101)。若电子产品通过筛选和检验,进行特征检验(107)。若产品在筛选和检验过程中记录的局部健康基线未落入整体健康基线的区间,重新进行筛选和检验过程,并建立新的局部基线。若某产品一直不能通过特征检验,即在N次检查后仍不符合要求(N针对不同产品通过经验确定),则对产品进行进一步检验(106)。若产品通过特征检验,则可交付用户(108)。
用户使用期间,继续检测性能和信号特征,以及产品的应力状态(109)。在用户使用期间记录的特征数据同产品储存的局部健康基线进行对比,从而检测异常和退化(110)。若出现局部健康基线不包含特征数据,可用于更新局部健康基线(109)。若不符合局部健康基线,则意味着检测到异常或退化,系统算法将给出警告并为未来诊断和预测记录相应信息(111)。该信息也可用于返厂修理产品(检测无故障)情况下做进一步分析。同样的,用户也可在厂商的指导下对产品施行分析。
若产品观测到故障或异常(112),用户可联系客服将产品送回进行分析(113)。在厂商、修理站或厂商指导下用户可进行PHM算法,提取特征数据并同整体健康基线(或局部健康基线)进行对比,找出关键参数并确定相关失效部件。
另外,图1中所包含的一些步骤不一定是必须的,在图中由虚线表示。但是,在实际过程中采用这些步骤,可以带来相对收益。例如,可以省略步骤107,从105直接进入108步骤。但是若采取了步骤107,则可以通过同对比局部健康基线和整体健康基线的使用情况、信号值和参数、环境和使用应力等检验或诊断筛选过程中产品质量。也可省略步骤111,从步骤110直接到步骤112。然而,如果使用了步骤111,那么使用者就可以收到故障的事先报警,从而提前安排维修活动
具体实施方式二:
图1中给出了总的实施步骤的一个示例,但是,实际操作中并不需要严格按照图1进行。
本发明自识别电子产品的预测健康管理方法,其实施步骤如下:
步骤一:建立产品健康基线及健康基线存储
图2给出了实际操作中可能用到的另一种方法。对一个新的产品(201),例如一个电子系统,PHM算法可以是内置的(202)(例如通过内置的芯片),也可以存储在专门的位置(203)。使用者也可以选择内置的健康基线(204)或者专门存储的健康基线,例如公司专门的数据库(205)。在产品的使用环境下,如果PHM算法与健康基线都是内置的,那么使用者可以选择是否根据使用环境更新数据库(207或208)。当检测到产品故障或者异常状态时,使用者可以选择是否将产品退还给生产者。如果发生故障的产品被退回给生产者了(210),那么公司可以再次运行产品中的PHM算法,然后将预测值与内置的健康基线或者公司数据库中的健康基线(213)进行比较,一方面确认故障,另一方面,也能够辨识出产品中的关键部件(214)。如果发生故障的产品没有被退回,用户可以在公司的指导下自己运行产品内置的PHM算法,与内置的健康基线进行比较(212),从而实现故障定位与关键部件的辨识(214)。如果问题仍未解决,那么用户再将产品送回公司进行进一步的诊断与分析。
样本信号与性能数据记录的下一步是特征提取。特征可以分为两类,一类是仅涉及单参数的信号,另一类是涉及多参数的信号,并且需要重点考虑多参数之间的相关性。图3是特征提取方法的示意图(301)。如何选择特征提取的方法不属于本发明的范畴。在图3中,对单参数特征(302),分析方法包括但并不局限于求均值(304),标准差(305),平方根(306),偏度(307),峰度(308),超过阈值次数(309),循环范围(310),循环均值(311),循环斜率(312),最大值(313),最小值(314),自然频率(315)等。多参数特征分析方法(303)包括但不仅限于残差分析(321),马氏距离(322),主成分分析(323),协方差(324)与相关因子(325)等。
步骤二:产品预测健康管理
在发现产品故障或者不正常状态之后,应该对关键参数及其相关的物理变量进行辨识。可以采用的方法包括投影追踪法(PPA)。其基本方法为:寻找从高维空间(反应多参数特征)向低维空间(最关键的参数)的投影,该投影应该能够最大限度的反应数据集的特征。其他有关检验内置的健康基线是否落在全局的健康基线的范围内的方法,以及有关检验测量得到的性能指标与信号参数是否落在内置健康基线范围内的方法包括T-检验,均值偏移检验,标准差偏移检验,峰度偏移检验,偏度偏移检验,奇异点数量检验,序贯概率比检验,统计过程控制,马氏距离偏移检验,不同参数之间相关性变化的检验,残差检验等。
许多电子产品都存在自然老化问题。为了将有其他因素引起的老化从自然老化中区别,产品需要具备内置的PHM算法与健康基线,并且产品能够自动的更新其健康基线。因此,当进行不正常状态分析时,应该将老化效果考虑进来。图4中的测量值可以是性能值,某种信号值或者参数、环境条件或者工作载荷,也可以是他们在正常工作环境下的相关性。图5为相同产品在老化情况下信号参数同环境或使用应力的关系。在老化条件下,如果使用者仍然使用正常状态下的健康基线,那么会引起虚警问题。因此,在老化条件下实时更新健康基线是非常重要的。
Claims (7)
1.自识别电子产品的预测健康管理方法,其特征在于下:该方法的步骤如下:
步骤一:建立产品健康基线及健康基线存储;
首先,建立产品的健康基线,根据健康基线特征提取方法和健康基线中的自身健康基线进行预测健康管理PHM方法,在存储器、芯片、硬件或BIOS电子存储器内记录并提取产品的性能指标和信号值,计算得到产品性能参数以及记录的环境与操作条件,及产品性能参数以及记录的环境与操作条件之间的关系,从而建立产品自身的健康基线,包括在制造、实际使用中或返厂中建立实时更新健康基线,其中元器件、产品或系统的健康基线在产品生产完毕后建立,且整体健康基线由系统的多个局部健康基线生成;
然后,进行健康基线的存储,将产品的健康基线以数据库的形式存储,包括两种应用情况,一是将产品的健康基线和获得产品健康基线的PHM方法存储于产品或厂商数据库中,二是将产品的健康基线以及PHM方法都存储在产品中;
步骤二:产品预测健康管理;
预测健康管理包括两种情况:一是根据使用中记录的电子产品的信号值,其中电子产品的信号值包括但不限于:电流、电压、功率、电阻、电容和阻抗,信号值用于计算均值、范围、频率、缓变率及相关度参数,将记录信号值与产品健康基线内数据进行对比,得出产品的使用情况,产品的使用情况指产品完成规定功能的情况,同时监视和记录产品在使用阶段的环境和使用应力;二是在一段时间内记录产品的使用情况、信号值和参数、环境及使用应力或其相关度,并通过回归分析或多变量估计方法,以计算度量的方式监视并记录这些参数;最后,借助电子计算机,将产品后续的性能指标、信号值,计算得到的参数以及记录的环境与操作条件,及参数以及记录的环境与操作条件之间的关系与产品的健康基线进行比较,在产品筛选和检验过程中将局部基线同整体健康基线进行对比分析,从而进一步确定产品质量和可靠性;
