CN105302112A - Icni系统智能故障诊断系统 - Google Patents
Icni系统智能故障诊断系统 Download PDFInfo
- Publication number
- CN105302112A CN105302112A CN201510695278.XA CN201510695278A CN105302112A CN 105302112 A CN105302112 A CN 105302112A CN 201510695278 A CN201510695278 A CN 201510695278A CN 105302112 A CN105302112 A CN 105302112A
- Authority
- CN
- China
- Prior art keywords
- fault
- diagnosis
- icni
- module
- knowledge
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14058—Diagnostic, using expert, knowledge based system
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明提出的ICNI系统智能故障诊断系统,旨在供一种能够提高维护效率,智能化自动化诊断,适用于ICNI系统的智能故障诊断系统。本发明通过下述技术方案予以实现:知识库及其管理模块基于故障树进行规范化研究和数学建模,采用SQL?Server数据库软件框架,以关系数据库来构建故障现象、故障模式、检测方法、历史案例和故障树内部事件之间的逻辑关系形成知识库;诊断信息获取模块通过以太网与自动测试系统交互获取来自ICNI系统和测试仪器的诊断数据,推理机模块采用CBR和RBR混合诊断推理,对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断后,自动选择推理方法对故障进行推理诊断,输出推理过程和推理结果至解释机模块,生成诊断报告。
Description
技术领域
本发明涉及一种主要应用于航空电子综合化通信导航识别(ICNI)系统的智能故障诊断系统,主要用于对ICNI等航空电子分系统进行自主快速的离线式故障诊断和维护管理,并给出故障解决方案。
背景技术
随着航空电子技术的发展,航电系统变得越来越先进,也越来越复杂,对航电系统的高可靠性要求,使故障诊断成为一个非常重要的问题。为提高战斗机安全性、可维护性和出勤率,对其进行故障诊断,及时作出故障检测、隔离和恢复对策,必然会对战斗机可靠完成各项任务发挥重要作用。目前在航空航天故障诊断专家系统中广泛采用基于规则推理(Rule-BasedReasoning,RBR)的产生式专家系统。专家系统可分为基于规则推理RBR和基于事例推理CBR两大类。RBR系统根据规则库进行推理,规则确定是建立该系统的过程中最为困难的阶段之一。规则库需要领域专家和知识工程师反复交换意见后才能形成。即使这样,由此获取的知识仍然可能是不全面的、不准确的,尤其是这些知识往往是静态的,不能适应领域知识不断发展的要求。这种方法比较成熟,且简单易用,开发周期短,容易被用户理解。但目前采用基于规则推理的专家系统,其知识获取困难,自学习能力差,推理效率低,知识获取困难,尤其是一些知识无法或很难用规则表达。虽然一些文章在航空航天其他分系统的故障诊断中将基于案例推理(Case-BasedReasoning,CBR)的方法与RBR方法相结合,获得了很好的效果。但是在这类系统中规则和案例往往并没有很好地结合,而只是简单地将规则和案例分别用于故障诊断的不同阶段或不同侧面,一定程度上限制了两种推理机模块制各自优点的发挥。事例库是CBR系统的重要组成部分。RBR系统使用CLIPS引擎。该引擎由美国宇航局NASA开发,它是利用事先确立的规则库进行推理的。该系统由推理引擎、事例库和规则库组成。推理引擎通过事例匹配,激发相关规则,得到推理结果。事例库由网络拓扑、设备属性组成。不同的设备生成不同的事例库。规则库保存在文本文件中,可以添加或修改。系统首先对事例进行预处理,利用网络拓扑事例库和设备属性事例库,自动地生成相关器件装置线路关联关系以及相关器件和设备的远后备关系,然后根据相关器件。装置动作与设备故障之间的关系自动生成事例库。由于在实际应用中往往会出现规则获取难,且一些知识无法或很难用规则表达的情况。针对此类问题,一些研究者将基于案例的推理CBR应用到诊断系统中。利用规则获取难、易表示和推理,实例获取容易,推理难的特点将基于规则的推理RBR与CBR方法结合。但这类系统中规则和案例往往并没很好地结合,而只是简单地将规则和案例分别用于故障诊断的不同阶段或不同侧面,一定程度上限制了两种推理机模块制各自优点的发挥。事例量大可以提高可靠性,但如果事例过多造成冗余,则会降低系统的运行速度和可维护性。系统事例量较大,如果完全由人工输入,不仅难以维护而且准确性得不到保证。
CNI是(Communication、Navigation、Identification)三个单词缩写,意为机载通信、导航、识别系统,综合化(Integrated)的通信导航识别系统被称为ICNI系统。随着航空电子综合化程度不断提高,其故障诊断的复杂性和困难度也随之提高。ICNI分系统作为航电系统重要的组成部分,系统交联复杂、测量参数多,其多层级综合化以及可重构设计带来了故障的并发性、关联性、可预测性和隐藏性,一直采用的维护BIT和人工诊断相结合的传统维护诊断方法,故障诊断效率依赖于维护人员经验,维护诊断效率低,维护数据成为“孤岛”不能实现共享,维护诊断经验得不到规范化的传承,已不能满足未来对ICNI集成保障和智能维护的需求。
发明内容
本发明的任务是提供一种故障诊断快速可靠,可减轻运行人员的工作量,能够提高自学习能力,提高维护效率,实现智能化自动化诊断,适用于ICNI系统的智能故障诊断系统,以解决ICNI系统人工维护诊断效率低下、维护数据、经验和领域知识不能共享、存储、评估和优化的问题。
本发明的目的可以通过以下措施来达到。一种ICNI系统智能故障诊断系统,包括:人机接口模块、推理机模块、解释机模块、知识获取模块、知识库及其管理系统、综合数据库及其管理系统和诊断信息获取模块,其特征在于,知识库及其管理模块基于故障树对ICNI分系统的故障模式、系统构型、测试方法和维修策略进行规范化研究和数学建模,读入XML格式的IETM系统文件,采用关系数据库管理系统SQLServer数据库软件框架,以关系数据库来构建故障现象、故障模式、检测方法、历史案例和故障树内部事件之间的逻辑关系形成知识库;诊断信息获取模块通过以太网与自动测试系统交互获取来自综合化通信导航识别系统ICNI和测试仪器的诊断数据,推理机模块采用基于规则推理CBR和基于案例推理RBR混合诊断推理,对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断后,自动选择推理方法对故障进行推理诊断,并输出推理过程和推理结果至解释机模块,同时完成自学习,并生成诊断报告。
本发明具有如下有益效果:
本发明以基于知识的专家系统为核心,构建知识库、综合库、推理机模块、解释机模块等实现诊断;采用基于规则推理CBR(Case-basedReasoning)和基于案例推理RBR(Rule-basedReasoning)混合诊断的推理机模块制和用加权K-近邻算法和粗糙集理论实现基于案例的诊断推理、优化和自学习,采用正反向混合推理实现基于规则的推理;以SQL2008数据库作为平台,采用产生式规则和基于特征的案例两种知识表示形式,基于E-R模型方法,针对ICNI的故障模式、系统构型、测试点和维修策略等航空电子领域知识进行规范化研究和数学建模,创建知识库;通过动态链接库和以太网实现与自动测试系统的控制和通信,从ICNI和测试仪器获得诊断数据;定义一套IETM系统模块级XML格式输出文件,从中读取维护数据至知识库;对故障诊断过程进行可视化展示;本发明提供了通用知识规范和解决方案,可以适用于不同机型ICNI的故障诊断。
在诊断方法上,本发明采用基于故障树和专家系统相结合的方法,专家系统能够方便地进行推理和对用户进行解释,具有较强的容错性,具有快速推理和实时判断的能力,较好地反映了人类专家的推理过程,能够满足航电系统故障诊断的要求。避免了单一故障树分析与系统结构缺乏联系的缺点,将故障树分析建模结果作为专家系统输入之一,一定程度上解决了专家系统知识获取的瓶颈问题,适用于系统构型明确、具备完善的故障树分析基础、故障类型与特征比较清晰的ICNI系统;
在推理机模块上,本发明采用CBR和RBR相结合的混合推理,针对ICNI系统,对其故障和故障现象进行分类,根据故障现象和推理中获得的诊断数据自动选择推理方法进行推理,提高了诊断的适应性和准确性。本发明在航电系统故障诊断中使用RBR和CBR结合的混合制;使用树状数据结构将规则和案例两种知识组织起来,基于CBR和RBR混合推理设计并实现了航电ICNI系统故障诊断专家系统。针对综合化通信导航识别系统故障诊断的要求及其特点,充分考虑了专家进行故障分析的经验,把他们的知识分为抽象的规则和具体的案例,使用适合计算机运算的结构将这些知识组织起来,将其应用于通信导航识别系统的故障诊断中。在推理机模块制上,使用CBR和RBR混合推理。通过仿真实验对系统进行检验,取得了很好的实用效果。采用本发明RBR系统自动生成的基本案例库及无确定规则的特殊事例,在使用中还可不断地增加新案例以提高系统判断复杂故障的能力。由于采用了混合推理,系统故障诊断快速可靠,动作评价准确,自学习能力也得到很大提高,可减轻运行人员的工作量。本发明CBR系统是根据案例匹配得到问题解的,由于其在应用过程中可通过自学习逐渐完善案例库,因而可以有效地克服知识获取瓶颈问题,大大延长了生命周期。CBR系统在运行时也可不断添加新案例以增强判断功能。添加规则为:即使新案例没有找到完全匹配的旧案例,只要判断结果正确,就不加入案例库。即只有在判断错误的情况下才将其加入案例库,从而提高了系统的稳定性和运行速度。对于一些复杂的故障,如果系统判断错误,则可将其加入案例库,以提高系统的诊断能力。如果对于诊断规则有了新的认识,可以通过RBR系统重新生成规则库,完善系统功能。因此本系统不仅诊断解释功能不亚于单纯的RBR系统,而且具有很强的自学习能力。
在知识库设计上,本发明结合对ICNI系统航管应答、识别询问/应答、微波着陆、罗盘/信标、高度表、塔康/DMEP、超短波、短波、仪表着陆、卫通等功能故障模式经验和数据进行分析建模,融合了基于框架、基于案例、基于规则的知识表示方法,采用SQLServer数据库和E-R关系图分析技术,定义了知识库的规范,采用服务器建立了比较完备的ICNI知识库;
定义XML格式表述IETM维护数据,解耦IETM系统和故障诊断系统之间的接口,使智能故障诊断系统可以读入来自不同机型IETM系统的维护知识;
定义与自动测试系统之间的接口,采用以太网通信方式,通过自动测试系统实现部分诊断激励,同时获取来自ICNI系统和频谱仪等测试仪器的诊断数据,实现闭环的自动化诊断。
本发明将系统故障形成原因按树枝状逐级细化,通过对可能造成故障的各种因素进行分析,制定故障树逻辑框图,设计知识库,模拟人类专家在定位故障时的思路,将所有的知识组织成树状的结构,便于对推理结果进行解释;树状数据结构便于检索,有利于提高推理效率;将规则和案例应用于同一层次的故障诊断,减少了限制,一定程度上有利于两种推理方式各自优点的发挥。
借助本发明可以做到:
1.实现了基于多种推理算法的混合推理,建立了ICNI系统知识库、案例库,能有效识别ICNI系统中的线性问题和非线性问题,自动快速选择推理算法构造多种推理机模块,使系统的诊断方式灵活,求解能力强,扩展了故障诊断系统的适用性,提高了诊断的准确性;
2.可以用规范化XML格式从IETM系统读取故障模式和维护数据;
3.定义规范化接口与自动测试系统互联,获取必要的诊断数据实现ICNI系统闭环的机下自动化故障诊断;
4.实现了基于图表的可视化的推理过程展示,并生成故障诊断报告。
附图说明
图1是本发明的智能故障诊断系统原理图。
图2是本发明的知识库E-R实体关系图。
图3是本发明的智能故障诊断系统顶层推理流程图。
图4是本发明的智能故障诊断系统推理机模块原理框图。
具体实施方式
参阅图1。在以下描述的实施例中,ICNI系统智能故障诊断系统的参与者主要包括专家、诊断用户、自动测试系统和IETM系统等。ICNI系统智能故障诊断系统划分为以下子系统和模块:人机接口模块、推理机模块、解释机模块、知识获取模块、知识库及其管理系统、综合数据库及其管理系统、诊断信息获取模块,其中,知识库及其管理模块基于故障树对ICNI分系统的故障模式、系统构型、测试方法和维修策略进行规范化研究和数学建模,读入XML格式的IETM系统文件,采用关系数据库管理系统SQLServer数据库软件框架,以关系数据库来构建故障现象、故障模式、检测方法、历史案例和故障树内部事件之间的逻辑关系形成知识库;诊断信息获取模块通过以太网与自动测试系统交互获取来自综合化通信导航识别系统ICNI和测试仪器的诊断数据,推理机模块采用基于规则推理CBR和基于案例推理RBR混合诊断推理,对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断后,自动选择推理方法对故障进行推理诊断,并输出推理过程和推理结果至解释机模块,同时完成自学习,并生成诊断报告。
