CN106202655B - 一种分析模型创建方法和系统 - Google Patents
一种分析模型创建方法和系统 Download PDFInfo
- Publication number
- CN106202655B CN106202655B CN201610504808.2A CN201610504808A CN106202655B CN 106202655 B CN106202655 B CN 106202655B CN 201610504808 A CN201610504808 A CN 201610504808A CN 106202655 B CN106202655 B CN 106202655B
- Authority
- CN
- China
- Prior art keywords
- model
- analysis
- component
- creation
- node
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Abstract
本申请公开一种分析模型创建方法和系统,所述方法通过基于预先集成的多个模型组件,创建进行数据分析所需的模型框架,并通过为所述模型框架添加进行数据分析所需的执行信息,实现最终所需的分析模型的创建;其中,预先集成的每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示。可见,应用本申请方法可实现基于可视化模型组件创建所需的数据分析模型,后续可基于所创建的模型,进行自动化的数据分析,从而本申请实现了为专家经验自动化、分析自动化提供支持,进而可有效提升基于测试数据的数据分析(如诊断故障原因,预测健康状况等)效率。
Description
技术领域
本发明属于专家经验自动化、分析自动化领域,尤其涉及一种分析模型创建方法和系统。
背景技术
工业过程、航天、机房等各种环境下的控制系统,往往会因为外在或者内在的各种因素而导致控制失败,如因发生各种故障而导致控制失败等,目前一般采用由诊断专家基于测试数据(如来自各种设备、测试仪器的数据)进行分析的方式来解决这一问题,如诊断故障原因或预测系统健康状况等,诊断专家在解决问题的过程中总结、积累了各种故障诊断经验或预测经验。
为了提高基于测试数据诊断故障原因或预测系统健康状况的效率,专家经验自动化、分析自动化则成为本领域的一件非常有意义的事情。
发明内容
有鉴于此,本发明的目的在于提供一种分析模型创建方法和系统,旨在基于创建分析模型,实现为专家经验自动化、分析自动化提供支持,从而提升基于测试数据的数据分析(如诊断故障原因,预测健康状况等)效率。
一种分析模型创建方法,包括:
基于预先集成的多个模型组件,创建进行数据分析所需的模型框架;其中,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示;
为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型。
上述方法,优选的,所述基于预先集成的多个模型组件,创建进行数据分析所需的模型框架包括:
基于数据分析需求,从预先集成的多个模型组件中选取所需的模型组件,所述模型组件包括逻辑组件、事件组件、连接组件;
利用所述连接组件对所述逻辑组件及事件组件进行连接,得到模型框架。
上述方法,优选的,,所述执行信息包括模型属性和组件属性,则所述为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型包括:
为所述模型框架添加模型属性;其中,所述模型属性包括模型类型、名称、所采用的算法、分析方式;
为所述模型框架中的模型组件添加组件属性;其中,所述组件属性包括组件类型、权重和描述。
上述方法,优选的,所述分析模型为故障原因诊断模型或系统健康状况预测模型,则所述方法还包括:
基于所创建的分析模型,进行数据分析,以诊断出故障原因或实现系统健康状况预测。
上述方法,优选的,所述基于所创建的分析模型,进行数据分析包括:
结合所述分析模型及创建的节点先验概率表、节点条件概率表,进行故障原因诊断,或系统健康状况预测;
其中,所述节点表示绑定有相应组件属性的事件组件,所述节点先验概率表包括所述分析模型中相应节点的节点状态的先验概率,所述节点条件概率表包括所述分析模型中相应节点的节点状态发生的条件概率。
一种分析模型创建系统,包括:
模型框架创建模块,用于基于预先集成的多个模型组件,创建进行数据分析所需的模型框架;其中,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示;
执行信息添加模块,用于为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型。
上述系统,优选的,所述模型框架创建模块包括:
组件选取单元,用于基于数据分析需求,从预先集成的多个模型组件中选取所需的模型组件,所述模型组件包括逻辑组件、事件组件、连接组件;
组件连接单元,用于利用所述连接组件对所述逻辑组件及事件组件进行连接,得到模型框架。
上述系统,优选的,所述执行信息包括模型属性和组件属性,则所述执行信息添加模型包括:
模型属性添加单元,用于为所述模型框架添加模型属性;其中,所述模型属性包括模型类型、名称、所采用的算法、分析方式;
组件属性添加单元,用于为所述模型框架中的模型组件添加组件属性;其中,所述组件属性包括组件类型、权重和描述。
上述系统,优选的,所述分析模型为故障原因诊断模型或系统健康状况预测模型,则所述系统还包括:
分析模块,用于基于所创建的分析模型,进行数据分析,以诊断出故障原因或实现系统健康状况预测。
上述系统,优选的,所述分析模块包括:
分析单元,用于结合所述分析模型及创建的节点先验概率表、节点条件概率表,进行故障原因诊断,或系统健康状况预测;
其中,所述节点表示绑定有相应组件属性的事件组件,所述节点先验概率表包括所述分析模型中相应节点的节点状态的先验概率,所述节点条件概率表包括所述分析模型中相应节点的节点状态发生的条件概率。
由以上方案可知,本申请公开的分析模型创建方法和系统,通过基于预先集成的多个模型组件,创建进行数据分析所需的模型框架,并通过为所述模型框架添加进行数据分析所需的执行信息,实现最终所需的分析模型的创建;其中,预先集成的每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示。可见,应用本申请方法可实现基于可视化模型组件创建所需的数据分析模型,后续可基于所创建模型,进行自动化的数据分析,从而本申请实现了为专家经验自动化、分析自动化提供支持,进而可有效提升基于测试数据的数据分析(如诊断故障原因,预测健康状况等)效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的分析模型创建方法的一种流程图;
图2是本发明实施例一提供的分析模型编辑器的一界面示例图;
图3是本发明实施例一提供的模型属性的编辑界面示例图;
图4是本发明实施例一提供的组件属性的编辑界面示例图;
图5是本发明实施例一提供的分析模型的示例图;
图6是本发明实施例二提供的分析模型创建方法的另一种流程图;
图7是本发明实施例二提供的电台发射功率不足故障的分析模型图;
图8是本发明实施例三提供的分析模型创建系统的一种结构示意图;
图9是本发明实施例三提供的分析模型创建系统的另一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明实施例一公开一种分析模型创建方法,用于实现为基于测试数据的数据分析的专家经验自动化、分析自动化提供支持,参考图1示出的分析模型创建方法流程图,所述方法可以包括以下步骤:
S101:基于预先集成的多个模型组件,创建进行数据分析所需的模型框架;其中,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示。
其中,可以采用工具箱的形式预先集成多个模型组件,工具箱中主要包含与具体专家模型相关的模型组件,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示,从而每个模型组件可以包括组件的样式、图片且具有相应的预定功能或含义。工具箱中的模型组件可配置,以方便开发人员二次开发和扩展。
工具箱中组件的类型与具体采用的数据分析算法有关,数据分析算法具体可包括故障树算法、贝叶斯算法等,基于此,从算法角度来讲,所对应的工具箱具体可包括故障树工具箱、贝叶斯工具箱等,对应创建的分析模型则可以是故障树模型、贝叶斯模型等。
从功能角度来讲,分析模型可以包括故障原因诊断模型及系统健康状况预测模型。故障原因诊断是指利用来自各种设备、测试仪器的监测数据或测试数据,综合运用相应的故障原因诊断模型(对应于相应的专家经验),根据发生的故障现象去分析可能的原因;系统健康状况预测指利用来自各种设备、测试仪器的监测数据或测试数据,综合运用相应的系统健康状况预测模型(对应于相应的专家经验),对系统健康状况进行预测。
以故障原因诊断模型为例,具体可参考图2左侧示出的组件示例图,工具箱中的组件具体可包括:
逻辑组件:逻辑与门、逻辑或门、逻辑非门、顺序与门、逻辑禁门、逻辑异或门、逻辑表决门等;
事件组件:基本事件、中间事件、顶事件、条件事件、开关事件等;
连接组件:直线、折线等各类连接线。
基于以上所介绍的各类组件,则对于故障原因诊断模型来说,可采用如下方式创建初始的模型框架:
基于数据分析需求,从预先集成的多个模型组件中选取所需的模型组件,所述模型组件包括逻辑组件、事件组件、连接组件;
利用所述连接组件对所述逻辑组件及事件组件进行连接,得到模型框架。
实际应用中,可采用编辑器的形式向使用者提供分析模型的创建功能,参考图2示出的编辑器的一个应用界面示意图,图2左侧示出了工具箱中集成的各种模型组件,图2右上部分为编辑器提供的模型编辑区,在该编辑区内使用者可进行所需的分析模型的编辑、创建,例如使用者可通过从左侧工具箱中选取并拖拽相应组件至该编辑区,并依据实际的数据分析需求将拖拽的各个组件进行连接,实现模型框架的创建,所创建的模型框架具体可参考图2的模型编辑区所示出的模型框架示例图。
S102:为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型。
在创建出数据分析所需的模型框架的基础上,需为模型框架添加相应的执行信息才能够得到完整可执行的分析模型,所述执行信息具体为分析模型所对应的分析算法在针对所需的某一具体分析事件(如故障原因诊断、健康状况预测),进行算法执行时所需的一些必要信息。基于此,在预先以工具箱形式集成各种模型组件的同时,还需同时定义每种模型、每种组件所需的不同属性。
其中,模型属性(以故障原因诊断模型为例)具体可以包括模型类型、模型名称、所采用的算法、分析方式、故障类型、编号、版本、状态等等与整体模型相关的一些执行信息;组件属性(以事件属性为例)可以包括事件类型、权重、描述等等组件级别的一些执行信息。
实际应用中,可在上述编辑器中通过提供属性编辑区(参考图2中处于编辑器右下部分的属性编辑区)为使用者提供模型属性或组件属性的添加/配置功能,具体地,例如使用者在模型编辑区进行模型创建的过程中,可通过执行相应的属性编辑触发操作来调起相应的属性编辑界面,如点击模型编辑区则调起图3示出的模型属性编辑界面,并将其显示在编辑器的右下部分,点击所创建模型中的相应组件则可调起如图4示出的相应组件属性编辑界面,并将其显示在编辑器的右下部分。
从而在使用者需要进行属性编辑时,可基于相应属性编辑界面实现向使用者提供相应的模型属性或组件属性的编辑功能,从而最终通过对创建的模型框架进行所需的模型属性添加/编辑、组件属性添加/编辑,可得到一针对某一具体分析事件的可执行的分析模型,参考图5,图5示出了分析模型的一具体示例。在此基础上,可通过基于所创建的分析模型进行自动化的数据分析,实现故障原因诊断或系统健康状况预测。
由以上方案可知,本申请公开的分析模型创建方法,通过基于预先集成的多个模型组件,创建进行数据分析所需的模型框架,并通过为所述模型框架添加进行数据分析所需的执行信息,实现最终所需的分析模型的创建;其中,预先集成的每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示。可见,应用本申请方法可实现基于可视化模型组件创建所需的数据分析模型,后续可基于所创建的模型,进行自动化的数据分析,从而本申请实现了为专家经验自动化、分析自动化提供支持,进而可有效提升基于测试数据的数据分析(如诊断故障原因,预测健康状况等)效率。
实施例二
本实施例二中,如图6所示,所述分析模型创建方法还可以包括以下步骤:
S103:基于所创建的分析模型,进行数据分析,以诊断出故障原因或实现系统健康状况预测。
通过实施例一的步骤S101、S102可针对具体的数据分析需求创建一完整可执行的分析模型,从而在此基础上,可通过执行已创建模型所对应的算法,实现相应的数据分析,最终基于数据分析诊断得出故障发生的原因或预测出系统的健康状况。
更具体地,实际应用中,可结合利用创建的分析模型以及创建的节点先验概率表、节点条件概率表,进行故障原因诊断,或系统健康状况预测;其中,所述节点表示绑定有相应组件属性的事件组件,所述节点先验概率表包括所述分析模型中相应节点的节点状态的先验概率,所述节点条件概率表包括所述分析模型中相应节点的节点状态发生的条件概率。
以下以电台发射功率不足这一故障为例,说明如何使用上文提供的编辑器创建分析模型,并基于分析模型进行故障原因诊断,本实例中分析本故障具体采用贝叶斯算法,基于此所创建的分析模型采用贝叶斯模型。
模型创建过程包括:创建模型框架、添加/编辑模型属性、添加/编辑组件属性,基于上述过程,所创建的分析模型可参考图7示出的电台发射功率不足的贝叶斯网络拓扑诊断结构。
其中,该模型中各节点与事件的对应关系如以下的表1所示:
表1
同时,本实例提供创建的相应节点的先验概率表,及相应节点的条件概率表。
其中,C1节点的先验概率表如以下的表2所示:
表2
C1 | P(C1) |
完好 | 0.9 |
断开 | 0.1 |
C2节点的先验概率表如以下的表3所示:
表3
C3节点的先验概率表如以下的表4所示:
表4
C3 | P(C3) |
完好 | 0.82 |
临界 | 0.12 |
故障 | 0.06 |
B2节点的条件概率表如以下的表5所示:
表5
A2节点的条件概率表如以下的表6所示:
表6
H节点的条件概率表如以下的表7所示:
表7
从而,结合利用所创建的上述分析模型以及所创建的上述相应节点的先验概率表、条件概率表,可实现所需的数据分析,进而诊断得出电台发射功率不足这一故障的故障原因。
实施例三
本发明实施例三公开一种分析模型创建系统,该系统与实施例一及实施例二公开的分析模型创建方法相对应。
首先,相应于实施例一,参考图8示出的分析模型创建系统的结构示意图,所述系统可以包括:模型框架创建模块100和执行信息添加模块200。
模型框架创建模块100,用于基于预先集成的多个模型组件,创建进行数据分析所需的模型框架;其中,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示。
所述模型框架创建模块100包括组件选取单元和组件连接单元。组件选取单元,用于基于数据分析需求,从预先集成的多个模型组件中选取所需的模型组件,所述模型组件包括逻辑组件、事件组件、连接组件;组件连接单元,用于利用所述连接组件对所述逻辑组件及事件组件进行连接,得到模型框架。
执行信息添加模块200,用于为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型。
所述执行信息添加模块200包括模型属性添加单元和组件属性添加单元。模型属性添加单元,用于为所述模型框架添加模型属性;其中,所述模型属性包括模型类型、名称、所采用的算法、分析方式;组件属性添加单元,用于为所述模型框架中的模型组件添加组件属性;其中,所述组件属性包括组件类型、权重和描述。
相应于实施例二,参考图9,所述系统还可以包括分析模块300,用于基于所创建的分析模型,进行数据分析,以诊断出故障原因或实现系统健康状况预测。
所述分析模块300具体包括分析单元,用于结合所述分析模型及创建的节点先验概率表、节点条件概率表,进行故障原因诊断,或系统健康状况预测;
其中,所述节点表示绑定有相应组件属性的事件组件,所述节点先验概率表包括所述分析模型中相应节点的节点状态的先验概率,所述节点条件概率表包括所述分析模型中相应节点的节点状态发生的条件概率。
对于本发明实施例三公开的分析模型创建系统而言,由于其与实施例一至实施例二公开的分析模型创建方法相对应,所以描述的比较简单,相关相似之处请参见实施例一至实施例二中分析模型创建方法部分的说明即可,此处不再详述。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
为了描述的方便,描述以上系统或装置时以功能分为各种模块或单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
最后,还需要说明的是,在本文中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种分析模型创建方法,其特征在于,包括:
基于预先集成的多个模型组件,创建进行数据分析所需的模型框架,以及定义每种模型、每种组件所需的不同属性;其中,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示;
为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型;
其中,所述基于预先集成的多个模型组件,创建进行数据分析所需的模型框架包括:
基于数据分析需求,从预先集成的多个模型组件中选取所需的模型组件,所述模型组件包括逻辑组件、事件组件、连接组件;
利用所述连接组件对所述逻辑组件及事件组件进行连接,得到模型框架;
所述执行信息包括模型属性和组件属性,则所述为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型包括:
为所述模型框架添加模型属性;其中,所述模型属性包括模型类型、名称、所采用的算法、分析方式;
为所述模型框架中的模型组件添加组件属性;其中,所述组件属性包括组件类型、权重和描述;
所述分析模型为故障原因诊断模型或系统健康状况预测模型,则所述方法还包括:
基于所创建的分析模型,进行数据分析,以诊断出故障原因或实现系统健康状况预测。
2.根据权利要求1所述的方法,其特征在于,所述基于所创建的分析模型,进行数据分析包括:
结合所述分析模型及创建的节点先验概率表、节点条件概率表,进行故障原因诊断,或系统健康状况预测;
其中,所述节点表示绑定有相应组件属性的事件组件,所述节点先验概率表包括所述分析模型中相应节点的节点状态的先验概率,所述节点条件概率表包括所述分析模型中相应节点的节点状态发生的条件概率。
3.一种分析模型创建系统,其特征在于,包括:
模型框架创建模块,用于基于预先集成的多个模型组件,创建进行数据分析所需的模型框架,以及定义每种模型、每种组件所需的不同属性;其中,每个模型组件为对相应的预定功能或预定含义进行逻辑抽象所得的可视化表示;
执行信息添加模块,用于为所述模型框架添加进行数据分析所需的执行信息,以得到可执行的分析模型;
其中,所述模型框架创建模块包括:
组件选取单元,用于基于数据分析需求,从预先集成的多个模型组件中选取所需的模型组件,所述模型组件包括逻辑组件、事件组件、连接组件;
组件连接单元,用于利用所述连接组件对所述逻辑组件及事件组件进行连接,得到模型框架;
所述执行信息包括模型属性和组件属性,则所述执行信息添加模型包括:
模型属性添加单元,用于为所述模型框架添加模型属性;其中,所述模型属性包括模型类型、名称、所采用的算法、分析方式;
组件属性添加单元,用于为所述模型框架中的模型组件添加组件属性;其中,所述组件属性包括组件类型、权重和描述;
所述分析模型为故障原因诊断模型或系统健康状况预测模型,则所述系统还包括:
分析模块,用于基于所创建的分析模型,进行数据分析,以诊断出故障原因或实现系统健康状况预测。
4.根据权利要求3所述的系统,其特征在于,所述分析模块包括:
分析单元,用于结合所述分析模型及创建的节点先验概率表、节点条件概率表,进行故障原因诊断,或系统健康状况预测;
其中,所述节点表示绑定有相应组件属性的事件组件,所述节点先验概率表包括所述分析模型中相应节点的节点状态的先验概率,所述节点条件概率表包括所述分析模型中相应节点的节点状态发生的条件概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610504808.2A CN106202655B (zh) | 2016-06-29 | 2016-06-29 | 一种分析模型创建方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610504808.2A CN106202655B (zh) | 2016-06-29 | 2016-06-29 | 一种分析模型创建方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106202655A CN106202655A (zh) | 2016-12-07 |
CN106202655B true CN106202655B (zh) | 2019-08-09 |
Family
ID=57462750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610504808.2A Active CN106202655B (zh) | 2016-06-29 | 2016-06-29 | 一种分析模型创建方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106202655B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109559583B (zh) * | 2017-09-27 | 2022-04-05 | 华为技术有限公司 | 故障模拟方法及其装置 |
CN108121773A (zh) * | 2017-12-05 | 2018-06-05 | 广东京信软件科技有限公司 | 一种基于可视化拖拽式的大数据分析任务构建方法 |
CN110688109A (zh) * | 2019-10-09 | 2020-01-14 | 凯德技术长沙股份有限公司 | 一种模型编辑系统的创建方法及模型编辑系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814114A (zh) * | 2010-01-07 | 2010-08-25 | 北京航空航天大学 | 一种利用模型转换进行故障诊断的方法 |
CN105045583A (zh) * | 2015-07-08 | 2015-11-11 | 哈尔滨工程大学船舶装备科技有限公司 | 一种基于可视化流程的ietm故障类数据模块创作装置及其创作方法 |
CN105426680A (zh) * | 2015-11-25 | 2016-03-23 | 南京航空航天大学 | 基于特征配置的故障树生成方法 |
-
2016
- 2016-06-29 CN CN201610504808.2A patent/CN106202655B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814114A (zh) * | 2010-01-07 | 2010-08-25 | 北京航空航天大学 | 一种利用模型转换进行故障诊断的方法 |
CN105045583A (zh) * | 2015-07-08 | 2015-11-11 | 哈尔滨工程大学船舶装备科技有限公司 | 一种基于可视化流程的ietm故障类数据模块创作装置及其创作方法 |
CN105426680A (zh) * | 2015-11-25 | 2016-03-23 | 南京航空航天大学 | 基于特征配置的故障树生成方法 |
Non-Patent Citations (3)
Title |
---|
《基于故障分析模型的贝叶斯网络构建及应用》;费胜巍等;《计算机集成制造系统》;20070930;第13卷(第9期);第1768-1773页 * |
《基于故障树和贝叶斯网络的故障诊断模型》;宫义山等;《沈阳工业大学学报》;20090831;第31卷(第4期);第454-457页 * |
《通信装备故障诊断贝叶斯网络》;郭玉鹏等;《兵工自动化》;20110731;第30卷(第7期);摘要,第79-81页第2-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN106202655A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hehenberger et al. | Design, modelling, simulation and integration of cyber physical systems: Methods and applications | |
Saldivar et al. | Industry 4.0 with cyber-physical integration: A design and manufacture perspective | |
Cooke et al. | Procedural network representations of sequential data | |
CN106202655B (zh) | 一种分析模型创建方法和系统 | |
Nieuwenhuijs et al. | Modeling dependencies in critical infrastructures | |
CN111178782A (zh) | 一种流程工业数据化运营平台的微服务架构 | |
DE102004015504A1 (de) | Verfahren und Vorrichtung zur diagnostischen Wahl eines Wartungskonzepts für ein komplexes System | |
CN112929187B (zh) | 网络切片管理方法、装置和系统 | |
Singh et al. | Reliability analysis of repairable network system of three computer labs connected with a server under 2-out-of-3 G configuration | |
CN103839155A (zh) | 一种基于语义网关的异构信息系统模型集成方法 | |
JP2006302192A (ja) | 設計支援方法及びシステム | |
CN106201472A (zh) | 软件开发的任务调度方法及装置 | |
CN110221145A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
CN107395379A (zh) | 一种集群巡检系统及方法 | |
CN114338418B (zh) | 一种虚实结合的信息网络验证平台 | |
CN112025703B (zh) | 机器人自诊断的方法、装置及系统 | |
WO2020044110A2 (en) | A method for building a model of a physical system | |
CN102083116A (zh) | 基于元知识的智能化通信告警故障定位专家系统的构建方法 | |
Yildiz et al. | Building a virtual factory: an integrated design approach to building smart factories | |
Beckmann et al. | A case study on a specification approach using activity diagrams in requirements documents | |
CN110361609A (zh) | 特高压设备监测系统及方法 | |
CN110187687A (zh) | 基于复杂事件处理的制造车间多源异构数据融合方法及系统 | |
Heckel et al. | Stochastic graph transformation systems | |
Van Den Berg et al. | Designing cyber-physical systems with aDSL: A domain-specific language and tool support | |
CN111198524A (zh) | 产品数据的处理方法及装置 |
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 |