CN105183937A - 一种适用于无人飞行器电气系统的故障诊断方法 - Google Patents
一种适用于无人飞行器电气系统的故障诊断方法 Download PDFInfo
- Publication number
- CN105183937A CN105183937A CN201510424112.4A CN201510424112A CN105183937A CN 105183937 A CN105183937 A CN 105183937A CN 201510424112 A CN201510424112 A CN 201510424112A CN 105183937 A CN105183937 A CN 105183937A
- Authority
- CN
- China
- Prior art keywords
- fault
- failure
- unmanned vehicle
- electrical system
- mode
- 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
Abstract
一种适用于无人飞行器电气系统的故障诊断方法,首先建立无人飞行器电气系统故障诊断知识库和故障症状集合,然后取出完整包含所有症状的故障诊断规则和全部故障诊断决策表;将诊断成功次数最多的故障原因作为故障诊断预测结果输出,并对故障原因进行验证,验证通过,则作为最终的诊断结果,用来定位故障模式,完成自主快速动态重构,若验证不通过,则重新选取故障原因;本发明极大地提高了电气系统的可靠性与容错能力,有较好的工程应用价值。
Description
技术领域
本发明涉及一种故障诊断方法,特别是一种适用于无人飞行器电气系统的故障诊断方法,属于电气系统设计领域。
背景技术
新一代无人飞行器完成赋予任务时,不仅要高效率而且要具有更好的安全性,一种适用于无人飞行器的可快速动态重构电气系统将不会显著增加软硬件资源开销而实现更安全的飞行,可以根据能力丧失情况和任务功能优选级重新分配剩余资源、执行资源实现资源的动态配置重构。在系统重构设计方面,国内外关注的重点在飞行器电气系统的冗余架构、系统备份方式方面,一般通过对故障模式的分析事先设定好故障情况下逻辑重构的形式,难以满足未知故障状态下系统快速自主重构的需求,也一定程度上降低了电气系统的容错性、高可靠性。
数据挖掘技术的不断发展,为从海量的卫星测控数据中分析提取出有价值的知识提供了有效的理论和工具支持,并且国内外对数据挖掘技术在卫星故障诊断及预测中的应用进行了研究,但是此类故障检测方法仅针对常规可预见性故障进行设计,当发生的故障与预先假设的故障相差较大时,该方法不能得到满意的结果。为最大限度提高飞行任务的可靠性与安全性,实现未知故障状态下系统快速自主重构的任务需求,需重点解决电气系统任意故障模式的识别、预测以及定位问题,以及在此基础上实现电气系统的快速重构设计。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供了一种适用于无人飞行器电气系统的基于数据挖掘技术的动态重构设计方法,利用基于决策表的数据挖掘技术,根据电气系统硬件、软件故障推断故障原因并实现故障定位,然后结合知识推理算法实现适用于无人飞行器的自主快速动态重构,极大地提高了电气系统的可靠性与容错能力,有较好的工程应用价值。
本发明的技术解决方案是:一种适用于无人飞行器电气系统的故障诊断方法,其特征在于步骤如下:
(1)建立无人飞行器电气系统故障诊断知识库;所述故障诊断知识库包括故障诊断决策表和故障诊断规则;
(2)获取无人飞行器电气系统故障症状集合,令该故障症状集合为C1,将故障症状集合C1存储于中间数据库;
(3)利用步骤(2)中的故障症状集合C1与步骤(1)中故障诊断知识库中的所有故障诊断规则进行匹配,取出完整包含C1中所有症状的故障诊断规则,设为R1,令R1的全部故障诊断决策表组成的集合为D1;
(4)将集合D1中对应的故障原因按照以往诊断成功次数进行降序排列,将决策集合D1中诊断成功次数最多的故障原因d1作为故障诊断预测结果输出,同时输出d1所对应的故障症状集合中除去C1之外的故障症状集合C2;