专家通过人机接口模块将ICNI领域知识、故障树模型、系统功能层次、测试性分析数据等输入故障诊断系统,由知识获取模块根据上述知识的类型标识将其存入知识库,同时知识获取模块从电子交互手册XML文件集中读取维护数据存入知识库,知识库及其管理系统采用关系数据库管理系统SQLServer2008数据库和联想ThinkServerRD640服务器,采用实体-关系图分析法,创建规则库(飞机库、飞机-功能表、故障模式表、检测方法表、模块表)和案例库(故障征兆表、历史案例表)等,并负责对知识进行增、删、改及浏览等操作。用户将故障现象和征兆通过人机接口模块输入给推理机模块,诊断获取模块通过以太网与自动测试系统交互以获取来自ICNI系统和测试仪器的诊断数据,并存入综合库。推理机模块包括CBR和RBR两种推理机模块,推理机模块的决策子模块对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断,采用自动选择推理方法对故障进行推理诊断,同时通过CBR推理机模块完成自学习,推理机模块将推理过程和推理结果存入综合数据库及管理模块,综合数据库及管理系统存储来自推理机模块的状态以及来自诊断获取模块的各种中间信息,并生成诊断报告,同时将诊断过程数据和诊断结果输出给解释机模块,由解释机模块按照时间顺序输出到人机接口模块,在界面显示推理机模块工作的结果,也可通过相应的菜单进行知识查询、编辑等操作,供诊断用户查看。
人机接口模块:提供可编辑的树形控件、可绘制的图表、分类编辑框和引导提示信息,实现故障诊断用户故障现象的输入,输出诊断过程和结果的图形化显示、输入专家领域知识和经验、输入故障诊断树图形化、输入系统功能层次、输入测试数据等。
推理机模块:作为故障诊断系统的核心成员,控制和协调本系统的运行,采用故障模式诊断树,通过BIT、ICNI系统配置查询、ICNI系统重构等测试方法,实现RBR推理机模块。ICNI系统指标通过K-近邻算法计算与本次诊断相似度高的案例或案例集实现CBR推理机模块,用户对当前故障和案例集进行评价和比较,如果征兆和案例相似度不匹配,则将本次诊断作为新案例添加到案例库中,使系统具有学习能力,由推理机模块决策模块根据故障现象、诊断数据等实现推理机模块自动决策和选择。知识组织成树状的数据结构,推理机模块工作过程是对树的深度优先检索的过程。对于树的每一个节点,若匹配成功,则在该树的子节点中检索,否则在同级的节点中检索。若检索到树的叶子节点,则表示找到了故障原因,此时在用户界面输出推理结果。若没有检索到树的叶子节点,但有节点匹配成功,则表示发生了故障但无法定位,此时在用户界面输出相关的信息供专家参考。若没有任何节点匹配,则表示系统未发生故障。此时当前推理周期结束,待数据更新完后进入下一个推理周期。匹配是指规则的前提全部被满足。对于案例,匹配是指计算出的相似度大于事先设定的阈值。
知识获取模块:读取来自人机接口模块的专家领域知识和经验、故障树模型、系统功能层次、测试方法和数据,根据知识类型标识将知识存入知识库,并通过规范化的XML格式IETM文件自动获取电子交互手册数据。
知识库及管理系统:采用关系数据库管理系统、SQLServer2008数据库和联想ThinkServerRD640服务器,采用实体-关系图分析法,对ICNI分系统,包括航管应答、识别询问/应答、微波着陆、罗盘/信标、高度表、塔康/DMEP、超短波、短波、仪表着陆、卫通等领域的故障模式、系统构型、测试方法和维修策略等进行规范化研究和数学建模,创建飞机库、飞机-功能表、故障模式表、检测方法表、故障征兆表、历史案例表、模块表等,并负责对知识进行增、删、改及浏览等操作。
诊断信息获取模块:定义自动测试系统能识别的测试命令、仪器控制和回读命令并生成动态链接库来规范化接口,从自动测试系统获取来自ICNI系统和测试仪器的诊断数据,实现闭环的自动化诊断。
综合数据库及其管理系统:采用SQLServer2008数据库和一台联想ThinkServerRD640服务器,存放推理机模块的状态以及产生的各种中间信息,例如故障诊断的序号、检测方法、匹配案例等,以备诊断过程输出、事后查询和生成报告。
解释机模块:读入来自综合数据库及其管理系统的诊断过程数据,读取过程数据类型标识,筛选关键信息(故障现象、当前诊断故障模式、检测条件、检测方法及步骤、指标、检测结果等),按照时间顺序输出到人机接口模块,实现对诊断问题与系统提供给用户选择确认的信息之间的关系进行解释,并提供rtf格式文档编辑和生成能力,在诊断结束后可给出诊断报告,包括每一步诊断的内容、结果、相关解释和检测方法中间过程、最终故障部位结论和解决方案等。
参阅图2。系统知识库利用关系数据库来存储ICNI系统内部事件和故障模式间逻辑关系,对规则库和案例库进行管理,制定了知识库设计规则及流程,利用通过E-R模型方法,得到ICNI系统实体-联系图,构建了知识库模型,其实体包括“飞机”、“功能”、“历史故障现象”、“故障模式”、“检测方法”、“规则”、“历史案例”、“故障征兆”。将“飞机”实体开始进行分析,一个“飞机”可拥有多个“功能”,一个“功能”可拥有多个“故障模式”,某个“故障现象”可对应至某个“故障模式”;案例库中,“故障模式”与“历史案例”和“故障征兆”相关联,“历史案例”包含“故障模式”实体,“故障模式”包括多个“故障征兆”,“故障征兆”属于“历史案例”;规则库中,“故障模式”与“规则”和“检测方法”相关联,“故障模式”按照“规则”进行推理,“检测方法”判定“故障模式”是否故障。实体之间具体的n:m对应关系如下:
一个飞机可以包含多个功能,一个功能只属于一个飞机型号,所以飞机和功能之间为1:n的关系;一个功能包含多个故障模式,一个故障模式只属于一个功能,所以功能和故障模式之间为1:n的关系;一个故障模式通过多个检测方法进行判定,一个检测方法只能判定一个故障模式,所以为1:n的关系,同时,检测方法又包含后续检测方法、后续检测方法前提和是否为起始检测方法多个属性;一个故障模式可以推理出多个故障模式,几个故障模式也可以推理出一个故障模式,所以对n:m的关系;一个故障模式可以对应多个故障现象,一个故障现象也可以对应多个故障模式,所以为n:m的关系;一个历史案例包含一个故障模式,一个故障模式可以出现在多个历史案例中,所以故障模式与历史案例为1:n的关系;一个故障模式可以囊括多个故障征兆,一个故障征兆也可以对应多个故障模式,所以为n:m的关系;一个故障征兆可以属于多个历史案例,一个历史案例也可以包含多个故障征兆,所以为n:m的关系。对于一些复杂的故障,如果系统判断错误,则可将其加入案例库,以提高系统的诊断能力。如果对于诊断规则有了新的认识,可以通过RBR系统重新生成规则库,完善系统功能。
参阅图3。用户输入故障信息,包括飞机型号、功能、故障现象等,推理机模块提示用户做出的数据源选择,用户可选择界面输入(外场排故未接仪器时)或者仪器输入(内场排故),推理机模块将用户输入的故障现象与知识库中故障模式库进行匹配,匹配到对应的故障模式(或故障模式集),推理机模块根据用户选择的故障方式(功能失效、指标不正常、不确定)选择CBR或RBR推理机模块,如果功能失效则进行规则推理,如果为指标不正常则进行案例推理,如果不确定则判断是否能查获取功能的当前配置,若能获取则进行规则推理,反之则进行案例推理,在规则推理的情况下,搜索故障树找到匹配的故障模式;在案例推理的情况下,采用最近邻算法在案例库中匹配到最相似的故障案例,最后给出故障诊断结果(故障模式号、故障原因和维修建议)。
