CN106323373A - 电子设备健康监测预警系统和方法 - Google Patents
电子设备健康监测预警系统和方法 Download PDFInfo
- Publication number
- CN106323373A CN106323373A CN201610665494.4A CN201610665494A CN106323373A CN 106323373 A CN106323373 A CN 106323373A CN 201610665494 A CN201610665494 A CN 201610665494A CN 106323373 A CN106323373 A CN 106323373A
- Authority
- CN
- China
- Prior art keywords
- data
- electronic equipment
- sensor
- early warning
- health monitoring
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
- G01R31/281—Specific types of tests or tests for a specific type of fault, e.g. thermal mapping, shorts testing
- G01R31/2817—Environmental-, stress-, or burn-in tests
Abstract
本发明涉及一种电子设备健康监测预警系统和方法,通过传感器对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置,传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种。嵌入式控制装置对传感器数据进行特征提取得到特征数据,并根据特征数据进行实时分析与预测,得到预测结果并显示,为用户提供宿主电子系统电路板实时健康监测及实时预测信息。可实时监测电子设备的性能退化过程,预测电子设备性能退化趋势,实现了对电子设备的故障预测与健康管理功能。
Description
技术领域
本发明涉及故障预测技术领域,特别是涉及一种电子设备健康监测预警系统和方法。
背景技术
故障预测与健康管理(Prognostics and Health Management,PHM)技术利用尽可能少的传感器采集系统各种数据信息,采用智能推理算法来评估系统自身健康状态,在系统故障发生前对其故障进行预测,并根据可利用资源信息提供维修保障措施以实现系统视情维修。PHM系统可实现由传统的基于传感器诊断转向基于智能系统预测,极大地促进了状态维修取代事后维修和预防性维修的进程。PHM系统能及时、准确地确定其当前状态以及在未来一段时间内发生故障的可能性,并对使用、维修活动做出辅助决策建议。
传统的失效预警方法是当集成电路关键失效机理发生而失效时,预警电路将输出报警信号。具体在参考器件中存储参考数据,并由应力器件从集成电路的输入管脚输入参数进行测试,并从集成电路的输出管脚进行检测得到测试数据,通过比较电路对测试数据和参考数据进行比较而实现预警输出。传统的失效预警方法需要对集成电路的管脚进行参数输入和数据采集,只适用于CMOS集成电路的失效预警,无法对电子设备进行故障预测。
发明内容
基于此,有必要针对上述问题,提供一种适用于电子设备的电子设备健康监测预警系统和方法。
一种电子设备健康监测预警系统,包括传感器和嵌入式控制装置,所述传感器设置于电子设备内,所述嵌入式控制装置连接所述传感器,
所述传感器用于对所述电子设备的宿主电子系统电路板进行物理参数监测,并将获取得到的传感器数据发送至所述嵌入式控制装置;所述传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种;
所述嵌入式控制装置用于对所述传感器数据进行特征提取得到特征数据,并根据所述特征数据进行实时分析与预测,得到预测结果并显示。
一种电子设备健康监测预警方法,包括以下步骤:
传感器对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置;所述传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种;
所述嵌入式控制装置对所述传感器数据进行特征提取得到特征数据;
所述嵌入式控制装置根据所述特征数据进行实时分析与预测,得到预测结果并显示。
上述电子设备健康监测预警系统和方法,通过传感器对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置,传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种。嵌入式控制装置对传感器数据进行特征提取得到特征数据,并根据特征数据进行实时分析与预测,得到预测结果并显示,为用户提供宿主电子系统电路板实时健康监测及实时预测信息。可实时监测电子设备的性能退化过程,预测电子设备性能退化趋势,实现了对电子设备的故障预测与健康管理功能。