在发现产品故障或者不正常状态之后,应该对关键参数及其相关的物理变量进行辨识,采用的方法包括投影追踪法PPA,其基本方法为:寻找从高维空间向低维空间的投影,该投影反应数据集的特征,有关检验内置的健康基线是否落在全局的健康基线的范围内的方法,以及检验测量得到的性能指标与信号参数是否落在内置健康基线范围内的方法包括T-检验,均值偏移检验,标准差偏移检验,峰度偏移检验,偏度偏移检验,奇异点数量检验,序贯概率比检验,统计过程控制,马氏距离偏移检验,不同参数之间相关性变化的检验,残差检验。
2.权利要求1所述自识别电子产品的预测健康管理方法,其特征在于在步骤一中所述的健康基线是指根据电子产品自身数据来确定的、表征自身产品健康状态的参考值,并通过不同的试验、使用或环境条件进行调整,其中电子产品包括电子零件、元器件、电路板、组件及系统。
3.权利要求1所述自识别电子产品的预测健康管理方法,其特征在于在步骤一中所述的“健康基线特征提取方法”是指采用单参数特征分析和多参数特征分析特征提取方法,采用单参数特征分析方法包括均值、标准差、平方根、偏度、峰度、超过阈值次数、循环范围、循环均值、循环斜率、最大值、最小值和自然频率,多参数特征分析方法包括残差分析、马氏距离、主成分分析、协方差与相关因子。
4.权利要求1所述自识别电子产品的预测健康管理方法,其特征在于在步骤一中所述的“健康基线特征提取方法”包括在制造中或实际使用中建立健康基线的方法和在制造、实际使用中或返厂中实时更新健康基线的方法。
5.权利要求1所述自识别电子产品的预测健康管理方法,其特征在于在步骤一中所述的“建立实时更新健康基线”是指由输入的产品使用情况、信号值和参数、环境及使用应力,或其相关度,并通过回归分析或多变量估计方法确认特征数据,并对局部健康基线进行更新。
6.权利要求1所述自识别电子产品的预测健康管理方法,其特征在于在步骤二中所述的“以计算度量的方式监视并记录这些参数”中,计算度量的方式包括分布均值、标准差、极大值、极小值、峰态、偏度、均方根、超出阈值个数、循环均值、循环范围、循环缓变率、自然频率、马氏距离、主成分分析、残差计算、协方差、相关系数,监视并记录产品的使用数据包括但不限于:温度、湿度、振动、弯曲度、热冲击、化学、辐射和/或生物曝露的环境情况和电流、电压、功率、机械使用剖面的使用情况。
7.权利要求1所述自识别电子产品的预测健康管理方法,其特征在于在步骤二中所述的“预测”是指通过使用情况、信号值和参数、环境及使用应力,或其相关度的趋势计算预测故障距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105929833A CN103077441A (zh) | 2012-12-31 | 2012-12-31 | 自识别电子产品的预测健康管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105929833A CN103077441A (zh) | 2012-12-31 | 2012-12-31 | 自识别电子产品的预测健康管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103077441A true CN103077441A (zh) | 2013-05-01 |
Family
ID=48153963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105929833A Pending CN103077441A (zh) | 2012-12-31 | 2012-12-31 | 自识别电子产品的预测健康管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077441A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310396A (zh) * | 2013-07-03 | 2013-09-18 | 青岛大学 | 一种基于自动识别技术的教学实验样品的生产和使用链 |
CN107111306A (zh) * | 2014-12-05 | 2017-08-29 | 赛峰飞机发动机公司 | 基于定心系数的分析的零件制造方法 |
CN110873833A (zh) * | 2019-12-10 | 2020-03-10 | 国网河南省电力公司洛阳供电公司 | 一种含分布式电源的配电网自适应故障区段定位方法 |
CN113111564A (zh) * | 2021-05-24 | 2021-07-13 | 扬州大学 | 基于自适应预测区间内置式芦苇收割机健康状态评估方法 |
US11823274B2 (en) | 2018-06-04 | 2023-11-21 | Machine Cover, Inc. | Parametric instruments and methods relating to business interruption |
US11842407B2 (en) | 2018-06-04 | 2023-12-12 | Machine Cover, Inc. | Parametric instruments and methods relating to geographical area business interruption |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100191503A1 (en) * | 2009-01-23 | 2010-07-29 | Pecht Michael G | Prognostics and health management implementation for self cognizant electronic products |
-
2012
- 2012-12-31 CN CN2012105929833A patent/CN103077441A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100191503A1 (en) * | 2009-01-23 | 2010-07-29 | Pecht Michael G | Prognostics and health management implementation for self cognizant electronic products |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310396A (zh) * | 2013-07-03 | 2013-09-18 | 青岛大学 | 一种基于自动识别技术的教学实验样品的生产和使用链 |
CN103310396B (zh) * | 2013-07-03 | 2017-02-08 | 青岛大学 | 一种基于自动识别技术的教学实验样品的生产和使用方法 |
CN107111306A (zh) * | 2014-12-05 | 2017-08-29 | 赛峰飞机发动机公司 | 基于定心系数的分析的零件制造方法 |
CN107111306B (zh) * | 2014-12-05 | 2019-05-14 | 赛峰飞机发动机公司 | 基于定心系数的分析的零件制造方法 |
US11823274B2 (en) | 2018-06-04 | 2023-11-21 | Machine Cover, Inc. | Parametric instruments and methods relating to business interruption |
US11842407B2 (en) | 2018-06-04 | 2023-12-12 | Machine Cover, Inc. | Parametric instruments and methods relating to geographical area business interruption |
CN110873833A (zh) * | 2019-12-10 | 2020-03-10 | 国网河南省电力公司洛阳供电公司 | 一种含分布式电源的配电网自适应故障区段定位方法 |
CN113111564A (zh) * | 2021-05-24 | 2021-07-13 | 扬州大学 | 基于自适应预测区间内置式芦苇收割机健康状态评估方法 |
CN113111564B (zh) * | 2021-05-24 | 2023-05-23 | 扬州大学 | 基于自适应预测区间内置式芦苇收割机健康状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8494807B2 (en) | Prognostics and health management implementation for self cognizant electronic products | |
CN103077441A (zh) | 自识别电子产品的预测健康管理方法 | |
US8682824B2 (en) | Method and device for monitoring the state of a facility | |
JP5501903B2 (ja) | 異常検知方法及びそのシステム | |
US20140365179A1 (en) | Method and Apparatus for Detecting and Identifying Faults in a Process | |
Benkedjouh et al. | Fault prognostic of bearings by using support vector data description | |
US11138817B2 (en) | Vehicle system prognosis device and method | |
US11657121B2 (en) | Abnormality detection device, abnormality detection method and computer readable medium | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
TWI663510B (zh) | 設備保養預測系統及其操作方法 | |
Kumar et al. | Parameter selection for health monitoring of electronic products | |
CN107291475B (zh) | 通用型phm应用配置方法和装置 | |
Kumar et al. | A health indicator method for degradation detection of electronic products | |
CN110174878A (zh) | 一种无人化智能装备健康与保障综合管理通用系统 | |
Prisacaru et al. | Prognostics and health monitoring of electronic system: A review | |
CN105137354A (zh) | 一种基于神经网络电机故障检测方法 | |
Wen et al. | A new method for identifying the ball screw degradation level based on the multiple classifier system | |
KR20230125116A (ko) | 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법 | |
US11585732B2 (en) | Apparatus and method for diagnosing failure of plant | |
CN111400850A (zh) | 设备故障分析方法、装置、设备和存储介质 | |
CN116955045B (zh) | 一种远程jtag多路复用测试方法及系统 | |
CN112529059A (zh) | 机组电磁振动诊断方法、系统、计算机设备和存储介质 | |
Melendez et al. | Self-supervised Multi-stage Estimation of Remaining Useful Life for Electric Drive Units | |
CN114577470A (zh) | 用于风机主轴承的故障诊断方法及系统 | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130501 |