参阅图4。推理机模块根据UI界面用户输入的故障现象、故障方式,结合知识库给出的配置表信息和综合库给出的功能配置表来判定采用何种推理方式,如果功能失效则进行规则推理,如果为指标不正常则进行案例推理。在规则推理中,推理机模块向综合库索取功能诊断结果,综合库将这一请求转发给故障诊断信息获取模块,由故障诊断信息获取模块提供功能诊断结果,推理机模块获取到功能诊断结果后,结合由知识库获取到的故障模式信息进行推理诊断并将最终结果(模拟电路故障或者数字电路故障)返还给UI界面;在案例推理中,推理机模块向综合库索取指标诊断结果,综合库将这一请求转发给故障诊断信息获取模块,由故障诊断信息获取模块提供指标诊断结果,推理机模块获取到指标诊断结果后,结合由知识库获取到的案例信息进行推理诊断并将最终结果(最匹配的历史案例)返还给UI界面。推理机模块将推理状态放入综合库、解释机模块,以供后续的处理。
Claims (10)
1.一种ICNI系统智能故障诊断系统,包括:人机接口模块、推理机模块、解释机模块、知识获取模块、知识库及其管理系统、综合数据库及其管理系统和诊断信息获取模块,其特征在于,知识库及其管理模块基于故障树对ICNI分系统的故障模式、系统构型、测试方法和维修策略进行规范化研究和数学建模,读入XML格式的IETM系统文件,采用关系数据库管理系统SQLServer数据库软件框架,以关系数据库来构建故障现象、故障模式、检测方法、历史案例和故障树内部事件之间的逻辑关系形成知识库;诊断信息获取模块通过以太网与自动测试系统交互获取来自综合化通信导航识别系统ICNI和测试仪器的诊断数据,推理机模块采用基于规则推理CBR和基于案例推理RBR混合诊断推理,对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断后,自动选择推理方法对故障进行推理诊断,并输出推理过程和推理结果至解释机模块,同时完成自学习和生成诊断报告。
2.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,人机接口模块将ICNI领域知识、故障树模型、系统功能层次和测试性分析数据输入故障诊断系统,知识获取模块根据知识的类型标识存入知识库,同时知识获取模块从电子交互手册XML文件集中读取维护数据存入知识库,知识库及其管理模块采用关系数据库管理系统SQLServer2008数据库和联想ThinkServerRD640服务器,采用实体-关系图分析法,创建规则库,并负责对知识进行增、删、改及浏览操作。
3.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,用户将故障现象和征兆通过人机接口模块输入推理机模块,诊断获取模块通过以太网与自动测试系统交互以获取来自ICNI系统和测试仪器的诊断数据,并存入综合库。
4.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,推理机模块包括CBR和RBR两种推理机模块,推理机模块的决策子模块对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断,采用自动选择推理方法对故障进行推理诊断,同时通过CBR推理机模块完成自学习,推理机模块将推理过程和推理结果存入综合数据库及管理模块,综合数据库及管理系统存储来自推理机模块的状态以及来自诊断获取模块的各种中间信息,并生成诊断报告,同时将诊断过程数据和诊断结果输出给解释机模块,由解释机模块按照时间顺序输出到人机接口模块,供诊断用户查看。
5.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,人机接口模块提供可编辑的树形控件、可绘制的图表、分类编辑框和引导提示信息,实现故障诊断用户故障现象的输入,输出诊断过程和结果的图形化显示,输入专家领域知识和经验、故障诊断树图形化、系统功能层次和测试数据。
6.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,推理机模块作为故障诊断系统的核心成员,控制和协调本系统的运行,采用故障模式诊断树,通过BIT、ICNI系统配置查询、ICNI系统重构测试方法。
7.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,ICNI系统指标通过K-近邻算法计算与本次诊断相似度高的案例或案例集实现CBR推理机模块,用户对当前故障和案例集进行评价和比较,如果征兆和案例相似度不匹配,则将本次诊断作为新案例添加到案例库中,由推理机模块决策模块根据故障现象、诊断数据实现推理机模块自动决策和选择。
8.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,知识获取模块读取来自人机接口模块的专家领域知识和经验、故障树模型、系统功能层次、测试方法和数据,根据知识类型标识将知识存入知识库,并通过规范化的XML格式IETM文件自动获取电子交互手册数据。
9.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,知识库及管理系统采用关系数据库管理系统和实体-关系图分析法,对ICNI分系统,包括航管应答、识别询问/应答、微波着陆、罗盘/信标、高度表、塔康/DMEP、超短波、短波、仪表着陆、卫通领域的故障模式、系统构型、测试方法和维修策略进行规范化研究和数学建模,创建飞机库、飞机-功能表、故障模式表、检测方法表、故障征兆表、历史案例表、模块表,并负责对知识进行增、删、改及浏览操作。
10.如权利要求1所述的ICNI系统智能故障诊断系统,其特征在于,解释机模块读入来自综合数据库及其管理系统的诊断过程数据,读取过程数据类型标识,筛选关键信息,按照时间顺序输出到人机接口模块,实现对诊断问题与系统提供给用户选择确认的信息之间的关系进行解释,并提供rtf格式文档编辑和生成能力,在诊断结束后给出诊断报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510695278.XA CN105302112A (zh) | 2015-10-23 | 2015-10-23 | Icni系统智能故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510695278.XA CN105302112A (zh) | 2015-10-23 | 2015-10-23 | Icni系统智能故障诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105302112A true CN105302112A (zh) | 2016-02-03 |
Family
ID=55199494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510695278.XA Pending CN105302112A (zh) | 2015-10-23 | 2015-10-23 | Icni系统智能故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105302112A (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326933A (zh) * | 2016-08-25 | 2017-01-11 | 中国科学院自动化研究所 | 基于人在回路的智能自学习故障诊断方法 |
CN106502238A (zh) * | 2016-11-30 | 2017-03-15 | 北京航空航天大学 | 一种固液动力飞行器故障诊断系统 |
CN106529676A (zh) * | 2016-10-25 | 2017-03-22 | 胡煜州 | 一种推演格及基于推演格的推理方法 |
CN106936639A (zh) * | 2017-03-22 | 2017-07-07 | 中国人民解放军重庆通信学院 | 一种用于应急移动通信系统的故障诊断平台及其构建方法 |
CN106991479A (zh) * | 2017-03-02 | 2017-07-28 | 中国北方车辆研究所 | 基于语言集成生成系统的地面无人平台战术任务规划系统 |
CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
CN107563084A (zh) * | 2017-09-11 | 2018-01-09 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于lca和catia系统的外场故障信息分析方法 |
CN107766448A (zh) * | 2017-09-25 | 2018-03-06 | 上海卫星工程研究所 | 基于规则的卫星遥测数据分析系统 |
CN107862166A (zh) * | 2017-12-12 | 2018-03-30 | 哈尔滨工业大学 | 一种智能的仿真实验设计系统及设计方法 |
CN108020776A (zh) * | 2017-12-11 | 2018-05-11 | 中国人民解放军陆军军医大学第二附属医院 | 基于工装与LabVIEW数据采集与分析的设备故障智能诊断装置及方法 |
CN108107360A (zh) * | 2017-12-05 | 2018-06-01 | 中国电子产品可靠性与环境试验研究所 | 电机故障辨识方法与系统 |
CN108267983A (zh) * | 2017-01-03 | 2018-07-10 | 波音公司 | 使用基于物理的模型和数据驱动的模型减少来自于交通工具的妨害性故障指示 |
CN108519769A (zh) * | 2018-04-09 | 2018-09-11 | 电子科技大学 | 一种基于规则的飞控系统故障诊断方法 |
CN109146137A (zh) * | 2018-07-23 | 2019-01-04 | 广东核电合营有限公司 | 预测发电机运行状态变化趋势的方法、装置及终端设备 |
CN109390051A (zh) * | 2018-10-24 | 2019-02-26 | 华东理工大学 | 一种电动手术床透明化诊断方法 |
CN109445406A (zh) * | 2018-10-18 | 2019-03-08 | 西南交通大学 | 基于场景测试与事务搜索的工业控制系统安全检测方法 |
CN109636139A (zh) * | 2018-11-26 | 2019-04-16 | 华南理工大学 | 一种基于语义推理的智能设备故障诊断方法 |
CN109997087A (zh) * | 2016-12-01 | 2019-07-09 | 住友重机械工业株式会社 | 故障诊断系统 |
CN110012490A (zh) * | 2018-01-04 | 2019-07-12 | 中兴通讯股份有限公司 | 告警方法、装置、操作维护中心及计算机可读存储介质 |
CN110222452A (zh) * | 2019-06-14 | 2019-09-10 | 国网上海市电力公司 | 基于大数据关联挖掘的油浸式变压器故障推演可视化系统 |
CN110531742A (zh) * | 2019-09-16 | 2019-12-03 | 重庆华能水电设备制造有限公司 | 一种发电机集电装置实时监控与故障诊断方法 |
CN110738331A (zh) * | 2019-09-19 | 2020-01-31 | 智慧航海(青岛)科技有限公司 | 一种智能船舶机舱系统 |
CN110955698A (zh) * | 2019-11-20 | 2020-04-03 | 东莞理工学院 | 一种基于大数据收集系统故障诊断修改系统 |
CN111552848A (zh) * | 2020-04-30 | 2020-08-18 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN111581739A (zh) * | 2020-04-22 | 2020-08-25 | 中国直升机设计研究所 | 基于故障树和案例推理的直升机智能故障诊断方法 |
CN111611279A (zh) * | 2020-04-24 | 2020-09-01 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断系统及方法 |
CN111784064A (zh) * | 2020-07-09 | 2020-10-16 | 河南中电投华新电力工程有限公司 | 一种基于大数据的电厂设备智能预测检修方法和系统 |
CN111782539A (zh) * | 2020-07-09 | 2020-10-16 | 中国人民解放军32181部队 | 一种基于国产操作系统的测试诊断一体化开发平台 |
CN111913133A (zh) * | 2020-06-30 | 2020-11-10 | 北京航天测控技术有限公司 | 分布式故障诊断维修方法、装置、设备及计算机可读介质 |
CN112131096A (zh) * | 2020-05-07 | 2020-12-25 | 北京国网信通埃森哲信息技术有限公司 | Ict系统故障分析及辅助研判测试案例自动生成方法及装置 |
CN112329937A (zh) * | 2020-11-09 | 2021-02-05 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于案例和故障推理的gis故障诊断方法 |
CN112345276A (zh) * | 2020-11-10 | 2021-02-09 | 北京交通大学 | 一种中速磁浮列车关键部件的状态评估和预测系统 |
CN113128687A (zh) * | 2021-03-25 | 2021-07-16 | 北京博华信智科技股份有限公司 | 一种用于自动扶梯的故障诊断专家系统 |
CN113312271A (zh) * | 2021-06-28 | 2021-08-27 | 四创电子股份有限公司 | 一种基于大数据的射频组件自动化测试与诊断平台 |
CN114564000A (zh) * | 2022-03-01 | 2022-05-31 | 西北工业大学 | 基于智能飞行器执行器故障诊断的主动容错方法及系统 |
CN115616997A (zh) * | 2022-10-17 | 2023-01-17 | 华能威海发电有限责任公司 | 一种热控状态监测与知识库融合方法和系统 |
CN115860123A (zh) * | 2023-03-02 | 2023-03-28 | 哈尔滨电机厂有限责任公司 | 一种水轮机故障诊断推理校验方法 |
CN116382244A (zh) * | 2023-04-28 | 2023-07-04 | 润芯微科技(江苏)有限公司 | 一种基于嵌入式的智能汽车在线监测和诊断系统及其方法 |
CN117453492A (zh) * | 2023-12-20 | 2024-01-26 | 北京中航科电测控技术股份有限公司 | 基于武器装备的通用测试平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2028609A2 (en) * | 2007-04-24 | 2009-02-25 | Honeywell International Inc. | Methods for optimizing diagnostic reasoner models |
US7509537B1 (en) * | 2006-02-02 | 2009-03-24 | Rockwell Collins, Inc. | Prognostic processor system for real-time failure analysis of line replaceable units |
CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和系统 |
CN104407605A (zh) * | 2014-12-02 | 2015-03-11 | 中国科学院上海天文台 | 一种氢原子钟监控系统 |
-
2015
- 2015-10-23 CN CN201510695278.XA patent/CN105302112A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7509537B1 (en) * | 2006-02-02 | 2009-03-24 | Rockwell Collins, Inc. | Prognostic processor system for real-time failure analysis of line replaceable units |
EP2028609A2 (en) * | 2007-04-24 | 2009-02-25 | Honeywell International Inc. | Methods for optimizing diagnostic reasoner models |
CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和系统 |
CN104407605A (zh) * | 2014-12-02 | 2015-03-11 | 中国科学院上海天文台 | 一种氢原子钟监控系统 |
Non-Patent Citations (2)
Title |
---|
周德新 等: "机载电子设备故障诊断专家系统设计与实现", 《现代电子技术》 * |
童大鹏: "综合化CNI设备测试系统设计", 《电讯技术》 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326933B (zh) * | 2016-08-25 | 2019-05-24 | 中科君胜(深圳)智能数据科技发展有限公司 | 基于人在回路的智能自学习故障诊断方法 |
CN106326933A (zh) * | 2016-08-25 | 2017-01-11 | 中国科学院自动化研究所 | 基于人在回路的智能自学习故障诊断方法 |
CN106529676A (zh) * | 2016-10-25 | 2017-03-22 | 胡煜州 | 一种推演格及基于推演格的推理方法 |
CN106529676B (zh) * | 2016-10-25 | 2018-11-23 | 胡煜州 | 一种推演格及基于推演格的推理方法 |
CN106502238A (zh) * | 2016-11-30 | 2017-03-15 | 北京航空航天大学 | 一种固液动力飞行器故障诊断系统 |
US11422544B2 (en) | 2016-12-01 | 2022-08-23 | Sumitomo Heavy Industries, Ltd. | Failure diagnosis system |
CN109997087A (zh) * | 2016-12-01 | 2019-07-09 | 住友重机械工业株式会社 | 故障诊断系统 |
CN108267983A (zh) * | 2017-01-03 | 2018-07-10 | 波音公司 | 使用基于物理的模型和数据驱动的模型减少来自于交通工具的妨害性故障指示 |
CN106991479A (zh) * | 2017-03-02 | 2017-07-28 | 中国北方车辆研究所 | 基于语言集成生成系统的地面无人平台战术任务规划系统 |
CN106936639A (zh) * | 2017-03-22 | 2017-07-07 | 中国人民解放军重庆通信学院 | 一种用于应急移动通信系统的故障诊断平台及其构建方法 |
CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
CN107272646B (zh) * | 2017-06-30 | 2020-04-21 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
CN107563084A (zh) * | 2017-09-11 | 2018-01-09 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于lca和catia系统的外场故障信息分析方法 |
CN107766448A (zh) * | 2017-09-25 | 2018-03-06 | 上海卫星工程研究所 | 基于规则的卫星遥测数据分析系统 |
CN108107360A (zh) * | 2017-12-05 | 2018-06-01 | 中国电子产品可靠性与环境试验研究所 | 电机故障辨识方法与系统 |
CN108020776A (zh) * | 2017-12-11 | 2018-05-11 | 中国人民解放军陆军军医大学第二附属医院 | 基于工装与LabVIEW数据采集与分析的设备故障智能诊断装置及方法 |
CN107862166B (zh) * | 2017-12-12 | 2020-12-11 | 哈尔滨工业大学 | 一种智能的仿真实验设计系统及设计方法 |
CN107862166A (zh) * | 2017-12-12 | 2018-03-30 | 哈尔滨工业大学 | 一种智能的仿真实验设计系统及设计方法 |
CN110012490B (zh) * | 2018-01-04 | 2021-10-15 | 中兴通讯股份有限公司 | 告警方法、装置、操作维护中心及计算机可读存储介质 |
CN110012490A (zh) * | 2018-01-04 | 2019-07-12 | 中兴通讯股份有限公司 | 告警方法、装置、操作维护中心及计算机可读存储介质 |
CN108519769A (zh) * | 2018-04-09 | 2018-09-11 | 电子科技大学 | 一种基于规则的飞控系统故障诊断方法 |
CN109146137A (zh) * | 2018-07-23 | 2019-01-04 | 广东核电合营有限公司 | 预测发电机运行状态变化趋势的方法、装置及终端设备 |
CN109445406A (zh) * | 2018-10-18 | 2019-03-08 | 西南交通大学 | 基于场景测试与事务搜索的工业控制系统安全检测方法 |
CN109445406B (zh) * | 2018-10-18 | 2021-05-18 | 西南交通大学 | 基于场景测试与事务搜索的工业控制系统安全检测方法 |
CN109390051A (zh) * | 2018-10-24 | 2019-02-26 | 华东理工大学 | 一种电动手术床透明化诊断方法 |
CN109390051B (zh) * | 2018-10-24 | 2021-10-15 | 华东理工大学 | 一种电动手术床透明化诊断方法 |
CN109636139A (zh) * | 2018-11-26 | 2019-04-16 | 华南理工大学 | 一种基于语义推理的智能设备故障诊断方法 |
CN110222452A (zh) * | 2019-06-14 | 2019-09-10 | 国网上海市电力公司 | 基于大数据关联挖掘的油浸式变压器故障推演可视化系统 |
CN110531742A (zh) * | 2019-09-16 | 2019-12-03 | 重庆华能水电设备制造有限公司 | 一种发电机集电装置实时监控与故障诊断方法 |
CN110738331A (zh) * | 2019-09-19 | 2020-01-31 | 智慧航海(青岛)科技有限公司 | 一种智能船舶机舱系统 |
CN110955698A (zh) * | 2019-11-20 | 2020-04-03 | 东莞理工学院 | 一种基于大数据收集系统故障诊断修改系统 |
CN111581739A (zh) * | 2020-04-22 | 2020-08-25 | 中国直升机设计研究所 | 基于故障树和案例推理的直升机智能故障诊断方法 |
CN111611279A (zh) * | 2020-04-24 | 2020-09-01 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断系统及方法 |
CN111611279B (zh) * | 2020-04-24 | 2023-09-12 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断系统及方法 |
CN111552848B (zh) * | 2020-04-30 | 2023-04-07 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN111552848A (zh) * | 2020-04-30 | 2020-08-18 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN112131096A (zh) * | 2020-05-07 | 2020-12-25 | 北京国网信通埃森哲信息技术有限公司 | Ict系统故障分析及辅助研判测试案例自动生成方法及装置 |
CN111913133A (zh) * | 2020-06-30 | 2020-11-10 | 北京航天测控技术有限公司 | 分布式故障诊断维修方法、装置、设备及计算机可读介质 |
CN111782539A (zh) * | 2020-07-09 | 2020-10-16 | 中国人民解放军32181部队 | 一种基于国产操作系统的测试诊断一体化开发平台 |
CN111784064A (zh) * | 2020-07-09 | 2020-10-16 | 河南中电投华新电力工程有限公司 | 一种基于大数据的电厂设备智能预测检修方法和系统 |
CN111782539B (zh) * | 2020-07-09 | 2023-09-29 | 中国人民解放军32181部队 | 一种基于国产操作系统的测试诊断一体化开发平台 |
CN112329937A (zh) * | 2020-11-09 | 2021-02-05 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于案例和故障推理的gis故障诊断方法 |
CN112345276A (zh) * | 2020-11-10 | 2021-02-09 | 北京交通大学 | 一种中速磁浮列车关键部件的状态评估和预测系统 |
CN113128687A (zh) * | 2021-03-25 | 2021-07-16 | 北京博华信智科技股份有限公司 | 一种用于自动扶梯的故障诊断专家系统 |
CN113312271A (zh) * | 2021-06-28 | 2021-08-27 | 四创电子股份有限公司 | 一种基于大数据的射频组件自动化测试与诊断平台 |
CN114564000A (zh) * | 2022-03-01 | 2022-05-31 | 西北工业大学 | 基于智能飞行器执行器故障诊断的主动容错方法及系统 |
CN114564000B (zh) * | 2022-03-01 | 2024-03-08 | 西北工业大学 | 基于智能飞行器执行器故障诊断的主动容错方法及系统 |
CN115616997A (zh) * | 2022-10-17 | 2023-01-17 | 华能威海发电有限责任公司 | 一种热控状态监测与知识库融合方法和系统 |
CN115860123A (zh) * | 2023-03-02 | 2023-03-28 | 哈尔滨电机厂有限责任公司 | 一种水轮机故障诊断推理校验方法 |
CN116382244A (zh) * | 2023-04-28 | 2023-07-04 | 润芯微科技(江苏)有限公司 | 一种基于嵌入式的智能汽车在线监测和诊断系统及其方法 |
CN117453492A (zh) * | 2023-12-20 | 2024-01-26 | 北京中航科电测控技术股份有限公司 | 基于武器装备的通用测试平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105302112A (zh) | Icni系统智能故障诊断系统 | |
US20170351957A1 (en) | Automated creation of semantically-enriched diagnosis models | |
CN107346466A (zh) | 一种电力调度系统的控制方法及装置 | |
Ploennigs et al. | Adapting semantic sensor networks for smart building diagnosis | |
CN104246798A (zh) | 基于模糊专家系统的问题分析和优先级确定 | |
RU2557771C1 (ru) | Способ технического контроля и диагностирования бортовых систем беспилотного летательного аппарата с поддержкой принятия решений и комплекс контрольно-проверочной аппаратуры с интеллектуальной системой поддержки принятия решений для его осуществления | |
Nuzzo et al. | Stochastic assume-guarantee contracts for cyber-physical system design | |
CN112241424A (zh) | 一种基于知识图谱的空管设备应用系统及方法 | |
Hu et al. | E‐maintenance platform design for public infrastructure maintenance based on IFC ontology and Semantic Web services | |
CN115857469A (zh) | 工业设备故障知识库构建方法、装置及故障诊断方法与系统 | |
Cetiner et al. | Development of an automated decision-making tool for supervisory control system | |
WO2019140553A1 (zh) | 配电系统的健康指数确定方法及装置、计算机存储介质 | |
CN108959391A (zh) | 展现数据库集群架构图的设备、系统、方法、存储介质 | |
CN115718472A (zh) | 水电机组故障扫描诊断方法 | |
Jingyu et al. | Statistical analysis of distribution network fault information based on multi-source heterogeneous data mining | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
CN112510699A (zh) | 一种基于大数据的变电站二次设备状态分析方法及设备 | |
Sridharan et al. | HIMAP: Architecture, features, and hierarchical model specification techniques | |
Glukhikh et al. | Using hybrid-CBR for intelligence monitoring and decision-making systems on SMART grid | |
Jinghong et al. | An overview on cyber-physical systems of energy interconnection | |
Tuszynski et al. | A pilot project on alarm reduction and presentation based on multilevel flow models | |
Chen et al. | Research on security evaluation system of network information system based on rough set theory | |
Abd Elatif et al. | Using ontology-based concept maps to reduce requirement engineering errors | |
RU2517422C1 (ru) | Экспертная система контроля работы бортового оборудования летательных аппаратов | |
Han et al. | Research of Fault Diagnosis System for Remote Sensing Satellite Receiving System Base on Fault Tree |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160203 |