(5)逐项检查无人飞行器电气系统是否存在C2中的各故障症状,若无人飞行器电气系统存在C2中的各故障症状,则d1为正确的诊断结果,结束故障诊断过程;否则,d1为错误的诊断结果,进入步骤(6);
(6)从D1中删除d1,即D1=D1-d1,重复步骤(4)~步骤(6),直至获取正确的诊断结果dn,进入步骤(7);
(7)输出最终诊断结果dn,根据诊断结果dn从预先给定的故障模式查找表中搜索定位故障模式,并且根据故障模式实现无人飞行器的自主快速动态重构。
所述步骤(1)中建立无人机飞行器电气系统故障诊断知识库,具体是利用基于粗糙集属性约简算法的数据挖掘方法获取无人飞行器电气系统故障类型,进而建立无人机飞行器电气系统故障诊断知识库。
所述利用基于粗糙集属性约简算法的数据挖掘方法获取无人飞行器电气系统故障类型,进而建立无人机飞行器电气系统故障诊断知识库,具体步骤如下:
(1-1)获取无人飞行器电气系统历史故障样本,建立无人飞行器电气系统历史故障样本库;
(1-2)对无人飞行器电气系统历史故障样本库中的样本按故障类型进行划分,得到按故障类型划分的历史故障样本库,建立按故障类型划分的历史故障样本库集合;
(1-3)分别对步骤(1-2)中得到的按故障类型划分的历史故障样本库进行数据预处理,构建每个按故障类型划分的历史故障样本库的故障诊断决策表;
(1-4)用基于差别矩阵的决策表属性约简算法对步骤(1-3)形成的故障诊断决策表进行属性约简,删除所有冗余条件属性;具体为:
令故障诊断决策表为S=<U,R,V,f>,U=<x1,x2,...,xn>为论域,其中x1,x2,...,xn为历史故障样本,n为历史故障样本数,R=P∪D为故障诊断决策表的属性集合,其中P={ai|i=1,...,m}为故障诊断决策表的条件属性集合,ai为第i个故障属性,m为故障属性数,D={d}为故障诊断决策表的决策属性集合,令CD(i,j)为差别矩阵中第i行j列的元素,则差别矩阵为:
其中i,j=1,...,n,ai(xj)为历史故障样本xj在故障属性ai上的取值;所述V为历史故障样本库,f为历史故障样本库的子集;
(1-5)求出(1-4)差别矩阵中所有取值非空元素CD(i,j)的析取表达式Lij,具体由公式:
给出;所述非空元素CD(i,j)满足CD(i,j)≠0和
(1-6)将步骤(1-5)中的全部析取表达式Lij罗列出来,并对它们进行整体合取运算,从而得出合取范式L,具体由公式:
给出;
(1-7)将步骤(1-6)中的合取范式L化成析取表达式,完成决策表的属性约简,进而获取具备适应性的诊断规则;具体由公式:
给出;
(1-8)利用步骤(1-7)中获取到的具备适应性的诊断规则更新无人机飞行器电气系统故障诊断知识库中的初始诊断规则,并删除与初始诊断规则相冲突的具备适应性的诊断规则,所述初始诊断规则为人工获取的诊断规则。
所述步骤(1-2)中的故障类型分为软件故障和硬件故障,所述软件故障包括应用任务发生的异常故障、应用任务超时故障和应用任务临界故障;所述硬件故障包括电气模块故障、接口模块故障、电源模块故障和底板总线模块故障。
所述步骤(1-3)中的预处理包括故障提取、离散化和删除重复对象。
所述无人飞行器电气系统的重构状态包括9种,分别为:S1:初始工作方式;S2:任务重启动方式;S3:子系统重加载方式;S4:终止应用方式;S5:启动备份模块方式;S6:降级重构方式;S7:电源备份切换方式;S8:总线备份切换方式;S9:处理模块终结方式。
所述步骤(7)中根据故障模式实现无人飞行器的自主快速动态重构,具体通过查找故障模式与动态重构对照表的方式实现,所述故障模式与动态重构对照表如表1所示:
表1
本发明与现有技术相比的有益效果是:
(1)本发明利用基于决策表的数据挖掘技术,根据飞行器上电气系统软件故障、硬件故障推断出飞行器上电气系统的故障模式;从而可以实现自主快速动态重构;
(2)本发明通过对电气系统故障的识别、预测以及定位实现对电气系统的余度管理,同时结合自适应算法实现电气系统的自学习,通过大量历史数据不断建模,完善故障诊断列表,最大限度提高了飞行器故障检测率;
(3)本发明提出的可快速动态重构不是事先预定的逻辑重构,根据外界条件,结合知识推理算法实现适用于无人飞行器的自主快速动态重构,极大地提高了电气系统的可靠性与容错能力,有较好的工程应用价值;
(4)本发明中的故障原因确定方法将故障原因按照历史诊断成功次数降序进行排除,充分利用了以往的数据,同时提高了诊断的效率;
(5)本发明通过大量的实验的统计,给出了故障模式与动态重构对照表和故障模式查找表,可以通过查表的方式获取具体的故障模式以及各个故障模式对应的重构状态,为故障模式的自动判读和无人飞行器自主快速动态重构提供了支持。
附图说明
图1为无人飞行器电气系统故障诊断知识库模型。
图2为电气系统重构推理流程。
图3为故障模式与动态重构对照图。
具体实施方式
电气系统故障可以分为硬件故障和软件故障两大类,具体如下。
(1)软件故障
应用任务发生的异常故障:包括除法溢出、非法操作码等程序引出的异常。
应用任务超时故障:定时运行的任务未能按时被系统调度而引发的超时故障。
应用任务临界故障:某子系统任务在运行过程中发现其控制或计算结果超出临界值的故障。
(2)硬件故障
电气模块故障:通过SBIT/PBIT/IBIT测试程序检测出的电气模块中某硬件资源的故障,它包括CPU、RAM、ROM、TIMER、WATCH-DOG。
接口模块故障:包括RS422,1553B等。
电源模块故障:系统中两个互为备份的DC-DC电源模块故障。
底板总线模块故障:是指连接各功能模块并实现功能模块间传递数据的硬件模块故障。
按照确定的可能诊断结果集进行排除,若某一规则的所有故障症状都与获取的无人飞行器电气系统故障症状集合中的故障症状相匹配,则确诊故障原因为该规则所对应的故障原因。
电气系统故障推理机的推理方向有正向推理、反向推理和正反向混合推理。考虑到人类专家进行软硬件故障诊断的过程是一个由现象得出假设结论集并对结论集进行逐个求证直至得出最终结论的过程,本电气系统采用正向推理与反向推理相结合的正反向混合推理策略。
该推理流程可以划分三个阶段:
(1)初步诊断阶段。系统将输入的故障症状集合与知识库中的全部规则进行匹配,将所有完整包含这些症状的规则获取出来作为可能的诊断结果集,并按各规则的成功诊断次数进行降序排列。
(2)逼近和排除阶段。故障诊断系统对于上一步所提出的可能故障按顺序依次进行排查。
(3)确诊阶段。通过不断地排除和逼近,直到确定某规则的所有故障症状都被满足,则确诊故障原因为该规则的结论部分所代表的故障原因。
本发明的方法流程图如图1所示,从图1可知,本发明提出的一种适用于无人飞行器电气系统的故障诊断方法,利用基于决策表的数据挖掘技术,通过对电气系统故障的识别、预测以及定位实现对电气系统的余度管理,同时结合自适应算法实现电气系统的自学习,通过大量历史数据不断建模,完善故障诊断列表,最大限度提高飞行器故障检测率,步骤如下:
(1)建立无人飞行器电气系统故障诊断知识库;所述故障诊断知识库包括故障诊断决策表和故障诊断规则;无人飞行器电气系统故障诊断知识库模型如图2所示,从图2可知,本发明利用基于粗糙集属性约简算法的数据挖掘方法获取无人飞行器电气系统故障类型,进而建立无人机飞行器电气系统故障诊断知识库,具体步骤为:
(1-1)获取无人飞行器电气系统历史故障样本,建立无人飞行器电气系统历史故障样本库;
(1-2)对无人飞行器电气系统历史故障样本库中的样本按故障类型进行划分,得到按故障类型划分的历史故障样本库,建立按故障类型划分的历史故障样本库集合;
(1-3)分别对步骤(1-2)中得到的按故障类型划分的历史故障样本库进行数据预处理,构建每个按故障类型划分的历史故障样本库的故障诊断决策表;所述预处理包括故障提取、离散化和删除重复对象;
(1-4)用基于差别矩阵的决策表属性约简算法对步骤(1-3)形成的故障诊断决策表进行属性约简,删除所有冗余条件属性;具体为:
令故障诊断决策表为S=<U,R,V,f>,U=<x1,x2,...,xn>为论域,其中x1,x2,...,xn为历史故障样本,n为历史故障样本数,R=P∪D为故障诊断决策表的属性集合,其中P={ai|i=1,...,m}为故障诊断决策表的条件属性集合,ai为第i个故障属性,m为故障属性数,D={d}为故障诊断决策表的决策属性集合,令CD(i,j)为差别矩阵中第i行j列的元素,则差别矩阵为:
其中i,j=1,...,n,ai(xj)为历史故障样本xj在故障属性ai上的取值;所述V为历史故障样本库,f为历史故障样本库的子集;
(1-5)求出(1-4)差别矩阵中所有取值非空元素CD(i,j)的析取表达式Lij,具体由公式:
给出;所述非空元素CD(i,j)满足CD(i,j)≠0和
(1-6)将步骤(1-5)中的全部析取表达式Lij罗列出来,并对它们进行整体合取运算,从而得出合取范式L,具体由公式:
给出;
(1-7)将步骤(1-6)中的合取范式L化成析取表达式,完成决策表的属性约简,进而获取具备适应性的诊断规则;具体由公式:
给出;
(1-8)利用步骤(1-7)中获取到的具备适应性的诊断规则更新无人机飞行器电气系统故障诊断知识库中的初始诊断规则,并删除与初始诊断规则相冲突的具备适应性的诊断规则,所述初始诊断规则为人工获取的诊断规则。
(2)获取无人飞行器电气系统故障症状集合,令该故障症状集合为C1,将故障症状集合C1存储于中间数据库;
(3)利用步骤(2)中的故障症状集合C1与步骤(1)中故障诊断知识库中的所有故障诊断规则进行匹配,取出完整包含C1中所有症状的故障诊断规则,设为R1,令R1的全部故障诊断决策表组成的集合为D1;
(4)将集合D1中对应的故障原因按照以往诊断成功次数进行降序排列,将决策集合D1中诊断成功次数最多的故障原因d1作为故障诊断预测结果输出,同时输出d1所对应的故障症状集合中除去C1之外的故障症状集合C2;
(5)逐项检查无人飞行器电气系统是否存在C2中的各故障症状,若无人飞行器电气系统存在C2中的各故障症状,则d1为正确的诊断结果,结束故障诊断过程;否则,d1为错误的诊断结果,进入步骤(6);
(6)从D1中删除d1,即D1=D1-d1,重复步骤(4)~步骤(6),直至获取正确的诊断结果dn,进入步骤(7);
(7)输出最终诊断结果dn,根据诊断结果dn从预先给定的故障模式查找表中搜索定位故障模式,并且根据故障模式实现无人飞行器的自主快速动态重构。
所述无人飞行器电气系统的重构状态包括9种,分别为:S1:初始工作方式;S2:任务重启动方式;S3:子系统重加载方式;S4:终止应用方式;S5:启动备份模块方式;S6:降级重构方式;S7:电源备份切换方式;S8:总线备份切换方式;S9:处理模块终结方式;
各种重构状态对应的操作为:
S1:初始工作方式:代表无故障工作模式,不进行操作。
S2:任务重启动方式:在同模块上重启动应用,以便恢复瞬间故障。
S3:子系统重加载方式:在同模块上重新加载子系统程序,以便解决重启动无法恢复的瞬间故障及恢复可能不完整的应用目标代码。
S4:终止应用方式:当子系统应用重加载状态发生三次无效后,并且其所在处理模块无故障时,终止当前子系统应用,当前处理模块将处于备份状态。
S5:启动备份模块方式:当处理模块的硬件故障发生或软件故障发生,并且故障发生率超过门限值,则启动本模块的IBIT。如果有故障,启动备份模块。在备份模块中重新加载故障模块的子系统程序,进行重启动操作。
S6:降级重构方式:本状态发生在处理模块已有故障而系统又没有可用的备份模块替代,这样为了保证系统继续有效。应选择高优先功能工作,而放弃低优先功能工作,这里将选择能满足当前硬件需要的任务模式工作。
S7:电源备份切换方式:在当前工作电源模块发生故障时,系统将启动备份电源工作,而将故障电源模块隔离。
S8:总线备份切换方式:在确认当前工作总线发生故障后,系统将启动备份总线工作,而将故障总线隔离。
S9:处理模块终结方式:这种方式是指故障的发生已使各模块间无法建立联系后(即总线全部故障)而使各处理模块进入独立工作模式。
根据以上定义的9种状态,本专利提出的可快速动态重构不是事先预定的逻辑重构,根据外界条件,结合知识推理算法实现适用于无人飞行器的自主快速动态重构。
根据故障模式实现无人飞行器的自主快速动态重构,具体通过查找故障模式与动态重构对照表的方式实现,所述故障模式与动态重构对照图如图3所示,具体关系如表1所示:
表1
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (7)
1.一种适用于无人飞行器电气系统的故障诊断方法,其特征在于步骤如下:
(1)建立无人飞行器电气系统故障诊断知识库;所述故障诊断知识库包括故障诊断决策表和故障诊断规则;
(2)获取无人飞行器电气系统故障症状集合,令该故障症状集合为C1,将故障症状集合C1存储于中间数据库;
(3)利用步骤(2)中的故障症状集合C1与步骤(1)中故障诊断知识库中的所有故障诊断规则进行匹配,取出完整包含C1中所有故障症状的故障诊断规则,设为R1,令R1的全部故障诊断决策表组成的集合为D1;
(4)将集合D1中对应的故障原因按照以往诊断成功次数进行降序排列,将决策集合D1中诊断成功次数最多的故障原因d1作为故障诊断预测结果输出,同时输出d1所对应的故障症状集合中除去C1之外的故障症状集合C2;
(5)逐项检查无人飞行器电气系统是否存在C2中的各故障症状,若无人飞行器电气系统存在C2中的各故障症状,则d1为正确的诊断结果,结束故障诊断过程;否则,d1为错误的诊断结果,进入步骤(6);
(6)从D1中删除d1,即D1=D1-d1,重复步骤(4)~步骤(6),直至获取正确的诊断结果dn,进入步骤(7);
(7)输出最终诊断结果dn,根据诊断结果dn从预先给定的故障模式查找表中搜索定位故障模式,并且根据故障模式实现无人飞行器的自主快速动态重构。
2.根据权利要求1所述的一种适用于无人飞行器电气系统的故障诊断方法,其特征在于:所述步骤(1)中建立无人机飞行器电气系统故障诊断知识库,具体是利用基于粗糙集属性约简算法的数据挖掘方法获取无人飞行器电气系统故障类型,进而建立无人机飞行器电气系统故障诊断知识库。
3.根据权利要求2所述的一种适用于无人飞行器电气系统的故障诊断方法,其特征在于:所述利用基于粗糙集属性约简算法的数据挖掘方法获取无人飞行器电气系统故障类型,进而建立无人机飞行器电气系统故障诊断知识库,具体步骤如下:
(1-1)获取无人飞行器电气系统历史故障样本,建立无人飞行器电气系统历史故障样本库;
(1-2)对无人飞行器电气系统历史故障样本库中的样本按故障类型进行划分,得到按故障类型划分的历史故障样本库,建立按故障类型划分的历史故障样本库集合;
(1-3)分别对步骤(1-2)中得到的按故障类型划分的历史故障样本库进行数据预处理,构建每个按故障类型划分的历史故障样本库的故障诊断决策表;
(1-4)用基于差别矩阵的决策表属性约简算法对步骤(1-3)形成的故障诊断决策表进行属性约简,删除所有冗余条件属性;具体为:
令故障诊断决策表为S=<U,R,V,f>,U=<x1,x2,...,xn>为论域,其中x1,x2,...,xn为历史故障样本,n为历史故障样本数,R=P∪D为故障诊断决策表的属性集合,其中P={ai|i=1,...,m}为故障诊断决策表的条件属性集合,ai为第i个故障属性,m为故障属性数,D={d}为故障诊断决策表的决策属性集合,令CD(i,j)为差别矩阵中第i行j列的元素,则差别矩阵为:
其中i,j=1,...,n,ai(xj)为历史故障样本xj在故障属性ai上的取值;所述V为历史故障样本库,f为历史故障样本库的子集;
(1-5)求出(1-4)差别矩阵中所有取值非空元素CD(i,j)的析取表达式Lij,具体由公式:
给出;所述非空元素CD(i,j)满足CD(i,j)≠0和
(1-6)将步骤(1-5)中的全部析取表达式Lij罗列出来,并对它们进行整体合取运算,从而得出合取范式L,具体由公式:
给出;
(1-7)将步骤(1-6)中的合取范式L化成析取表达式,完成决策表的属性约简,进而获取具备适应性的诊断规则;具体由公式:
给出;
(1-8)利用步骤(1-7)中获取到的具备适应性的诊断规则更新无人机飞行器电气系统故障诊断知识库中的初始诊断规则,并删除与初始诊断规则相冲突的具备适应性的诊断规则,所述初始诊断规则为人工获取的诊断规则。
4.根据权利要求3所述的一种适用于无人飞行器电气系统的故障诊断方法,其特征在于:所述步骤(1-2)中的故障类型分为软件故障和硬件故障,所述软件故障包括应用任务发生的异常故障、应用任务超时故障和应用任务临界故障;所述硬件故障包括电气模块故障、接口模块故障、电源模块故障和底板总线模块故障。
5.根据权利要求3所述的一种适用于无人飞行器电气系统的故障诊断方法,其特征在于:所述步骤(1-3)中的预处理包括故障提取、离散化和删除重复对象。
6.根据权利要求1所述的一种适用于无人飞行器电气系统的故障诊断方法,其特征在于:所述无人飞行器电气系统的重构状态包括9种,分别为:S1:初始工作方式;S2:任务重启动方式;S3:子系统重加载方式;S4:终止应用方式;S5:启动备份模块方式;S6:降级重构方式;S7:电源备份切换方式;S8:总线备份切换方式;S9:处理模块终结方式。
7.根据权利要求6所述的一种适用于无人飞行器电气系统的故障诊断方法,其特征在于:所述步骤(7)中根据故障模式实现无人飞行器的自主快速动态重构,具体通过查找故障模式与动态重构对照表的方式实现,所述故障模式与动态重构对照表如表1所示:
表1
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510424112.4A CN105183937B (zh) | 2015-07-17 | 2015-07-17 | 一种适用于无人飞行器电气系统的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510424112.4A CN105183937B (zh) | 2015-07-17 | 2015-07-17 | 一种适用于无人飞行器电气系统的故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105183937A true CN105183937A (zh) | 2015-12-23 |
CN105183937B CN105183937B (zh) | 2018-08-21 |
Family
ID=54906016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510424112.4A Active CN105183937B (zh) | 2015-07-17 | 2015-07-17 | 一种适用于无人飞行器电气系统的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105183937B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574590A (zh) * | 2015-12-28 | 2016-05-11 | 中国民航信息网络股份有限公司 | 自适应总控灾备切换装置、系统及信号发生方法 |
CN106452843A (zh) * | 2016-09-14 | 2017-02-22 | 北京控制工程研究所 | 一种在轨1553b总线网络故障监测诊断方法 |
CN106649727A (zh) * | 2016-12-23 | 2017-05-10 | 南京航空航天大学 | 一种用于无人机飞行控制系统故障检测的数据库构建方法 |
CN109522944A (zh) * | 2018-10-30 | 2019-03-26 | 中国运载火箭技术研究院 | 一种空间飞行器故障多维度快速分类方法 |
CN109918390A (zh) * | 2019-02-01 | 2019-06-21 | 智慧航海(青岛)科技有限公司 | 船舶自主航行的异常处理方法和系统 |
CN110045211A (zh) * | 2019-05-16 | 2019-07-23 | 集美大学 | 一种无人船艇故障诊断与处理方法 |
CN110221592A (zh) * | 2019-05-30 | 2019-09-10 | 北京博锐尚格节能技术股份有限公司 | 建筑机电故障诊断方法、装置及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
CN101590918A (zh) * | 2009-06-19 | 2009-12-02 | 上海微小卫星工程中心 | 卫星自主故障诊断方法及其诊断系统 |
CN102393922A (zh) * | 2011-06-23 | 2012-03-28 | 山西省电力公司晋中供电分公司 | 变电站智能报警专家系统的模糊Petri推理方法 |
CN102530270A (zh) * | 2012-02-09 | 2012-07-04 | 北京控制工程研究所 | 一种可重构的卫星推进系统 |
CN202394111U (zh) * | 2011-11-15 | 2012-08-22 | 北京宇航系统工程研究所 | 一种载人运载火箭故障检测系统 |
CN102830691A (zh) * | 2012-07-20 | 2012-12-19 | 南京航空航天大学 | 一种基于云计算的无人机自动检测及故障诊断方法 |
CN103744416A (zh) * | 2013-12-23 | 2014-04-23 | 中国人民解放军63908部队 | 一种无人机机载电子系统检测设备 |
-
2015
- 2015-07-17 CN CN201510424112.4A patent/CN105183937B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
CN101590918A (zh) * | 2009-06-19 | 2009-12-02 | 上海微小卫星工程中心 | 卫星自主故障诊断方法及其诊断系统 |
CN102393922A (zh) * | 2011-06-23 | 2012-03-28 | 山西省电力公司晋中供电分公司 | 变电站智能报警专家系统的模糊Petri推理方法 |
CN202394111U (zh) * | 2011-11-15 | 2012-08-22 | 北京宇航系统工程研究所 | 一种载人运载火箭故障检测系统 |
CN102530270A (zh) * | 2012-02-09 | 2012-07-04 | 北京控制工程研究所 | 一种可重构的卫星推进系统 |
CN102830691A (zh) * | 2012-07-20 | 2012-12-19 | 南京航空航天大学 | 一种基于云计算的无人机自动检测及故障诊断方法 |
CN103744416A (zh) * | 2013-12-23 | 2014-04-23 | 中国人民解放军63908部队 | 一种无人机机载电子系统检测设备 |
Non-Patent Citations (1)
Title |
---|
尹俊奇: "基于粗糙集的软硬件故障诊断专家系统设计与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574590A (zh) * | 2015-12-28 | 2016-05-11 | 中国民航信息网络股份有限公司 | 自适应总控灾备切换装置、系统及信号发生方法 |
CN106452843A (zh) * | 2016-09-14 | 2017-02-22 | 北京控制工程研究所 | 一种在轨1553b总线网络故障监测诊断方法 |
CN106452843B (zh) * | 2016-09-14 | 2019-04-09 | 北京控制工程研究所 | 一种在轨1553b总线网络故障监测诊断方法 |
CN106649727A (zh) * | 2016-12-23 | 2017-05-10 | 南京航空航天大学 | 一种用于无人机飞行控制系统故障检测的数据库构建方法 |
CN106649727B (zh) * | 2016-12-23 | 2019-12-24 | 南京航空航天大学 | 一种用于无人机飞行控制系统故障检测的数据库构建方法 |
CN109522944A (zh) * | 2018-10-30 | 2019-03-26 | 中国运载火箭技术研究院 | 一种空间飞行器故障多维度快速分类方法 |
CN109522944B (zh) * | 2018-10-30 | 2022-12-13 | 中国运载火箭技术研究院 | 一种空间飞行器故障多维度快速分类方法 |