附图说明
图1为一实施例中电子设备健康监测预警系统的结构图;
图2为一实施例中嵌入式控制装置的结构图;
图3为一实施例中电子设备健康监测预警方法的流程图;
图4为一实施例中嵌入式控制装置根据特征数据进行实时分析与预测,得到预测结果的流程图。
具体实施方式
在一个实施例中,一种电子设备健康监测预警系统,如图1所示,包括传感器110和嵌入式控制装置120,传感器110设置于电子设备内,嵌入式控制装置120连接传感器110。
传感器110用于对电子设备的宿主电子系统电路板进行物理参数监测,并将获取得到的传感器数据发送至嵌入式控制装置120。
传感器110的数量和类型均不唯一,可以是一个或多个,也可是一种或多种类型。根据传感器的类型不同,传感器数据的种类也会对应有所不同,传感器数据具体可包括电流数据、振动数据、温度数据和电压数据中的至少一种。可通过针对宿主电子系统电路板进行传感器110的布局设计,以监测所需的物理参数。本实施例中,传感器110包括连接嵌入式控制装置120的电流传感器、振动传感器、温度传感器和电压传感器,分别对宿主电子系统电路板进行监测,对应采集得到的传感器数据包括电流数据、振动数据、温度数据和电压数据。同时对宿主电子系统电路板的四种物理参数进行采集并发送至嵌入式控制装置120进行健康预测,确保预测结果更符合实际情况,提高了预测准确性。可以理解,传感器110的具体类型包括并不限于以上四种,还可包括其他可嵌入的传感器。
嵌入式控制装置120用于对传感器数据进行特征提取得到特征数据,并根据特征数据进行实时分析与预测,得到预测结果并显示。
通过对传感器数据进行特征提取得到特征数据,表征宿主电子系统电路板的物理状态,以便用作后续进行健康预测。嵌入式控制装置120对传感器数据进行特征提取的具体方式并不唯一,可以是对同一时刻对宿主电子系统电路板不同位置采集到的同类型传感器数据进行特征提取,得到特征数据;也可以是对宿主电子系统电路板同一位置采集到的多个同类型传感器数据进行特征提取,得到特征数据。特征数据的类型也不唯一,具体可包括均值或均方差。
以传感器数据包括温度数据、特征数据包括均值为例,可以是通过多个温度传感器对宿主电子系统电路板的不同位置同时进行温度监测,根据同一时刻采集得到的多个温度数据计算得到均值作为特征数据;也可以是通过温度传感器对宿主电子系统电路板的同一位置进行温度监测,获取每个采集周期内的多个温度数据计算得到均值作为特征数据。
嵌入式控制装置120的具体类型并不唯一,具体可以是SoPC嵌入式装置或SoC嵌入式装置。本实施例中,嵌入式控制装置120为SoPC嵌入式装置,将处理器、存储器、I/O(输入/输出)口等系统设计及其他用户需要的功能模块集成到一个器件上,构建成一个可编程的片上系统。SoPC嵌入式装置具有灵活的设计方式,可裁减、可扩充、可升级,并具备软硬件的系统可编程能力。
在一个实施例中,如图2所示,嵌入式控制装置120包括FPGA(Field-ProgrammableGate Array,现场可编程门阵列)逻辑器件121、嵌入式处理器122和显示器123,FPGA逻辑器件121连接传感器110,嵌入式处理器122连接FPGA逻辑器件121和显示器123。
嵌入式处理器122通过FPGA逻辑器件121获取传感器110输出的传感器数据,对传感器数据进行特征提取得到特征数据,并根据特征数据进行实时分析与预测得到预测结果,并将预测结果发送至显示器123进行显示。
此外,嵌入式控制装置120还包括连接嵌入式处理器122的存储器124和应用程序编程接口125。存储器124用于存储传感器数据以及预测结果等数据,应用程序编程接口125用于提供程序访问接口,以便进行应用程序的开发和访问,提高了操作便利性。
具体地,FPGA逻辑器件121可以是具有软核或硬核的FPGA逻辑器件。嵌入式处理器122内置有内核层、服务层和应用层。其中,内核层包括操作系统内核和传感器驱动程序,本实施例中,操作系统内核为面向SoPC的操作系统内核,传感器驱动程序用于结合操作系统内核,针对传感器进行驱动。服务层包括基于数据驱动的预测算法模型和应用编程接口,基于数据驱动的预测算法模型用于根据操作系统内核提供的接口获取传感器数据,针对传感器数据进行特征提取,并对特征数据进行实时分析与预测。应用层包括故障预测与健康管理APP(Application,应用程序)以及访问APP。故障预测与健康管理APP用于将预测结果发送至显示器123进行显示,为用户提供宿主电子系统电路板的实时健康监测及实时预测信息。工作人员可通过访问APP连接服务层所提供的应用编程接口,设计操作系统内核、传感器驱动程序、基于数据驱动的预测模型以及故障预测与健康管理APP的应用程序。
传感器110实时获取传感器数据,对所获得的传感器数据经FPGA逻辑器件121、内核层中传感器驱动程序与操作系统内核传递后,在服务层中的基于数据驱动的预测模型中进行特征提取,并利用预测算法对特征数据进行实时预测,通过应用层中的故障预测与健康管理APP显示所获得的预测结果,为用户提供宿主电子系统电路板实时健康监测及实时预测信息。
嵌入式控制装置120根据特征数据进行实时分析与预测,得到预测结果的具体方式并不唯一,可以采用任何具有预测功能的算法进行分析和预测。具体地,可采用拓展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波算法进行实时分析与预测,这些算法均是以卡尔曼滤波为基础。
给定N个量测输出数据y1,y2,...,yN,要预测p步之后系统状态xN+p。其中,滤波是指:
一步预测和两步预测分别为:
其中,为记号方便,简记
具体而言,对于线性随机系统
其中,A和C为预设矩阵,wk是均值为0,方差为Q不相关过程噪声,vk是均值为0,方差为R不相关量测噪声,且wk,vk不相关。
本实施例中,嵌入式控制装置120采用卡尔曼预测算法根据特征数据进行实时分析与预测,具体包括以下步骤:
对特征数据进行卡尔曼滤波滤波得到滤波数据。具体为:
P′k=APk-1AT+Q,
Kk=P′kCT(CP′kCT+R)-1,
Pk=P′k-KkCP′k.
其中,k=1,2,...,N,N为特征数据的个数,且P0,已知;A和C为预设矩阵,AT,CT分别表示对矩阵A和C进行转置,Q和R分别为不相关过程噪声和不相关量测噪声的方差,yk表示特征数据,表示滤波数据。
根据滤波数据进行卡尔曼预测得到预测结果。具体为:
其中, 为滤波数据,表示第k步的预测结果;N为特征数据的个数,p为预测步数。
上述电子设备健康监测预警系统,通过传感器110对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置120,传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种。嵌入式控制装置120对传感器数据进行特征提取得到特征数据,并根据特征数据进行实时分析与预测,得到预测结果并显示,为用户提供宿主电子系统电路板实时健康监测及实时预测信息。可实时监测电子设备的性能退化过程,预测电子设备性能退化趋势,实现了对电子设备的故障预测与健康管理功能。
在一个实施例中,一种电子设备健康监测预警方法,基于上述电子设备健康监测预警系统实现。如图3所示,该方法包括以下步骤:
步骤S110:传感器对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置。
传感器设置于电子设备内,传感器的数量和类型均不唯一,可以是一个或多个,也可是一种或多种类型。根据传感器的类型不同,传感器数据的种类也会对应有所不同,传感器数据具体可包括电流数据、振动数据、温度数据和电压数据中的至少一种。可通过针对宿主电子系统电路板进行传感器的布局设计,以监测所需的物理参数。本实施例中,传感器包括电流传感器、振动传感器、温度传感器和电压传感器,分别对宿主电子系统电路板进行监测,对应采集得到的传感器数据包括电流数据、振动数据、温度数据和电压数据。同时对宿主电子系统电路板的四种物理参数进行采集并发送至嵌入式控制装置进行健康预测,确保预测结果更符合实际情况,提高了预测准确性。可以理解,传感器的具体类型包括并不限于以上四种,还可包括其他可嵌入的传感器。
步骤S120:嵌入式控制装置对传感器数据进行特征提取得到特征数据。
通过对传感器数据进行特征提取得到特征数据,表征宿主电子系统电路板的物理状态,以便用作后续进行健康预测。对传感器数据进行特征提取的具体方式并不唯一,可以是对同一时刻对宿主电子系统电路板不同位置采集到的同类型传感器数据进行特征提取,得到特征数据;也可以是对宿主电子系统电路板同一位置采集到的多个同类型传感器数据进行特征提取,得到特征数据。特征数据的类型也不唯一,具体可包括均值或均方差。嵌入式控制装置的具体类型并不唯一,具体可以是SoPC嵌入式装置或SoC嵌入式装置。
步骤S130:嵌入式控制装置根据特征数据进行实时分析与预测,得到预测结果并显示。
嵌入式控制装置根据特征数据进行实时分析与预测,得到预测结果的具体方式并不唯一,具体地,可采用拓展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波算法进行实时分析与预测,这些算法均是以卡尔曼滤波为基础。本实施例中,如图4所示,步骤S130中采用卡尔曼预测算法根据特征数据进行实时分析与预测,具体包括步骤S132和步骤S134。
步骤S132:对特征数据进行卡尔曼滤波滤波得到滤波数据。具体为:
P′k=APk-1AT+Q,
Kk=P′kCT(CP′kCT+R)-1,
Pk=P′k-KkCP′k.
其中,k=1,2,...,N,N为特征数据的个数,且P0,已知;A和C为预设矩阵,AT,CT分别表示对矩阵A和C进行转置,Q和R分别为不相关过程噪声和不相关量测噪声的方差,yk表示特征数据,表示滤波数据。
步骤S134:根据滤波数据进行卡尔曼预测得到预测结果。具体为:
其中, 为滤波数据,表示第k步的预测结果;N为特征数据的个数,p为预测步数。
上述电子设备健康监测预警方法,通过传感器对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置,传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种。嵌入式控制装置对传感器数据进行特征提取得到特征数据,并根据特征数据进行实时分析与预测,得到预测结果并显示,为用户提供宿主电子系统电路板实时健康监测及实时预测信息。可实时监测电子设备的性能退化过程,预测电子设备性能退化趋势,实现了对电子设备的故障预测与健康管理功能。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种电子设备健康监测预警系统,其特征在于,包括传感器和嵌入式控制装置,所述传感器设置于电子设备内,所述嵌入式控制装置连接所述传感器,
所述传感器用于对所述电子设备的宿主电子系统电路板进行物理参数监测,并将获取得到的传感器数据发送至所述嵌入式控制装置;所述传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种;
所述嵌入式控制装置用于对所述传感器数据进行特征提取得到特征数据,并根据所述特征数据进行实时分析与预测,得到预测结果并显示。
2.根据权利要求1所述的电子设备健康监测预警系统,其特征在于,所述传感器包括连接所述嵌入式控制装置的电流传感器、振动传感器、温度传感器和电压传感器。
3.根据权利要求1所述的电子设备健康监测预警系统,其特征在于,所述嵌入式控制装置包括FPGA逻辑器件、嵌入式处理器和显示器,所述FPGA逻辑器件连接所述传感器,所述嵌入式处理器连接所述FPGA逻辑器件和所述显示器,
所述嵌入式处理器通过所述FPGA逻辑器件获取所述传感器输出的传感器数据,对所述传感器数据进行特征提取得到所述特征数据,并根据所述特征数据进行实时分析与预测得到所述预测结果,并将所述预测结果发送至所述显示器进行显示。
4.根据权利要求3所述的电子设备健康监测预警系统,其特征在于,所述嵌入式控制装置还包括连接所述嵌入式处理器的存储器和应用程序编程接口。
5.根据权利要求1-4任意一项所述的电子设备健康监测预警系统,其特征在于,所述嵌入式控制装置为SoPC嵌入式装置或SoC嵌入式装置。
6.一种电子设备健康监测预警方法,其特征在于,包括以下步骤:
传感器对电子设备的宿主电子系统电路板进行物理参数监测,获取传感器数据并发送至嵌入式控制装置;所述传感器数据包括电流数据、振动数据、温度数据和电压数据中的至少一种;
所述嵌入式控制装置对所述传感器数据进行特征提取得到特征数据;
所述嵌入式控制装置根据所述特征数据进行实时分析与预测,得到预测结果并显示。
7.根据权利要求6所述的电子设备健康监测预警方法,其特征在于,所述传感器包括电流传感器、振动传感器、温度传感器和电压传感器。
8.根据权利要求6所述的电子设备健康监测预警方法,其特征在于,所述特征数据包括均值或均方差值。
9.根据权利要求6所述的电子设备健康监测预警方法,其特征在于,所述嵌入式控制装置根据所述特征数据进行实时分析与预测,得到预测结果,包括:
对所述特征数据进行卡尔曼滤波滤波得到滤波数据,具体为:
P′k=APk-1AT+Q,
Kk=P′kCT(CP′kCT+R)-1,
Pk=P′k-KkCP′k.
其中,k=1,2,...,N,N为特征数据的个数,且P0,已知;A和C为预设矩阵,AT,CT分别表示对矩阵A和C进行转置,Q和R分别为不相关过程噪声和不相关量测噪声的方差,yk表示特征数据,表示滤波数据;
根据所述滤波数据进行卡尔曼预测得到预测结果,具体为:
其中, 为滤波数据,表示第k步的预测结果;N为特征数据的个数,p为预测步数。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610665494.4A CN106323373A (zh) | 2016-08-12 | 2016-08-12 | 电子设备健康监测预警系统和方法 |
US15/556,702 US10458823B2 (en) | 2016-08-12 | 2016-11-29 | System and method for health monitoring and early warning for electronic device |
PCT/CN2016/107704 WO2018028086A1 (zh) | 2016-08-12 | 2016-11-29 | 电子设备健康监测预警系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610665494.4A CN106323373A (zh) | 2016-08-12 | 2016-08-12 | 电子设备健康监测预警系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106323373A true CN106323373A (zh) | 2017-01-11 |
Family
ID=57739355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610665494.4A Pending CN106323373A (zh) | 2016-08-12 | 2016-08-12 | 电子设备健康监测预警系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10458823B2 (zh) |
CN (1) | CN106323373A (zh) |
WO (1) | WO2018028086A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329049A (zh) * | 2017-08-21 | 2017-11-07 | 集美大学 | 一种基于卡尔曼滤波器的输电线路早期故障检测方法 |
CN107752171A (zh) * | 2017-10-18 | 2018-03-06 | 河南科技大学第附属医院 | 一种重症监护儿童病号服 |
CN109298265A (zh) * | 2018-10-23 | 2019-02-01 | 东莞理工学院 | 电子设备故障检查装置 |
CN111000684A (zh) * | 2019-09-27 | 2020-04-14 | 张兴利 | 一种基于多传感器融合的纸尿裤外置监测系统及监测方法 |
CN112858872A (zh) * | 2020-12-31 | 2021-05-28 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 电路板健康管理电路、装置、控制方法及电路板健康管理器 |
CN114238033A (zh) * | 2021-12-28 | 2022-03-25 | 湖南云箭智能科技有限公司 | 板卡运行状态预警方法、装置、设备及可读存储介质 |
CN114613110A (zh) * | 2022-01-29 | 2022-06-10 | 上海至冕伟业科技有限公司 | 基于消防物联网的消防水系统故障检测预警系统及方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3502720B1 (en) * | 2017-12-19 | 2022-11-09 | Nxp B.V. | An apparatus for prediction of failure of a functional circuit |
CN111854852A (zh) * | 2020-08-25 | 2020-10-30 | 武汉迪航科技有限公司 | 一种用于机电设备安装的检测系统 |
CN113934982B (zh) * | 2021-10-18 | 2024-04-19 | 河北工业大学 | 基于振-电信号融合的断路器操作机构机械寿命预测方法 |
US20230418352A1 (en) * | 2022-06-24 | 2023-12-28 | Microsoft Technology Licensing, Llc | Devices, systems, and methods for monitoring an electronic device in transit |
CN115314401B (zh) * | 2022-06-30 | 2024-03-15 | 中铁第四勘察设计院集团有限公司 | 接触网状态监测方法、装置、电子设备及存储介质 |
CN115389915B (zh) * | 2022-10-27 | 2023-03-17 | 北京东远润兴科技有限公司 | 电路健康监测管理系统、监测方法及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008039492A (ja) * | 2006-08-02 | 2008-02-21 | Univ Nagoya | 電気機器稼働状態推定システム |
CN101825894A (zh) * | 2010-04-30 | 2010-09-08 | 北京航空航天大学 | 一种六氟化硫高压断路器状态智能监测与健康管理系统 |
CN101963937A (zh) * | 2010-09-29 | 2011-02-02 | 南京航空航天大学 | 飞控计算机系统剩余寿命预测方法 |
CN102156245A (zh) * | 2011-03-11 | 2011-08-17 | 太原理工大学 | 一种矿用高压电缆在线故障诊断及预警方法 |
CN102316496A (zh) * | 2011-09-07 | 2012-01-11 | 上海交通大学 | 无线传感器网络中基于卡尔曼滤波的数据融合方法 |
CN103019916A (zh) * | 2012-12-14 | 2013-04-03 | 大连博控科技股份有限公司 | 便携电子设备温度监测系统 |
CN103176486A (zh) * | 2011-12-26 | 2013-06-26 | 联想(北京)有限公司 | 一种应用于电子设备中的除湿方法及电子设备 |
CN204177480U (zh) * | 2014-10-29 | 2015-02-25 | 天津滨海新区三格电子科技有限公司 | 一种基于Cortex-M4的多路振动信号采集系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10502594B2 (en) * | 2013-04-29 | 2019-12-10 | Emerson Electric (Us) Holding Corporation (Chile) Limitada | Dynamic transducer with digital output and method for use |
CN104750068B (zh) * | 2015-02-13 | 2018-08-21 | 湖北锐世数字医学影像科技有限公司 | 一种多节点传感器网络的数据传输及控制装置 |
-
2016
- 2016-08-12 CN CN201610665494.4A patent/CN106323373A/zh active Pending
- 2016-11-29 WO PCT/CN2016/107704 patent/WO2018028086A1/zh active Application Filing
- 2016-11-29 US US15/556,702 patent/US10458823B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008039492A (ja) * | 2006-08-02 | 2008-02-21 | Univ Nagoya | 電気機器稼働状態推定システム |
CN101825894A (zh) * | 2010-04-30 | 2010-09-08 | 北京航空航天大学 | 一种六氟化硫高压断路器状态智能监测与健康管理系统 |
CN101963937A (zh) * | 2010-09-29 | 2011-02-02 | 南京航空航天大学 | 飞控计算机系统剩余寿命预测方法 |
CN102156245A (zh) * | 2011-03-11 | 2011-08-17 | 太原理工大学 | 一种矿用高压电缆在线故障诊断及预警方法 |
CN102316496A (zh) * | 2011-09-07 | 2012-01-11 | 上海交通大学 | 无线传感器网络中基于卡尔曼滤波的数据融合方法 |
CN103176486A (zh) * | 2011-12-26 | 2013-06-26 | 联想(北京)有限公司 | 一种应用于电子设备中的除湿方法及电子设备 |
CN103019916A (zh) * | 2012-12-14 | 2013-04-03 | 大连博控科技股份有限公司 | 便携电子设备温度监测系统 |
CN204177480U (zh) * | 2014-10-29 | 2015-02-25 | 天津滨海新区三格电子科技有限公司 | 一种基于Cortex-M4的多路振动信号采集系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329049A (zh) * | 2017-08-21 | 2017-11-07 | 集美大学 | 一种基于卡尔曼滤波器的输电线路早期故障检测方法 |
CN107329049B (zh) * | 2017-08-21 | 2019-07-02 | 集美大学 | 一种基于卡尔曼滤波器的输电线路早期故障检测方法 |
CN107752171A (zh) * | 2017-10-18 | 2018-03-06 | 河南科技大学第附属医院 | 一种重症监护儿童病号服 |
CN109298265A (zh) * | 2018-10-23 | 2019-02-01 | 东莞理工学院 | 电子设备故障检查装置 |
CN111000684A (zh) * | 2019-09-27 | 2020-04-14 | 张兴利 | 一种基于多传感器融合的纸尿裤外置监测系统及监测方法 |
CN111000684B (zh) * | 2019-09-27 | 2022-04-01 | 张兴利 | 一种基于多传感器融合的纸尿裤外置监测系统及监测方法 |
CN112858872A (zh) * | 2020-12-31 | 2021-05-28 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 电路板健康管理电路、装置、控制方法及电路板健康管理器 |
CN114238033A (zh) * | 2021-12-28 | 2022-03-25 | 湖南云箭智能科技有限公司 | 板卡运行状态预警方法、装置、设备及可读存储介质 |
CN114613110A (zh) * | 2022-01-29 | 2022-06-10 | 上海至冕伟业科技有限公司 | 基于消防物联网的消防水系统故障检测预警系统及方法 |
CN114613110B (zh) * | 2022-01-29 | 2023-08-18 | 上海至冕伟业科技有限公司 | 基于消防物联网的消防水系统故障检测预警系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018028086A1 (zh) | 2018-02-15 |
US20190154475A1 (en) | 2019-05-23 |
US10458823B2 (en) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323373A (zh) | 电子设备健康监测预警系统和方法 | |
US8478479B2 (en) | Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft | |
CN104044413B (zh) | 预测的基于同等的轮胎健康监测 | |
CN100465842C (zh) | 数据分析系统和方法 | |
US8682824B2 (en) | Method and device for monitoring the state of a facility | |
CN108572637A (zh) | 用于监测车载控制器的方法和设备 | |
CN107408226A (zh) | 资产健康评分及其使用 | |
US8548750B1 (en) | Path classification and estimation method and system for prognosticating asset life | |
CN107462425B (zh) | 一种车载装备系统的故障预测方法及故障预测平台 | |
Feldman et al. | Model-based diagnostic decision-support system for satellites | |
US10909781B2 (en) | System and method of using mechanical systems prognostic indicators for aircraft maintenance | |
CN103927343A (zh) | 一种phm系统诊断与预测能力综合验证方法 | |
CN110388315A (zh) | 基于多源信息融合的输油泵故障识别方法、装置及系统 | |
Hosseini et al. | A practical approach to residential appliances on-line anomaly detection: A case study of standard and smart refrigerators | |
Pervez et al. | Formal reliability analysis of a typical FHIR standard based e-Health system using PRISM | |
CN110441669A (zh) | 不确定混杂电路系统的渐变故障诊断和寿命预测方法 | |
CN116881783B (zh) | 道路损伤检测方法、装置、计算机设备、存储介质 | |
US20190100335A1 (en) | Aircraft maintenance message prediction | |
US20100161307A1 (en) | Software health management testbed | |
CN105302476B (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
CN116707875A (zh) | 一种车辆异常监控方法、装置及存储介质 | |
US20160292302A1 (en) | Methods and systems for inferred information propagation for aircraft prognostics | |
US8548749B1 (en) | Path classification and estimation method and system for prognosticating asset life | |
Beshears et al. | Designing for health: a methodology for integrated diagnostics/prognostics | |
Davari et al. | A fault detection framework based on lstm autoencoder: A case study for volvo bus data set |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |
|
RJ01 | Rejection of invention patent application after publication |