CN103927259B - 一种基于测试性建模数据的故障检测与隔离综合方法 - Google Patents
一种基于测试性建模数据的故障检测与隔离综合方法 Download PDFInfo
- Publication number
- CN103927259B CN103927259B CN201410158021.6A CN201410158021A CN103927259B CN 103927259 B CN103927259 B CN 103927259B CN 201410158021 A CN201410158021 A CN 201410158021A CN 103927259 B CN103927259 B CN 103927259B
- Authority
- CN
- China
- Prior art keywords
- fault
- bit
- matrix
- correlation matrix
- ambiguity group
- 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.)
- Active
Links
Abstract
本发明公开了一种基于测试性建模数据的故障检测与隔离综合方法,包括步骤一、建立系统的相关性矩阵;步骤二、建立BIT故障字典;步骤三、建立BIT模糊组故障的人工测试相关性矩阵,并生成BIT模糊组故障的人工隔离诊断树;步骤四、建立BIT不可检测故障的人工测试相关性矩阵,并生成BIT不可检测故障的人工检测隔离诊断树;步骤五、综合BIT故障字典、BIT模糊组故障的人工隔离诊断树和BIT不可检测故障的人工检测隔离诊断树,在系统维护检查时进行故障检测与隔离;本发明可实现对BIT测试结果的直接使用,以及BIT模糊组故障和不可检测故障的人工测试优选,提高了诊断效率和完整性。
Description
技术领域
本发明涉及一种基于测试性建模数据的故障检测与隔离综合方法,属于测试性技术领域。
背景技术
测试性建模是目前系统测试性设计分析的一种普遍采用的方法,通过测试性建模可以得到系统的相关性矩阵,进而实现故障检测与隔离能力的定量评价。
在相关性矩阵的基础上,通过的直接测试优选可以得到诊断树,利用诊断树提供的诊断步骤可实现系统故障的检测隔离。但在实际应用中,相关性矩阵中通常都包含机内测试(BIT)和人工测试,而机内测试是自动执行的,不受诊断步骤限制,导致利用上述方法获得的诊断树不能全面地利用机内测试的优势给出更高效和更完整的诊断。
目前,针对该问题,还没有一种有效的机内测试(BIT)和人工测试综合的故障检测与隔离方法。
发明内容
本发明的目的是为了解决上述问题,提出一种基于测试性建模数据的故障检测与隔离综合方法,首先利用现有测试性建模方法获得系统的相关性矩阵(D矩阵),然后将其分解为BIT和人工测试的D矩阵,并建立相应的BIT故障字典和人工测试诊断树,最后综合应用故障字典和诊断树实现对系统的故障检测与隔离。
一种基于测试性建模数据的故障检测与隔离综合方法,具体包括以下几个步骤:
步骤一、建立系统的相关性矩阵;
利用系统的故障和测试数据,建立测试性模型并得到相关性矩阵,其表达式如(1)式所示:
式中,D表示相关性矩阵;F={F1,F2…Fm}表示被测对象的故障集合;BITi表示BIT测试,Mj代表人工测试,BITi/Mi表示该测试为BIT测试或人工测试,dij表明了Fi与BITi和Mj的相关性,即:
步骤二、根据得到的相关性矩阵,分解提取BIT相关性矩阵,并建立BIT故障字典;
步骤2.1根据步骤一得到D矩阵,从中分解出BIT相关性矩阵D1;
具体过程为:把D矩阵中含有BITi的列提取出来构成D1,D矩阵中剩余的部分组成人工测试相关性矩阵D2,D1和D2表达式如下:
步骤2.2如果D1有全0行,则删除该行,并将其对应故障Fi组成集合F1 (0),合并矩阵中的模糊组得到矩阵D1 (1),并将D1 (1)作为BIT故障字典;
步骤三、依据步骤一得到的相关性矩阵,对每个BIT隔离模糊组故障,建立BIT模糊组故障的人工测试相关性矩阵,并生成BIT模糊组故障的人工隔离诊断树;
包括以下几个步骤:
步骤3.1根据D1 (1)得到了模糊组集合F(2),F(2)中包含了若干个模糊组,F(2)={F1 (2),F2 (2),…,Fk (2)},每个模糊组Fi (2)包含若干故障,对每一个模糊组都建立BIT模糊组故障的人工测试相关性矩阵,具体方法为:把D2中每个Fi (2)对应的行提取出来,构成矩阵Di (2);
步骤3.2利用相关性建模分析的诊断策略生成方法,根据Di (2)进行测试优选,针对每一个人工测试相关性矩阵生成BIT模糊组故障的人工隔离诊断树;
步骤四、对BIT的不可检测故障,依据步骤一得到的相关性矩阵,建立BIT不可检测故障的人工测试相关性矩阵,并生成BIT不可检测故障的人工检测隔离诊断树;
具体为:
步骤4.1若存在F1 (0)为BIT无法检测故障,则建立BIT不可检测故障的人工测试相关性矩阵,具体方法为从D2中把F1 (0)含有的故障所对应的行提取出来构成矩阵D2 (1);
步骤4.2利用相关性建模分析的诊断策略生成方法,根据D2 (1)生成BIT不可检测故障的人工检测隔离诊断树;
步骤五、综合BIT故障字典、BIT模糊组故障的人工隔离诊断树和BIT不可检测故障的人工检测隔离诊断树,在系统维护检查时进行故障检测与隔离;
首先判断BIT是否有报警,若存在BIT报警,则根据BIT故障字典隔离故障,当故障隔离结果为具体故障时,故障检测与隔离结束;当隔离结果存在模糊组故障,则无法准确定位到具体故障,需要利用BIT模糊组故障的人工隔离诊断树,进行增补隔离至具体故障;
当BIT没有报警时,利用BIT不可检测故障的人工检测隔离诊断树,进行故障检测和隔离。
本发明的优点在于:
(1)本发明兼顾机内测试自动执行与人工测试按步骤执行的特点,提供了一种更符合系统实际测试需求的故障检测与隔离综合方法,能实现机内测试和人工测试有机融合的综合诊断;
(2)本发明可实现对BIT测试结果的直接使用,以及BIT模糊组故障和不可检测故障的人工测试优选,提高了诊断效率和完整性;
(3)本发明利用测试性建模得到的相关性矩阵进行诊断逻辑设计,无需借助额外的诊断知识,提高了方法的应用可行性。
附图说明
图1是本发明的方法流程图;
图2是BIT模糊组故障的人工隔离诊断树生成流程图;
图3是故障检测与隔离综合流程图;
图4某控制系统相关性图示模型;
图5根据D1 (2)生成的人工隔离诊断树;
图6根据D2 (2)生成的人工隔离诊断树;
图7根据D2 (1)生成的人工隔离诊断树。
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。
本发明是一种基于测试性建模数据的故障检测与隔离综合方法,流程如图1所示,具体包括以下几个步骤:
步骤一、建立系统的相关性矩阵。
根据现有的测试性建模方法,利用系统的故障和测试数据,建立测试性模型并得到相关性矩阵,其表达式如(1)式所示:
式中,D表示相关性矩阵;F={F1,F2…Fm}表示被测对象的故障集合;BITi表示BIT测试,Mj代表人工测试,BITi/Mi表示该测试为BIT测试或人工测试,dij表明了Fi与BITi和Mj的相关性,即:
步骤二、根据得到的相关性矩阵,分解提取BIT相关性矩阵,并建立BIT故障字典。
步骤2.1根据步骤一得到D矩阵,从中分解出BIT相关性矩阵D1。具体过程为,把D矩阵中含有BITi的列提取出来构成D1,D矩阵中剩余的部分组成人工测试相关性矩阵D2。D1和D2表达式如下:
步骤2.2如果D1有全0行,则删除该行,并将其对应故障Fi组成集合F1 (0),合并矩阵中的模糊组得到矩阵D1 (1),并将D1 (1)作为BIT故障字典。
步骤三、依据步骤一得到的相关性矩阵,对每个BIT隔离模糊组故障,建立BIT模糊组故障的人工测试相关性矩阵,并生成BIT模糊组故障的人工隔离诊断树。
流程如图2所示,包括以下几个步骤:
步骤3.1根据D1 (1)得到了模糊组集合F(2),F(2)中包含了若干个模糊组,F(2)={F1 (2),F2 (2),…,Fk (2)},每个模糊组Fi (2)包含若干故障,对每一个模糊组都建立BIT模糊组故障的人工测试相关性矩阵。具体方法为把D2中每个Fi (2)对应的行提取出来,构成矩阵Di (2)。
步骤3.2利用现有的相关性建模分析的诊断策略生成方法,根据Di (2)进行测试优选,针对每一个人工测试相关性矩阵生成BIT模糊组故障的人工隔离诊断树。由于Di (2)可能有若干组,因此生成的人工隔离诊断树也有对应的数目。
步骤四、对BIT的不可检测故障,依据步骤一得到的相关性矩阵,建立BIT不可检测故障的人工测试相关性矩阵,并生成BIT不可检测故障的人工检测隔离诊断树。
步骤4.1若存在F1 (0)为BIT无法检测故障,则建立BIT不可检测故障的人工测试相关性矩阵。具体方法为从D2中把F1 (0)含有的故障所对应的行提取出来构成矩阵D2 (1)。
步骤4.2利用现有的相关性建模分析的诊断策略生成方法,根据D2 (1)生成BIT不可检测故障的人工检测隔离诊断树,其方法与步骤3.2相同。
步骤五、综合BIT故障字典、BIT模糊组故障的人工隔离诊断树和BIT不可检测故障的人工检测隔离诊断树,在系统维护检查时进行故障检测与隔离。
流程如图3所示,首先判断BIT是否有报警,若存在BIT报警,则根据BIT故障字典隔离故障。当故障隔离结果为具体故障(非模糊组故障)时,故障检测与隔离结束;当隔离结果存在模糊组故障,则无法准确定位到具体故障,需要利用BIT模糊组故障的人工隔离诊断树,进行增补隔离至具体故障。
当BIT没有报警时,系统还可能发生了BIT无法检测的故障,此时需要利用BIT不可检测故障的人工检测隔离诊断树,进行故障检测和隔离。
实施例:
某控制系统的相关性图示模型如图4所示,该图示模型在功能和结构的划分基础上有三个分支,F2,F3,F4和F5为一分支,F6和F7为一分支,F8为一分支。在图示模型中,故障信息可以沿着箭头方向被相应的测试所检测。如F1发生,则全部的BIT测试和人工测试的测试结果均为有故障;F4发生,则仅人工测试M2测试结果为有故障。图示模型表明了功能流向和各组成部件相互连接关系,和各组成部分与各测试的相关关系,为故障诊断和测试分析提供了基础。
步骤一、建立系统的相关性矩阵。
已知某控制系统的图示模型,可以据此建立相关性矩阵。其中BITi代表BIT测试,Mi代表人工测试,其中各项测试具体为:
●BIT1为信号采集BIT;
●BIT2为中频信号提取BIT;
●BIT3为驱动放大BIT;
●BIT4为特征信号提取BIT;
●M1为控制结算有效测试;
●M2为作动器动作范围测试;
●M3为差分信号输出人工测试;
●M4为数据采集工作指示灯观测。
据此建立的D矩阵,如下表示。
表1原始D矩阵
D | BIT1 | BIT2 | M1 | BIT3 | M2 | M3 | BIT4 | M4 |
信号采集器故障(F1) | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
中频信号提取单元故障(F2) | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 |
控制解算器单元故障(F3) | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 |
驱动放大单元故障(F4) | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 |
作动器故障(F5) | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
差分信号提取单元故障(F6) | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 |
特征信号输出单元故障(F7) | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 |
采集数据记录单元故障(F8) | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
步骤二、根据得到的相关性矩阵,分解提取BIT相关性矩阵,并建立BIT故障字典。
步骤2.1根据步骤一得到D矩阵,从中分解出BIT相关性矩阵D1。具体过程为,把D矩阵中含有BITi的列提取出来构成D1,D矩阵中剩余的部分组成人工测试相关性矩阵D2。得到的D1和D2如下所示:
表2D1矩阵
D1 | BIT1 | BIT2 | BIT3 | BIT4 |
信号采集器故障(F1) | 1 | 1 | 1 | 1 |
中频信号提取单元故障(F2) | 0 | 1 | 1 | 0 |
控制解算器单元故障(F3) | 0 | 0 | 1 | 0 |
驱动放大单元故障(F4) | 0 | 0 | 1 | 0 |
作动器故障(F5) | 0 | 0 | 0 | 0 |
差分信号提取单元故障(F6) | 0 | 0 | 0 | 1 |
特征信号输出单元故障(F7) | 0 | 0 | 0 | 1 |
采集数据记录单元故障(F8) | 0 | 0 | 0 | 0 |
表3D2矩阵
D2 | M1 | M2 | M3 | M4 |
信号采集器故障(F1) | 1 | 1 | 1 | 1 |
中频信号提取单元故障(F2) | 1 | 1 | 0 | 0 |
控制解算器单元故障(F3) | 1 | 1 | 0 | 0 |
驱动放大单元故障(F4) | 0 | 1 | 0 | 0 |
作动器故障(F5) | 0 | 1 | 0 | 0 |
差分信号提取单元故障(F6) | 0 | 0 | 1 | 0 |
特征信号输出单元故障(F7) | 0 | 0 | 0 | 0 |
采集数据记录单元故障(F8) | 0 | 0 | 0 | 1 |
步骤2.2D1有全0行,则删除该行,并将其对应故障Fi组成集合F1 (0),得到F1 (0)={F5,F8}。然后合并矩阵中的模糊组,得到D1 (1)如下所示:
表4D1 (1)矩阵
D1 (1)即是BIT故障字典。
步骤三、依据步骤一得到的相关性矩阵,对每个BIT隔离模糊组故障,建立BIT模糊组故障的人工测试相关性矩阵,并生成BIT模糊组故障的人工隔离诊断树。
步骤3.1根据相关性矩阵可以得到了模糊组集合F(2),F(2)中包含了两个个模糊组,F(2)={F1 (2),F2 (2)},每个模糊组Fi (2)包含若干故障,其中F1 (2)={F3,F4},F2 (2)={F6,F7}。对每一个模糊组都建立BIT模糊组故障的人工测试相关性矩阵。具体方法为把D2中每个Fi (2)对应的行提取出来,构成矩阵Di (2),则D1 (2),D2 (2)如下所示:
表5D1 (2)矩阵
D1 (2) | M1 | M2 | M3 | M4 |
控制解算器单元故障(F3) | 1 | 1 | 0 | 0 |
驱动放大单元故障(F4) | 0 | 1 | 0 | 0 |
表6D2 (2)矩阵
D2 (2) | M1 | M2 | M3 | M4 |
差分信号提取单元故障(F6) | 0 | 0 | 1 | 0 |
特征信号输出单元故障(F7) | 0 | 0 | 0 | 0 |
步骤3.2利用现有的相关性建模分析的诊断策略生成方法,根据Di (2)生成BIT模糊组故障的人工隔离诊断树,如图5所示,在该诊断树中,通过人工测试M1进行故障隔离。如果测试结果为没有故障,则隔离至F4;反之,则隔离至F3。
同理,根据D1 (2)生成人工隔离诊断树,如图6所示,在该诊断树中,通过人工测试M3进行故障隔离。如果测试结果为没有故障,则隔离至F7;反之,则隔离至F6。
步骤四、对BIT的不可检测故障,依据步骤一得到的相关性矩阵,建立BIT不可检测故障的人工测试相关性矩阵,并生成BIT不可检测故障的人工检测隔离诊断树。
步骤4.1F1 (0)={F5,F8}为BIT无法检测故障,建立BIT不可检测故障的人工测试相关性矩阵。具体方法为从D2中把F1 (0)含有的故障所对应的行提取出来构成矩阵D2 (1),得到矩阵如下所示:
表7D2 (1)矩阵
D2 (1) | M1 | M2 | M3 | M4 |
作动器故障(F5) | 0 | 1 | 0 | 0 |
采集数据记录单元故障(F8) | 0 | 0 | 0 | 1 |
步骤4.2利用现有的相关性建模分析的诊断策略生成方法,根据D2 (1)生成BIT不可检测故障的人工检测隔离诊断树,其方法与步骤3.2一致。诊断树如图7所示,在该诊断树中,先后通过人工测试M2和M4进行故障检测和隔离。如果M2测试结果为有故障,则检测隔离故障至F5;反之,则通过人工测试M4对F8进行故障检测和隔离。如果M4测试结果为有故障,则最终检测隔离故障至F8;反之,则无故障发生。
步骤五、综合BIT故障字典、BIT模糊组故障的人工隔离诊断树和BIT不可检测故障的人工检测隔离诊断树,进行故障检测与隔离。
应用情形1:
在系统维护检查时,驱动放大BIT(BIT3)故障报警,其他BIT无故障报警。将故障报警逻辑化为“1”,无故障报警逻辑为“0”,得到BIT诊断结果的逻辑化向量为[0,0,1,0]。根据表4的BIT故障字典,逐行进行对比,确定“控制解算器单元故障(F3)/驱动放大单元故障(F4)”所在行与BIT诊断结果的逻辑化向量相同,因此诊断结果为{F3,F4}故障模糊组。
针对{F3,F4}故障模糊组,继续按图5人工隔离诊断树进行诊断。执行控制解算有效测试(M1),确认测试结果为控制解算输出错误,即测试结果为有故障,按图5中M1后逻辑“1”分支隔离故障至F3,即控制解算器单元故障。
应用情形2:
在系统维护检查时,BIT无故障报警,还需要利用人工测试确认该系统是否存在作动器故障(F5)或采集数据记录单元故障(F8)。根据图7的人工检测隔离诊断树,执行作动器动作观测(M2),确认测试结果为作动器动作范围超差,即测试结果为有故障,按图7中M2后逻辑“1”分支隔离故障至F5,即作动器故障。
Claims (1)
1.一种基于测试性建模数据的故障检测与隔离综合方法,具体包括以下几个步骤:
步骤一、建立系统的相关性矩阵;
利用系统的故障和测试数据,建立测试性模型并得到相关性矩阵,其表达式如(1)式所示:
式中,D表示相关性矩阵;F={F1,F2…Fm}表示被测对象的故障集合;BITi表示BIT测试,Mj代表人工测试,BITi/Mi表示该测试为BIT测试或人工测试,dij表明了Fi与BITi或Mj的相关性,即:
步骤二、根据得到的相关性矩阵,分解提取BIT相关性矩阵,并建立BIT故障字典;
步骤2.1根据步骤一得到D矩阵,从中分解出BIT相关性矩阵D1;
具体过程为:把D矩阵中含有BITi的列提取出来构成D1,D矩阵中剩余的部分组成人工测试相关性矩阵D2,D1和D2表达式如下:
步骤2.2如果D1有全0行,则删除该行,并将其对应故障Fi组成集合F1 (0),合并矩阵中的模糊组得到矩阵D1 (1),并将D1 (1)作为BIT故障字典;
步骤三、依据步骤一得到的相关性矩阵,对每个BIT隔离模糊组故障,建立BIT模糊组故障的人工测试相关性矩阵,并生成BIT模糊组故障的人工隔离诊断树;
包括以下几个步骤:
步骤3.1根据D1 (1)得到了模糊组集合F(2),F(2)中包含了若干个模糊组,
F(2)={F1 (2),F2 (2),…,Fk (2)},每个模糊组Fi (2)包含若干故障,对每一个模糊组都建立BIT模糊组故障的人工测试相关性矩阵,具体方法为:把D2中每个Fi (2)对应的行提取出来,构成矩阵Di (2);
步骤3.2利用相关性建模分析的诊断策略生成方法,根据Di (2)进行测试优选,针对每一个人工测试相关性矩阵生成BIT模糊组故障的人工隔离诊断树;
步骤四、对BIT的不可检测故障,依据步骤一得到的相关性矩阵,建立BIT不可检测故障的人工测试相关性矩阵,并生成BIT不可检测故障的人工检测隔离诊断树;
具体为:
步骤4.1若存在F1 (0)为BIT无法检测故障,则建立BIT不可检测故障的人工测试相关性矩阵,具体方法为从D2中把F1 (0)含有的故障所对应的行提取出来构成矩阵D2 (1);
步骤4.2利用相关性建模分析的诊断策略生成方法,根据D2 (1)生成BIT不可检测故障的人工检测隔离诊断树;
步骤五、综合BIT故障字典、BIT模糊组故障的人工隔离诊断树和BIT不可检测故障的人工检测隔离诊断树,在系统维护检查时进行故障检测与隔离;
首先判断BIT是否有报警,若存在BIT报警,则根据BIT故障字典隔离故障,当故障隔离结果为具体故障时,故障检测与隔离结束;当隔离结果存在模糊组故障,则无法准确定位到具体故障,需要利用BIT模糊组故障的人工隔离诊断树,进行增补隔离至具体故障;
当BIT没有报警时,利用BIT不可检测故障的人工检测隔离诊断树,进行故障检测和隔离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158021.6A CN103927259B (zh) | 2014-04-18 | 2014-04-18 | 一种基于测试性建模数据的故障检测与隔离综合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158021.6A CN103927259B (zh) | 2014-04-18 | 2014-04-18 | 一种基于测试性建模数据的故障检测与隔离综合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103927259A CN103927259A (zh) | 2014-07-16 |
CN103927259B true CN103927259B (zh) | 2016-08-24 |
Family
ID=51145484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410158021.6A Active CN103927259B (zh) | 2014-04-18 | 2014-04-18 | 一种基于测试性建模数据的故障检测与隔离综合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103927259B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105786678B (zh) * | 2014-12-25 | 2018-09-25 | 北京电子工程总体研究所 | 一种基于相关性模型的测试性预计方法 |
CN106650942B (zh) * | 2015-11-02 | 2021-10-22 | 中国船舶工业系统工程研究院 | 基于电子装备测试性模型的故障诊断方法 |
CN105718327B (zh) * | 2016-02-18 | 2018-12-07 | 谭晓栋 | 一种基于测试性模型和贝叶斯推理的故障深度隔离方法 |
CN107133118B (zh) * | 2016-02-26 | 2020-07-14 | 华为技术有限公司 | 一种故障诊断模型训练方法、故障诊断方法及相关装置 |
CN105842607A (zh) * | 2016-03-21 | 2016-08-10 | 北京航空航天大学 | 一种测试性设计中测试点定量选择方法及装置 |
CN105844023B (zh) * | 2016-03-25 | 2019-08-16 | 北京航空航天大学 | 一种考虑测试点不确定性的测试性建模方法 |
CN108957315A (zh) * | 2017-05-22 | 2018-12-07 | 北京金风科创风电设备有限公司 | 风力发电机组的故障诊断方法和设备 |
CN109783286B (zh) * | 2018-12-28 | 2021-03-19 | 中国科学院长春光学精密机械与物理研究所 | 机内测试方法、测试装置、及终端设备和存储介质 |
CN110716584A (zh) * | 2019-10-29 | 2020-01-21 | 中国航空工业集团公司西安飞行自动控制研究所 | 一种作动器sov故障的飞控系统内自动检测方法 |
CN112035996A (zh) * | 2020-05-15 | 2020-12-04 | 中国人民解放军32181部队 | 一种装备测试性一体化设计与评估系统 |
CN112596971A (zh) * | 2020-12-22 | 2021-04-02 | 湖北工业大学 | 基于仿真的装备测试性预计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980225A (zh) * | 2010-11-16 | 2011-02-23 | 中国人民解放军63908部队 | 一种电子产品测试性分析与诊断决策系统的实现方法 |
CN102092477A (zh) * | 2010-11-30 | 2011-06-15 | 中国民航大学 | 飞机音频综合系统自动测试与故障诊断装置及方法 |
CN102609345A (zh) * | 2010-10-27 | 2012-07-25 | 霍尼韦尔国际公司 | 用于确定健康监视系统的错误可诊断性的系统和方法 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050223288A1 (en) * | 2004-02-12 | 2005-10-06 | Lockheed Martin Corporation | Diagnostic fault detection and isolation |
US8001423B2 (en) * | 2008-09-26 | 2011-08-16 | Bae Systems Information And Electronic Systems Integration Inc. | Prognostic diagnostic capability tracking system |
-
2014
- 2014-04-18 CN CN201410158021.6A patent/CN103927259B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609345A (zh) * | 2010-10-27 | 2012-07-25 | 霍尼韦尔国际公司 | 用于确定健康监视系统的错误可诊断性的系统和方法 |
CN101980225A (zh) * | 2010-11-16 | 2011-02-23 | 中国人民解放军63908部队 | 一种电子产品测试性分析与诊断决策系统的实现方法 |
CN102092477A (zh) * | 2010-11-30 | 2011-06-15 | 中国民航大学 | 飞机音频综合系统自动测试与故障诊断装置及方法 |
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 (5)
Title |
---|
"Research of AMU Unit Fault Testability Based on Multi-signal Modeling and Fuzzy Decision";Dexin Zhou等;《Advanced Materials Research》;20131231;第760-762卷;第1089-1094页 * |
"基于多信号模型的测试资源配置技术研究";罗德明;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 2010年》;20100515(第05期);C032-11 * |
"基于多信号模型的系统测试性建模与分析";杨智勇等;《工程设计学报》;20071031;第14卷(第5期);第364-368,394页 * |
"故障诊断树生成技术研究与实装验证";郑伟等;《装备指挥技术学院学报》;20120229;第23卷(第1期);第119-122页 * |
"考虑多故障的测试性建模改进方法";石君友等;《北京航空航天大学学报》;20100331;第36卷(第3期);第270-273页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103927259A (zh) | 2014-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103927259B (zh) | 一种基于测试性建模数据的故障检测与隔离综合方法 | |
US20190310979A1 (en) | Anomaly data priority assessment device and anomaly data priority assessment method | |
Weimer et al. | Distributed detection and isolation of topology attacks in power networks | |
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 | |
CN104504248A (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
CN102184291A (zh) | 一种针对全测试无反馈系统的系统级故障诊断方法 | |
RU2588587C2 (ru) | Способ и устройство для определения диагностики | |
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 | |
CN104090227B (zh) | 一种模拟电路故障诊断中的测点选择方法 | |
GB2476246A (en) | Diagnosing an operation mode of a machine | |
CN107544460B (zh) | 考虑航天器控制系统非完全失效故障的可诊断性量化方法 | |
CN105574328B (zh) | 一种机载诊断模型的集成方法 | |
CN107132760A (zh) | 基于模糊支持向量域描述的水下机器人状态监测方法 | |
CN105301450A (zh) | 一种配网故障自动诊断方法及系统 | |
CN105974356A (zh) | 一种电力计量自动化检定流水线故障诊断方法 | |
CN108710959A (zh) | 降低核电机组故障率的方法、核电机组和存储介质 | |
CN112415331A (zh) | 基于多源故障信息的电网二次系统故障诊断方法 | |
Bakker et al. | Analysis of historic bursts and burst detection in water supply areas of different size | |
US8271233B2 (en) | Method of multi-level fault isolation design | |
CN106886620A (zh) | 航天器测试资源优化配置方法 | |
CN102778632A (zh) | 对变压器绕组故障类型直接预报和识别的双规识别法 | |
Xie et al. | Scintillation detector fault diagnosis based on wavelet packet analysis and multi-classification support vector machine | |
CN110261143A (zh) | 中低速磁浮列车在线运营条件下的可靠性试验方法及系统 | |
Olsson et al. | Case-based reasoning combined with statistics for diagnostics and prognosis | |
CN103885441B (zh) | 一种控制器局域网络的自适应故障诊断方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200609 Address after: No. 214, xiaoxinzhuang village, Beifang Town, Huairou District, Beijing Patentee after: Beijing Hengxing Yikang Technology Co., Ltd Address before: 100191 Haidian District, Xueyuan Road, No. 37, Patentee before: BEIHANG University |