CN109918390A (zh) * | 2019-02-01 | 2019-06-21 | 智慧航海(青岛)科技有限公司 | 船舶自主航行的异常处理方法和系统 |
CN110045211A (zh) * | 2019-05-16 | 2019-07-23 | 集美大学 | 一种无人船艇故障诊断与处理方法 |
CN110221592A (zh) * | 2019-05-30 | 2019-09-10 | 北京博锐尚格节能技术股份有限公司 | 建筑机电故障诊断方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105183937B (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105183937A (zh) | 一种适用于无人飞行器电气系统的故障诊断方法 | |
CN104731670B (zh) | 一种面向卫星的轮换式星载计算机容错系统 | |
CN103544092B (zh) | 一种基于arinc653标准机载电子设备健康监控系统 | |
CN103278746B (zh) | 考虑不确定信息的电网故障诊断系统的实现方法 | |
CN103473156B (zh) | 一种基于实时操作系统的星载计算机三机热备份容错方法 | |
CN107301115A (zh) | 应用程序异常监控和恢复方法及设备 | |
CN108255728B (zh) | 软件的失效模式的识别方法及装置 | |
CN100555235C (zh) | N模冗余表决系统 | |
CN103001216A (zh) | 一种含分布式电源的配电网快速供电恢复方法 | |
CN103235881B (zh) | 一种基于最小割集的核反应堆故障监测系统 | |
CN102928738A (zh) | 一种智能电网故障的动态层次诊断装置及方法 | |
CN107632590B (zh) | 一种基于优先级的底事件排序方法 | |
CN104240781B (zh) | 核电厂数字化仪控系统的信号分配方法及系统 | |
CN105760241A (zh) | 一种内存数据导出方法和系统 | |
Wang et al. | Novel hierarchical fault diagnosis approach for smart power grid with information fusion of multi-data resources based on fuzzy petri net | |
CN107885140B (zh) | 一种分级整星自主应急管理方法和系统 | |
CN106650076A (zh) | 基于三元决策图的容错系统通用分析方法 | |
CN102663191A (zh) | 基于sat的命题投影时序逻辑限界模型检测方法 | |
CN102130446A (zh) | 一种适应网络拓扑变化的最小断点集计算方法 | |
Junqueira et al. | Synchronous consensus for dependent process failures | |
Wang et al. | Design of reconfigurable real-time telemetry monitoring and quantitative management system for remote sensing satellite in orbit | |
CN105589768B (zh) | 一种可自愈的容错计算机系统 | |
CN104879295A (zh) | 一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法 | |
Jiazi et al. | Recovery of coupled networks after cascading failures | |
CN106873616B (zh) | 一种飞行控制系统地面状态的判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |