CN103196691A - 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 - Google Patents
基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 Download PDFInfo
- Publication number
- CN103196691A CN103196691A CN2013101184667A CN201310118466A CN103196691A CN 103196691 A CN103196691 A CN 103196691A CN 2013101184667 A CN2013101184667 A CN 2013101184667A CN 201310118466 A CN201310118466 A CN 201310118466A CN 103196691 A CN103196691 A CN 103196691A
- Authority
- CN
- China
- Prior art keywords
- matrix
- fault
- fuzzy
- row
- execution
- 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.)
- Granted
Links
Images
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明提供了一种基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法,应用于检测系统或设备的工作状态并隔离其内部故障的测试领域中。本方法对待测系统或者设备的故障和征兆进行模糊关系建模,得到模糊关系矩阵,当该矩阵或经过初等变化后是主对角元占优矩阵,根据主对角元占优矩阵确定相应的相关性故障测试矩阵的全零行,进一步根据最大隶属度的征兆与故障对应关系建立相关性故障测试矩阵。本发明可由工程中普遍涉及到的主对角元占优模糊关系矩阵,快速地得到测试中所需的相关性故障测试矩阵,从而对待测系统或者设备进一步进行故障检测,方法快速、方便、可行。
Description
技术领域
本发明涉及由工程中主对角占优模糊关系矩阵生成相关性故障测试矩阵的构建方法,用于系统或设备能及时准确的确定其状态(可工作、不可工作或性能下降)并隔离其内部故障,属于测试性技术领域。
背景技术
对角占优矩阵是一种应用非常广泛的矩阵类,它在信息论、系统论、现代经济学、网络、算法和程序设计等众多领域都有着十分重要的应用。而在测试性领域中,分析主对角占优的模糊关系矩阵,并以此为基础来构建相关性故障测试矩阵对测试性的工程应用有很大帮助。
相关性理论是近年来出现的用于测试选用配置分析的重要方法,该方法基于单故障假设,采用测试性模型和相关性故障测试矩阵来表达产品故障与测试之间的关联关系,根据关联关系确定测试的重要性。
模糊关系矩阵描述故障征兆与故障原因之间的不确定关系,相关性故障测试矩阵表示故障模式与测试之间的确定逻辑关系。当把故障征兆看成一种测试,故障原因类同于故障模式时,模糊关系矩阵与相关性故障测试矩阵在数学本质上相通,并可以相互转换。其中模糊关系矩阵RT为工程测试中可得数据,但数据量庞大繁冗,不适于直接运用,而相关性故障测试矩阵D满足快速、直观等特点,在测试中较模糊关系矩阵有更好的应用价值。
发明内容
本发明的目的是提供了一种基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法,利用基于主对角元占优的模糊关系矩阵生成相关性故障测试矩阵,利用所生成的矩阵进行故障测试。
本发明的基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法,包括以下几个步骤:
步骤一:首先,对待测系统或者设备的故障和征兆进行模糊关系建模,得到m行×n列的模糊关系矩阵RT,m≥n;RT中的元素rij表示第i个故障Yi导致第j个征兆Xj出现的概率,rij∈Rm×n,R表示实数集;然后判断模糊关系矩阵RT是否为主对角占优矩阵;
判断模糊关系矩阵RT,是否满足式(1),若满足,则模糊关系矩阵RT为主对角占优矩阵,设主对角占优的模糊关系矩阵RT’=RT,执行步骤三,若不满足,执行步骤二;
其中,|rij|表示为实数rij的绝对值。
由工程所得的模糊关系矩阵RT’中,不存在无故障时仍有征兆表现的情况,即不存在n>m的情况,因此m≥n。
步骤二:对模糊关系矩阵RT进行初等变换,并判断是否能整理成为主对角占优矩阵,若是,整理为主对角占优的模糊关系矩阵RT’,对矩阵RT’的行列对应的征兆和故障重新按顺序编号,继续执行步骤三,否则,结束本方法。找出模糊关系矩阵RT中每行的最大元,若一行的最大元有两个以上,则矩阵RT不能经过初等变换成为主对角占优矩阵;否则,矩阵RT能经过初等变换成为主对角占优矩阵。设找到模糊关系矩阵RT第i行的唯一一个最大元为rib,则互换矩阵RT的第b列与第i列。当第n行进行互换完毕后,即可得到广义的主对角占优的模糊关系矩阵RT’,对矩阵RT’的行列对应的征兆和故障重新按顺序编号,可得如下矩阵:
步骤三:根据主对角占优的模糊关系矩阵,建立最大隶属度的征兆与故障对应关系;主对角占优的模糊关系矩阵RT’中的元素rii对应征兆Xi和故障Yi,表示征兆Xi由故障Yi以最大概率rii表现出来,所以建立对应关系Xi→Yi,其中→表示对应关系。
步骤四:设所求的相关性故障测试矩阵为D,矩阵D为m行×n列的矩阵,矩阵D中元素dij表示第i个故障模式Fi与第j个测试Tj之间的关系值;根据已建立的对应关系确定所求相关性故障测试矩阵D中的全零行:矩阵D中第p行为全零行,n+1≤p≤m。
步骤五:根据已建立的对应关系以及步骤四确定的全零行,生成对应的相关性故障测试矩阵D。令矩阵D中的元dii=1,dij=0,(i≠j)即可。最终得到的相关性故障测试矩阵D为:
步骤六:根据相关性故障测试矩阵D,选择检测用测试点及故障隔离用测试点,制定诊断策略,进行故障检测和定位。
本发明的优点与积极效果在于:
(1)本发明为工程中普遍涉及到的主对角元占优模糊关系矩阵提供了一套规范化的相关性故障测试矩阵生成方法,可直观地梳理出故障和征兆的对应关系,并快速地得到测试中所需的相关性故障测试矩阵,从而对待测系统或者设备进一步进行故障检测。
(2)本发明方法中由模糊关系矩阵生成相关性故障测试矩阵,快速、方便、可行。
(3)本发明弥补了由已知模糊关系矩阵确定相应的相关性故障测试矩阵方法的空白,为模糊关系矩阵确定化提供了一种处理方法,从而为利用相关性故障测试矩阵进行故障检测和定位提供了便利。
附图说明
图1是本发明的建立相关性故障测试矩阵方法的流程图;
图2是本发明的步骤二整理主对角占优模糊关系矩阵的流程图;
图3是本发明的步骤四和步骤五中建立相关性故障测试矩阵的流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
下面使用本发明提供的基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法,对得到的模糊关系矩阵RT进行处理,如图1所示,各步骤具体说明如下。
步骤一:对待测系统或者设备的故障和征兆进行模糊关系建模。
本发明实施例中,为某航电模块的信号调理电路的故障与征兆进行模糊关系建模,可得到模糊关系矩阵RT为:
其中,Y1~Y7表示第1个故障~第7个故障,X1~X5表示第1个故障~第7个故障导致第j个征兆出现的概率,模糊关系矩阵RT为m行×n列的实矩阵,本发明实施例中,行数m为7,列数n为5;元素rij表示第i个故障Yi导致第j个征兆Xj出现的概率。
判断模糊关系矩阵RT是否为主对角占优矩阵,若是,设主对角占优的模糊关系矩阵RT’=RT,执行步骤三,若否,执行步骤二。可由式(1)所示的条件,快速判断该矩阵是否为主对角占优矩阵。
其中,|rij|表示为实数rij的绝对值。
通过判断,可知,当前模糊关系矩阵RT不是主对角占优矩阵。继续执行步骤二。
步骤二:整理模糊关系矩阵RT成为主对角占优矩阵RT’,若整理不成,则结束本发明方法,否则,继续步骤三。
由于在模糊关系矩阵中,RT=[rij]m×n,即
其中,Xj表示第j个征兆,Yi表示第i个故障,而两两互换行或者互换列不会影响该矩阵中表达的征兆与故障的相互关系。若对于给定的模糊关系矩阵RT,经过有限次的行或者列的两两互换,若能满足公式(1),则仍可称该模糊关系矩阵为主对角占优矩阵。
步骤二将步骤一得到的模糊关系矩阵RT进行或列的两两互换,以得到主对角占优矩阵,具体过程如下。如图2所示,将模糊关系矩阵整理为主对角占优的矩阵的具体步骤是:
步骤2.1:选择模糊关系矩阵RT的第i行,初始i=1;
步骤2.2:设置j=1,变量k=0;
步骤2.3:选择第j个元素,判断元素|rij|是否为模糊关系矩阵RT的第j列的最大元,若是,执行步骤2.4,否则,执行步骤2.5;
步骤2.4:找到第j列的一个最大元,保存该最大元,并更新k=k+1;
步骤2.5:更新j=j+1,判断j是否大于n,若是,执行步骤2.6,若否,执行步骤2.3;
步骤2.6:判断k是否大于1,若是,则模糊关系矩阵RT不可通过初等变换为对角占优矩阵,否则,执行步骤2.7;
步骤2.7:更新i=i+1,判断i是否大于m,若是,执行步骤2.8;否则,执行步骤2.1;
步骤2.8:已找到所有列的最大元,建立了互换对应关系,将模糊关系矩阵RT通过初等变换为对角占优矩阵。设保存的一个最大元为rab,则将模糊关系矩阵RT的第b列与第a列互换。
当变量k大于1时,表示模糊关系矩阵RT的第i行上有两个以上的最大元,则不能通过初等变换为对角占优矩阵,不适用本发明方法,结束。
本发明实施例中,第一行:最大元r12=0.246;第二行,最大元r21=0.246;第三行:最大元r33=0.274;第四行:最大元r44=0.274;第五行:最大元r55=0.28。
将矩阵的第2列与第1列互换,得到RT’为:
经过步骤二,本发明实施例中,将步骤一的模糊关系矩阵RT转化为主对角占优的模糊关系矩阵RT’。
所得到的模糊关系矩阵RT’满足公式(1)。
步骤三:根据主对角占优的模糊关系矩阵RT’,建立最大隶属度的征兆与故障对应关系。
主对角占优的模糊关系矩阵,rii所对应的列Xi以及对应的行Yi,表示征兆Xi可由故障Yi以最大概率rii表现出来,建立其对应关系Xi→Yi,其中→表示对应关系。
本发明实施例中建立对应关系X1→Y1,X2→Y2,...,X5→Y5。
步骤四:根据已建立的对应关系确定所求相关性故障测试矩阵中的全零行。
由工程所得的模糊关系矩阵RT’中,不存在无故障时仍有征兆表现的情况,即不存在n>m的情况。则在理论范围内m≥n。
相关性故障测试矩阵D的形式为:
其中,F1,…,Fm表示为第1个故障模式,……,第m个故障模式,m取正整数;T1,…,Tn表示第1个测试,……,第n个测试,n取正整数。矩阵中的第i行第j列的元素dij表示故障模式Fi与测试Tj之间的关系值。本发明实施例中测试监测的是逻辑量,dij值为:
此时整理所得的模糊关系矩阵RT’形如下式:
由于i=1,2...,n,可得rp1<max{ri1},rp2<max{ri2},…,rpn<max{rin},其中,n+1≤p≤m。则对应的相关性故障测试矩阵D中第p行为全零行,n+1≤p≤m,即行向量Fp中元素全为零,dp1=dp2=…=dpn=0。从而得到形如下式的相关性故障测试矩阵D:
本发明实施例中,6≤p≤7,相关性故障测试矩阵D中的全零行为第6,7行。得到形如下式的相关性故障测试矩阵D
步骤五:根据已建立的对应关系以及步骤四确定的全零行生成对应的相关性故障测试矩阵D。
由于在主对角占优的模糊关系矩阵RT’中,故障可隔离至单个测试,非对角元所对应的故障均可由对角元所对应的征兆以最大隶属度表征出来,此时可忽略非对角元所对应的故障与征兆。所以依据已建立的对应关系,令所有D中的元dii=1,dij=0,i≠j即可。则经步骤四和步骤五,得到相关性故障测试矩阵D为:
本发明实施例中所得相关性故障测试矩阵D为:
步骤六:由得到的相关性故障测试矩阵D,选择检测用测试点及故障隔离用测试点,并制定诊断策略,包含制定检测顺序、故障隔离顺序及故障诊断树,在此基础上进行相关测试性参数的统计分析,进行故障检测和定位。相关测试性参数如:选用测试点数、故障检测率、故障隔离率和诊断测试平均步骤数等。
验证诊断结果:
运用模糊诊断方程XT。RT=Y,其中,“。”为模糊逻辑算子,X为故障征兆模糊向量。在此,取XT=[1 1 1 1 1]T,则故障矢量Y=RT,根据取大原则知该诊断结果符合所得相关性故障测试矩阵D。
得到了相关性故障测试矩阵D之后,就可以优选故障检测用测试点、故障隔离用测试点了,具体可分为三步:
1)简化矩阵D的识别模糊组
2)选择检测用测试点
3)选择故障隔离用测试点
以本发明方法得到的相关性故障测试矩阵D,可直观的看到不包含冗余测试点和故障隔离的模糊组,因此可直接用该相关性故障测试矩阵D进行选择用检测用测试点,方法如下:
在相关性故障测试矩阵D中每一个测试点的故障检测权值WFD=1,因此选择一个容易实现的测试点T3即可。
选择故障隔离用测试点方法如下:
在相关性故障测试矩阵D中每一个测试点的故障隔离权值WFI=6,因此优先选择故障检测已选用的测试点T3。
在此基础上制定诊断策略得到诊断树并进行结果分析,该项工作属于测试性初步分析与设计的内容,其结果可作为下一步进行详细测试性分析与设计的基础。
1)根据选出的测试点,可进一步分析要测试的参数特性、测试方法和容差等。这些测试点可以供BIT使用,也可以用于外部测试。
2)按此方法制定的诊断策略具有自适应特性。它是根据前一步测试结果来确定下一步测试的,每次测试顺序不是固定不变的。
在产品的实际使用过程中,还可以根据故障率和测试费用的统计数据,定期重复优选测试点确定诊断策略的过程,进一步优化诊断程序,因而可以不断改进产品维修检测工作。
3)根据选出的测试点和诊断树,可以初步预计有关测试性参数值如FDR(故障检测率),FIR(故障隔离率)等,以便评价初步测试性设计与分析工作成果,发现不足,改进设计。
4)以此优选的测试点、制定的诊断策略方法,适用于各类不同的系统和设备。
Claims (2)
1.一种基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法,其特征在于,包括如下步骤:
步骤一:首先,对待测系统或者设备的故障和征兆进行模糊关系建模,得到m行×n列的模糊关系矩阵RT,m≥n;RT中的元素rij表示第i个故障Yi导致第j个征兆Xj出现的概率;
然后,判断模糊关系矩阵RT,是否满足式(1),若满足,则模糊关系矩阵RT为主对角占优矩阵,设主对角占优的模糊关系矩阵RT’=RT,然后执行步骤三,若不满足,执行步骤二;
其中,|rij|表示为实数rij的绝对值;
步骤二:对模糊关系矩阵RT进行初等变换,并判断是否能整理成为主对角占优矩阵,若是,整理为主对角占优的模糊关系矩阵RT’,对矩阵RT’的行列对应的征兆和故障重新按顺序编号,继续执行步骤三,否则,结束本方法;
找出模糊关系矩阵RT中每行的最大元,若一行的最大元有两个以上,则矩阵RT不能经过初等变换成为主对角占优矩阵;否则,矩阵RT能经过初等变换成为主对角占优矩阵,设找到模糊关系矩阵RT第i行的唯一一个最大元为rib,则互换矩阵RT的第b列与第i列;
步骤三:根据主对角占优的模糊关系矩阵RT’,建立最大隶属度的征兆与故障对应关系;主对角占优的模糊关系矩阵RT’中的元素rii对应征兆Xi和故障Yi,表示征兆Xi由故障Yi以最大概率rii表现出来,建立对应关系Xi→Yi,其中→表示对应关系;
步骤四:设所求的相关性故障测试矩阵为D,矩阵D为m行×n列的矩阵,矩阵D中元素dij表示第i个故障模式Fi与第j个测试Tj之间的关系值;矩阵D中第p行为全零行,n+1≤p≤m;
步骤五:令矩阵D中的元dii=1,dij=0,(i≠j),则最终得到相关性故障测试矩阵D:
步骤六:根据相关性故障测试矩阵D,选择检测用测试点及故障隔离用测试点,制定诊断策略,进行故障检测和定位。
2.根据权利要求1所述的建立相关性故障测试矩阵的方法,其特征在于,所述的步骤二具体包括如下步骤2.1~2.8:
步骤2.1:选择模糊关系矩阵RT的第i行,初始i=1;
步骤2.2:设置j=1,变量k=0;
步骤2.3:选择第j个元素,判断元素|rij|是否为模糊关系矩阵RT的第j列的最大元,若是,执行步骤2.4,否则,执行步骤2.5;
步骤2.4:找到第j列的一个最大元,保存该最大元,并更新k=k+1;
步骤2.5:更新j=j+1,判断j是否大于n,若是,执行步骤2.6,若否,执行步骤2.3;
步骤2.6:判断k是否大于1,若是,则模糊关系矩阵RT不可通过初等变换为对角占优矩阵,否则,执行步骤2.7;
步骤2.7:更新i=i+1,判断i是否大于m,若是,执行步骤2.8;否则,执行步骤2.1;
步骤2.8:已找到所有列的最大元,建立了互换对应关系,将模糊关系矩阵RT通过初等变换为对角占优矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310118466.7A CN103196691B (zh) | 2013-04-08 | 2013-04-08 | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310118466.7A CN103196691B (zh) | 2013-04-08 | 2013-04-08 | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103196691A true CN103196691A (zh) | 2013-07-10 |
CN103196691B CN103196691B (zh) | 2015-07-15 |
Family
ID=48719385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310118466.7A Active CN103196691B (zh) | 2013-04-08 | 2013-04-08 | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103196691B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808941A (zh) * | 2016-03-04 | 2016-07-27 | 重庆大学 | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 |
CN103927447B (zh) * | 2014-04-18 | 2017-02-15 | 北京航空航天大学 | 一种基于多阶测试门限判别的故障隔离方法 |
CN108460202A (zh) * | 2018-02-22 | 2018-08-28 | 中国舰船研究设计中心 | 船舶系统测试性指标优化方法 |
CN111221320A (zh) * | 2019-12-27 | 2020-06-02 | 北京航天测控技术有限公司 | 一种数据判读方法、装置、终端及计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7167998B2 (en) * | 2003-09-30 | 2007-01-23 | International Business Machines Corporation | Problem determination using probing |
CN101714928A (zh) * | 2008-10-07 | 2010-05-26 | 中兴通讯股份有限公司 | 一种实现通讯产品故障检测和定位的方法及系统 |
CN102722471A (zh) * | 2012-05-21 | 2012-10-10 | 北京航空航天大学 | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 |
CN102818948A (zh) * | 2012-07-16 | 2012-12-12 | 北京航空航天大学 | 基于模糊故障诊断和相关性模型诊断的dr合成诊断方法 |
CN102930081A (zh) * | 2012-10-09 | 2013-02-13 | 中国航空综合技术研究所 | 一种基于相关性模型的机内测试设计方法 |
-
2013
- 2013-04-08 CN CN201310118466.7A patent/CN103196691B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7167998B2 (en) * | 2003-09-30 | 2007-01-23 | International Business Machines Corporation | Problem determination using probing |
CN101714928A (zh) * | 2008-10-07 | 2010-05-26 | 中兴通讯股份有限公司 | 一种实现通讯产品故障检测和定位的方法及系统 |
CN102722471A (zh) * | 2012-05-21 | 2012-10-10 | 北京航空航天大学 | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 |
CN102818948A (zh) * | 2012-07-16 | 2012-12-12 | 北京航空航天大学 | 基于模糊故障诊断和相关性模型诊断的dr合成诊断方法 |
CN102930081A (zh) * | 2012-10-09 | 2013-02-13 | 中国航空综合技术研究所 | 一种基于相关性模型的机内测试设计方法 |
Non-Patent Citations (2)
Title |
---|
HU QINGHUA,ET AL: "Information-preserving hybrid data reduction based on fuzzy-rough techniques", 《PATTERN RECOGNITION LETTERS》, vol. 27, no. 5, 30 April 2006 (2006-04-30), pages 414 - 423 * |
杨鹏: "基于相关性模型的诊断策略优化设计技术", 《中国博士学位论文全文数据库 工程科技II辑》, no. 04, 15 April 2010 (2010-04-15) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927447B (zh) * | 2014-04-18 | 2017-02-15 | 北京航空航天大学 | 一种基于多阶测试门限判别的故障隔离方法 |
CN105808941A (zh) * | 2016-03-04 | 2016-07-27 | 重庆大学 | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 |
CN108460202A (zh) * | 2018-02-22 | 2018-08-28 | 中国舰船研究设计中心 | 船舶系统测试性指标优化方法 |
CN111221320A (zh) * | 2019-12-27 | 2020-06-02 | 北京航天测控技术有限公司 | 一种数据判读方法、装置、终端及计算机可读介质 |
CN111221320B (zh) * | 2019-12-27 | 2021-08-10 | 北京航天测控技术有限公司 | 一种数据判读方法、装置、终端及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103196691B (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914064B (zh) | 基于多分类器和d-s证据融合的工业过程故障诊断方法 | |
CN102818948B (zh) | 基于模糊故障诊断和相关性模型诊断的合成诊断方法 | |
CN105790279A (zh) | 基于谱聚类的无功电压分区方法 | |
CN109193650B (zh) | 一种基于高维随机矩阵理论的电网薄弱点评估方法 | |
CN103761684A (zh) | 一种输电电缆整体状态的综合评估方法及系统 | |
CN104766175A (zh) | 一种基于时间序列分析的电力系统异常数据辨识与修正方法 | |
CN103389701B (zh) | 基于分布式数据模型的厂级过程故障检测与诊断方法 | |
CN103177186B (zh) | 一种电气回路故障概率预测方法 | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN103064008A (zh) | 一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法 | |
CN103196691B (zh) | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 | |
CN106226621A (zh) | 一种基于灰色关联分析的二次设备故障诊断和预警方法 | |
US11120350B2 (en) | Multilevel pattern monitoring method for industry processes | |
CN103279033B (zh) | 一种原油管道调合过程状态辨识方法 | |
CN108764305A (zh) | 一种改进的群智能机器学习故障诊断系统 | |
CN106067032A (zh) | 用于数据异常监测的传感器选择方法的评价方法 | |
CN104898039B (zh) | 基于故障传播概率模型的故障模式优选方法 | |
CN105574328A (zh) | 一种机载诊断模型的集成方法 | |
Momtazpour et al. | Analyzing invariants in cyber-physical systems using latent factor regression | |
CN106155985A (zh) | 一种基于相邻数据特征的数据缺失填充方法 | |
CN104506137A (zh) | 一种设备故障诊断方法和装置 | |
CN114925536A (zh) | 机载系统phm测试性建模与诊断策略优化方法和装置 | |
CN105843733A (zh) | 一种大数据平台的性能检测方法及装置 | |
CN105204438A (zh) | 一种面向缸盖零件的加工质量控制方法 | |
CN105301602A (zh) | 一种基于灰色关联度导航卫星完好性关键点综合识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |