CN106372323A - 一种基于飞行数据的机载设备故障率检测方法 - Google Patents
一种基于飞行数据的机载设备故障率检测方法 Download PDFInfo
- Publication number
- CN106372323A CN106372323A CN201610792422.6A CN201610792422A CN106372323A CN 106372323 A CN106372323 A CN 106372323A CN 201610792422 A CN201610792422 A CN 201610792422A CN 106372323 A CN106372323 A CN 106372323A
- Authority
- CN
- China
- Prior art keywords
- airborne equipment
- equipment
- fault
- failure rate
- aef
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于航空电子技术,具体涉及一种基于飞行数据的机载设备故障率检测方法。本发明行数据的机载设备故障率检测方法利用机载设备特征参数和故障判据进行故障模型建模,利用机载设备通电信号参数和启动状态参数进行工作时间模型建模,通过解析飞行数据,再利用解析后的飞行数据解算故障模型和工作时间模型,完成机载设备故障状态统计和工作时间统计,即可进行机载设备故障率的计算,完成故障率的检测。本发明能够全面的获取设备运行状态信息,实现长期可靠的故障跟踪,同时反映了设备在整个生命周期中的状态性能变化情况或突变情况,以及在更换设备后的状态性能变化情况,大大提高机载设备的有效使用率,降低维护管理成本。
Description
技术领域
本发明属于航空电子技术,具体涉及一种基于飞行数据的机载设备故障率检测方法。
背景技术
随着航空电子设备自测试系统的不断发展,越来越多的机载设备在运转过程中产生了大量的自测试维护数据和状态信号数据,这些数据统称为飞行数据,存储在机载飞参系统防护记录器中,能够反映设备运转的状态。通过对这些数据物理意义的归类及分析、综合判断,能够得到飞机在某次飞行或通电试验过程中机载设备的工作时间、以及在某一时刻是否存在某种故障。通过对工作时间及发生的故障进行累计,可以得到设备的总工作时间和故障次数、故障时间,从而能够进行机载设备故障率的检测计算和变化跟踪,将有助于快速直观的评估设备或系统内部工作状态以及对其他内部或外部部件的影响,从而全面、准确地实现机载设备的状态监测和评估。
然而现有技术对机载设备故障采用BIT检测技术,根据设备报故情况,进行故障记录,但是BIT检测信息不完整,且存在虚警误报情形,难以满足航空设备快速维护的要求。
发明内容
发明目的:提供一种检测信息全面、可靠,基于飞行数据的机载设备故障率检测方法。
技术方案:一种基于飞行数据的机载设备故障率检测方法,其利用机载设备特征参数和故障判据进行故障模型建模,利用机载设备通电信号参数和启动状态参数进行工作时间模型建模,通过解析飞行数据,再利用解析后的飞行数据解算故障模型和工作时间模型,完成机载设备故障状态统计和工作时间统计,即可进行机载设备故障率的计算,完成故障率的检测。
所述的基于飞行数据的机载设备故障率检测方法,其包括如下步骤:
步骤1:机载设备故障模型的建立;
步骤2:机载设备工作时间模型的建立;
步骤3:设备飞行参数的提取还原;
步骤4:机载设备故障状态统计;
步骤5:机载设备工作时间统计;
步骤6:机载设备故障率检测。
所述的基于飞行数据的机载设备故障率检测方法,其步骤1中的机载设备故障模型的建立过程如下:确定机上设备作为被检测对象,提取被检测对象的性能特征参数和故障诊断专家知识,设计诊断模型,以特征参数作为条件入口,将专家知识转化为数学表达式及关系表达式,封装为接口函数,以接口函数形式进行机载设备故障模型的调度和故障检测,接口函数内部针对不同设备的不同参数特征进行分析,检测结果为TRUE或FALSE,代表该故障发生或不发生。
所述的基于飞行数据的机载设备故障率检测方法,其步骤2:机载设备工作时间模型的建立过程如下:设计设备工作时间条件配置表,建立以通电信号飞行参数和启动状态飞行参数为因子的数理逻辑关系表达式,形成工作时间判读模型,抽取工作时间模型中飞行参数名称对应的参数值、逻辑关系运算符进行解算,解算结果为TRUE或FALSE,代表该设备工作或未工作。
所述的基于飞行数据的机载设备故障率检测方法,其步骤4:机载设备故障状态统计中,由于飞行参数带有时间信息,对通过故障模型诊断的结果进行统计叠加,算出一次飞行过程中的设备故障时间、故障次数,将故障时间和次数填入设备工作状态信息库中,并在此基础上根据用户需求算出天、周、月、季度、年设备故障时间及故障次数。
所述的基于飞行数据的机载设备故障率检测方法,其步骤5:机载设备工作时间统计时,由于飞行参数带有时间信息,对通过工作时间统计模型计算的结果进行统计叠加,算出一次飞行过程中的设备工作时间,将此设备工作时间信息填入设备工作状态信息库中,并在此基础上根据用户需求算出天、周、月、季度、年设备工作时间。
所述的基于飞行数据的机载设备故障率检测方法,其步骤6:机载设备故障率检测时,筛选按时间段检测条件和按飞机状态检测条件,得到相应的故障次数、故障时间、工作时间信息,通过设备故障次数除以设备工作时间,得出设备单位时间故障次数,通过设备故障时间除以设备工作时间,得出设备故障率检测结果,并将检测结果填入设备工作状态信息库中,通过积累长期的工作状态信息,绘制机载设备故障率变化的表格曲线,跟踪状态趋势,故障率检测结果反映机载设备在研制、装备各阶段、各时段的故障情况,辅助视情维修、设备质量控制和备附件动态管理。
有益效果:本发明基于飞行数据的机载设备故障率检测方法,使得用户能够应用此方法对机载设备的运行状态、可靠程度进行长期跟踪,辅助地勤检查人员及时采取应对措施,排除机上成员系统设备故障、降低事故隐患,同时反映了设备在整个生命周期中的状态性能变化情况或突变情况,以及在更换设备后的状态性能变化情况,做到备件的视情准备,大大提高机载设备的有效使用率,降低维护管理成本。
附图说明
图1是本发明基于飞行数据的机载设备故障率检测方法平台,其中各模块涵义为:1-数据管理模块、2-电源模块、3-坠毁保护组件模块、4-飞参外场检测处理机、5-飞参转存设备、6-地面站(含故障率检测软件模块)。
图2是本发明基于飞行数据的机载设备故障率检测方法原理图。
图3是机载设备故障率检测流程图。
具体实施方式
下面结合附图对本发明做进一步详细描述。
请参阅图1,本发明基于飞行数据的机载设备故障率检测方法平台包括飞机飞行平台飞行参数采集记录系统及地面设备。其中,飞行参数采集记录系统包括电源模块、数据管理模块、坠毁保护组件。所述电源模块与数据管理模块连接,为其供电,同时连接地面28v电源。数据管理模块通过并行总线与坠毁保护组件连接,并通过1533B总线通道、RS-422总线通道,以及其他总线通道与飞机飞行平台连接。另外,飞行参数采集记录系统通过以太网与地面设备连接。地面设备包括设置有故障率监测软件模块的地面站以及飞参外场检测处理机,二者通过飞参转存设备相互连接。
本发明基于飞行数据的机载设备故障率检测方法基于上述平台,利用机载设备特征参数和故障判据进行故障模型建模,利用机载设备通电信号参数和启动状态参数进行工作时间模型建模,通过解析飞行数据,再利用解析后的飞行数据解算故障模型和工作时间模型,完成机载设备故障状态统计和工作时间统计,即可进行机载设备故障率的计算,完成故障率的检测。
请参阅图2,本发明基于飞行数据的机载设备故障率检测方法具体实施过程如下:
1、设备故障模型构建:
以飞参系统设计单位与飞机设计单位联合开发的模式,由飞参设计单位进行软件整体架构设计和故障模型的接口设计,确定故障诊断、工作时间、故障率检测结果人机界面展示效果,定义故障模型函数接口及参数、返回值,由飞机设计单位进行故障模型内容的填充,并对故障模型组织进行第三方测试,以验证故障模型内部逻辑完整性及机载设备故障检测输入输出正确性,函数接口及传递参数,输出参数、输出处置建议以Excel表格进行格式化存储,模型内容采用动态库进行封装,采用此方法可以方便地进行故障模型的迭代管理,便于内部合作开发和模型保护。
以无线电高度表1故障为例,其接口函数定义为RA1_FAILURE,参数输入标识为IMFD02000613、F1FD00000607,返回值为0或1,内部诊断模型以与逻辑进行判读,当两个参数条件均满足时,可能处于故障状态,为避免虚警,引入多拍机制,经过飞机设计单位的确认,结合飞行参数周期,按照3拍进行虚警剔除,即满足连续3拍则认定故障发生。
2、设备工作时间模型构建:
以某飞机平台为验证平台,通过提取飞行参数中各个设备的通电信号参数和启动状态信号参数,结合参数特性含义,构建机载81个设备的启动工作逻辑模型,采用基于飞行参数的布尔逻辑表达式进行构建,并以Excel表格进行格式化存储,采用此方法可以方便进行检测设备的故障检测状态条件管理。
以无线电高度表1为例,其工作状态判读条件为:
3、飞行数据还原:
通过飞参系统采集驱动配置表检测并识别来自不同总线的飞行参数数据包,然后再提取其中与故障模型、工作时间模型有关的飞行参数进行还原,得到具体的工程值,飞参采集驱动配置表以Excel表格方式或xml方式进行格式化存储,便于飞行数据的识别与还原。
以无线电高度表1为例,其与故障模型、工作时间模型相关的飞行参数还原方法为:IMFD无线电高度表1供电状态,(F1FD)RA1状态(FMC判断),
4、设备故障统计:
通过抽取飞行数据遍历故障模型(通过模型函数接口进行遍历运算),获取在某一飞行时刻设备的故障状态,通过对每个飞行时刻故障状态的累积,获取设备的故障持续时间、故障次数,将统计信息存入数据库中,并以表格形式输出显示。
以某个飞行架次统计的无线电高度表1故障信息为例,其内容如下:
5、设备工作时间统计:
通过抽取飞行数据遍历设备工作时间统计模型(按照后缀表达式进行遍历及逻辑运算),获取在某一飞行时刻设备的工作状态,通过对每个飞行时刻工作状态的累积,获取设备的工作时间,将统计信息存入数据库中,将统计结果以表格形式输出显示。
以无线电高度表1为例,统计10个飞行数据的设备工作时间为9时36分38秒。
6、设备故障率统计:
选择地检状态、任务状态或全工作状态作为飞机状态筛选条件,选择按飞行起落架次、按天、按周、按月、按年或指定时间段作为时间筛选条件,利用故障次数/工作时间,故障时间/工作时间计算公式计算单位时间故障次数、故障率,获取的检测值存入数据库中,将机载各个设备的故障率检测结果以柱状图或变化曲线趋势图输出显示。
以无线电高度表1为例,其故障趋势按天变化如下:
综上所述本发明行数据的机载设备故障率检测方法利用机载设备特征参数和故障判据进行故障模型建模,利用机载设备通电信号参数和启动状态参数进行工作时间模型建模,通过解析飞行数据,再利用解析后的飞行数据解算故障模型和工作时间模型,完成机载设备故障状态统计和工作时间统计,即可进行机载设备故障率的计算,完成故障率的检测。本发明能够全面的获取设备运行状态信息,实现长期可靠的故障跟踪,同时反映了设备在整个生命周期中的状态性能变化情况或突变情况,以及在更换设备后的状态性能变化情况,大大提高机载设备的有效使用率,降低维护管理成本。
Claims (7)
1.一种基于飞行数据的机载设备故障率检测方法,其特征在于,利用机载设备特征参数和故障判据进行故障模型建模,利用机载设备通电信号参数和启动状态参数进行工作时间模型建模,通过解析飞行数据,再利用解析后的飞行数据解算故障模型和工作时间模型,完成机载设备故障状态统计和工作时间统计,即可进行机载设备故障率的计算,完成故障率的检测。
2.根据权利要求1所述的基于飞行数据的机载设备故障率检测方法,其特征在于,包括如下步骤:
步骤1:机载设备故障模型的建立;
步骤2:机载设备工作时间模型的建立;
步骤3:设备飞行参数的提取还原;
步骤4:机载设备故障状态统计;
步骤5:机载设备工作时间统计;
步骤6:机载设备故障率检测。
3.根据权利要求1所述的基于飞行数据的机载设备故障率检测方法,其特征在于,步骤1中的机载设备故障模型的建立过程如下:确定机上设备作为被检测对象,提取被检测对象的性能特征参数和故障诊断专家知识,设计诊断模型,以特征参数作为条件入口,将专家知识转化为数学表达式及关系表达式,封装为接口函数,以接口函数形式进行机载设备故障模型的调度和故障检测,接口函数内部针对不同设备的不同参数特征进行分析,检测结果为TRUE或FALSE,代表该故障发生或不发生。
4.根据权利要求2所述的基于飞行数据的机载设备故障率检测方法,其特征在于,步骤2:机载设备工作时间模型的建立过程如下:设计设备工作时间条件配置表,建立以通电信号飞行参数和启动状态飞行参数为因子的数理逻辑关系表达式,形成工作时间判读模型,抽取工作时间模型中飞行参数名称对应的参数值、逻辑关系运算符进行解算,解算结果为TRUE或FALSE,代表该设备工作或未工作。
5.根据权利要求2所述的基于飞行数据的机载设备故障率检测方法,其特征在于,步骤4:机载设备故障状态统计中,由于飞行参数带有时间信息,对通过故障模型诊断的结果进行统计叠加,算出一次飞行过程中的设备故障时间、故障次数,将故障时间和次数填入设备工作状态信息库中,并在此基础上根据用户需求算出天、周、月、季度、年设备故障时间及故障次数。
6.根据权利要求2所述的基于飞行数据的机载设备故障率检测方法,其特征在于,步骤5:机载设备工作时间统计时,由于飞行参数带有时间信息,对通过工作时间统计模型计算的结果进行统计叠加,算出一次飞行过程中的设备工作时间,将此设备工作时间信息填入设备工作状态信息库中,并在此基础上根据用户需求算出天、周、月、季度、年设备工作时间。
7.根据权利要求2所述的基于飞行数据的机载设备故障率检测方法,其特征在于,步骤6:机载设备故障率检测时,筛选按时间段检测条件和按飞机状态检测条件,得到相应的故障次数、故障时间、工作时间信息,通过设备故障次数除以设备工作时间,得出设备单位时间故障次数,通过设备故障时间除以设备工作时间,得出设备故障率检测结果,并将检测结果填入设备工作状态信息库中,通过积累长期的工作状态信息,绘制机载设备故障率变化的表格曲线,跟踪状态趋势,故障率检测结果反映机载设备在研制、装备各阶段、各时段的故障情况,辅助视情维修、设备质量控制和备附件动态管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610792422.6A CN106372323B (zh) | 2016-08-31 | 2016-08-31 | 一种基于飞行数据的机载设备故障率检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610792422.6A CN106372323B (zh) | 2016-08-31 | 2016-08-31 | 一种基于飞行数据的机载设备故障率检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106372323A true CN106372323A (zh) | 2017-02-01 |
CN106372323B CN106372323B (zh) | 2019-10-18 |
Family
ID=57899847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610792422.6A Active CN106372323B (zh) | 2016-08-31 | 2016-08-31 | 一种基于飞行数据的机载设备故障率检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106372323B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886664A (zh) * | 2017-03-30 | 2017-06-23 | 中国民航科学技术研究院 | 兼容飞行数据驱动的飞行事故模拟方法与系统 |
CN107621368A (zh) * | 2017-09-04 | 2018-01-23 | 江西洪都航空工业集团有限责任公司 | 一种基于教练机的发动机专家诊断系统 |
CN109240327A (zh) * | 2018-09-11 | 2019-01-18 | 陕西千山航空电子有限责任公司 | 一种固定翼飞机飞行阶段识别方法 |
CN109598815A (zh) * | 2018-12-04 | 2019-04-09 | 中国航空无线电电子研究所 | 一种机载燃油系统耗油估计及健康监测方法 |
CN109934956A (zh) * | 2019-03-13 | 2019-06-25 | 北京五维星宇科技有限公司 | 一种飞参数据判读方法、系统、设备及介质 |
CN109948260A (zh) * | 2019-03-22 | 2019-06-28 | 中车大连机车车辆有限公司 | 柴油机修理策略的确定方法、装置、设备及可读存储介质 |
CN110109896A (zh) * | 2019-04-13 | 2019-08-09 | 成都飞机工业(集团)有限责任公司 | Uav飞行参数智能还原方法 |
CN110377448A (zh) * | 2019-07-17 | 2019-10-25 | 陕西千山航空电子有限责任公司 | 一种基于航电设备的通用化故障诊断方法 |
CN110596614A (zh) * | 2019-07-17 | 2019-12-20 | 陕西千山航空电子有限责任公司 | 一种防护记录器内部独立电源模块的bit方法 |
CN112249345A (zh) * | 2020-10-15 | 2021-01-22 | 航宇救生装备有限公司 | 一种椅载电子式开伞器状态指示装置及方法 |
CN114169133A (zh) * | 2021-11-08 | 2022-03-11 | 陕西千山航空电子有限责任公司 | 一种面向改装飞机的维护模型快速构建方法 |
CN114780492A (zh) * | 2022-03-31 | 2022-07-22 | 重庆长安新能源汽车科技有限公司 | 一种基于车载功能开启和关闭大数据的分析方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013110989A1 (en) * | 2012-01-24 | 2013-08-01 | Dh Technologies Development Pte. Ltd. | Fast switching, dual polarity, dual output high voltage power supply |
CN103593569A (zh) * | 2013-11-15 | 2014-02-19 | 西安航空动力股份有限公司 | 一种确定航空发动机翻修寿命方法 |
-
2016
- 2016-08-31 CN CN201610792422.6A patent/CN106372323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013110989A1 (en) * | 2012-01-24 | 2013-08-01 | Dh Technologies Development Pte. Ltd. | Fast switching, dual polarity, dual output high voltage power supply |
CN103593569A (zh) * | 2013-11-15 | 2014-02-19 | 西安航空动力股份有限公司 | 一种确定航空发动机翻修寿命方法 |
Non-Patent Citations (3)
Title |
---|
常琦 等: "飞行器综合健康管理(IVHM)系统技术现状及发展", 《系统工程与电子技术》 * |
金向明等: "基于可靠性增长预测模型的航空发动机可靠性评估", 《航空动力学报》 * |
马静华 等: "电子产品健康监控和故障预测的流程和案例", 《中国航空学会可靠性工程专业委员会第十届学术年会论文集》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886664A (zh) * | 2017-03-30 | 2017-06-23 | 中国民航科学技术研究院 | 兼容飞行数据驱动的飞行事故模拟方法与系统 |
CN107621368A (zh) * | 2017-09-04 | 2018-01-23 | 江西洪都航空工业集团有限责任公司 | 一种基于教练机的发动机专家诊断系统 |
CN107621368B (zh) * | 2017-09-04 | 2020-04-28 | 江西洪都航空工业集团有限责任公司 | 一种基于教练机的发动机专家诊断系统 |
CN109240327B (zh) * | 2018-09-11 | 2021-10-12 | 陕西千山航空电子有限责任公司 | 一种固定翼飞机飞行阶段识别方法 |
CN109240327A (zh) * | 2018-09-11 | 2019-01-18 | 陕西千山航空电子有限责任公司 | 一种固定翼飞机飞行阶段识别方法 |
CN109598815A (zh) * | 2018-12-04 | 2019-04-09 | 中国航空无线电电子研究所 | 一种机载燃油系统耗油估计及健康监测方法 |
CN109934956A (zh) * | 2019-03-13 | 2019-06-25 | 北京五维星宇科技有限公司 | 一种飞参数据判读方法、系统、设备及介质 |
CN109934956B (zh) * | 2019-03-13 | 2022-05-03 | 北京五维星宇科技有限公司 | 一种飞参数据判读方法、系统、设备及介质 |
CN109948260A (zh) * | 2019-03-22 | 2019-06-28 | 中车大连机车车辆有限公司 | 柴油机修理策略的确定方法、装置、设备及可读存储介质 |
CN110109896A (zh) * | 2019-04-13 | 2019-08-09 | 成都飞机工业(集团)有限责任公司 | Uav飞行参数智能还原方法 |
CN110596614A (zh) * | 2019-07-17 | 2019-12-20 | 陕西千山航空电子有限责任公司 | 一种防护记录器内部独立电源模块的bit方法 |
CN110596614B (zh) * | 2019-07-17 | 2022-03-08 | 陕西千山航空电子有限责任公司 | 一种防护记录器内部独立电源模块的bit方法 |
CN110377448A (zh) * | 2019-07-17 | 2019-10-25 | 陕西千山航空电子有限责任公司 | 一种基于航电设备的通用化故障诊断方法 |
CN112249345A (zh) * | 2020-10-15 | 2021-01-22 | 航宇救生装备有限公司 | 一种椅载电子式开伞器状态指示装置及方法 |
CN112249345B (zh) * | 2020-10-15 | 2024-04-16 | 航宇救生装备有限公司 | 一种椅载电子式开伞器状态指示装置及方法 |
CN114169133A (zh) * | 2021-11-08 | 2022-03-11 | 陕西千山航空电子有限责任公司 | 一种面向改装飞机的维护模型快速构建方法 |
CN114780492A (zh) * | 2022-03-31 | 2022-07-22 | 重庆长安新能源汽车科技有限公司 | 一种基于车载功能开启和关闭大数据的分析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106372323B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372323B (zh) | 一种基于飞行数据的机载设备故障率检测方法 | |
CN110262463B (zh) | 一种基于深度学习的轨道交通站台门故障诊断系统 | |
CN103955556B (zh) | 高速铁路列车运行控制车载系统故障逻辑建模方法 | |
US9630637B2 (en) | Complex network-based high speed train system safety evaluation method | |
CN103713628B (zh) | 基于符号有向图和数据重构的故障诊断方法 | |
CN104134010B (zh) | 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法 | |
CN110488630B (zh) | 一种控制增稳飞控计算机测试系统及测试方法 | |
CN105629958B (zh) | 一种基于子时段mpca‑svm的间歇过程故障诊断方法 | |
CN107340766B (zh) | 基于相似度的电力调度告警信号文本归类及故障诊断方法 | |
CN109740772A (zh) | 基于大数据的铁路列车检测维修分析方法 | |
CN106776208B (zh) | 一种软件运行时故障定位方法 | |
CN108196525B (zh) | 高速列车运行控制系统的运行安全风险动态分析方法 | |
CN104820892A (zh) | 一种基于数据传递的航空发电系统定量危害性分析方法 | |
CN103473162A (zh) | 一种基于软件故障注入的可靠性评测系统设计方法 | |
CN109857090A (zh) | 一种均衡风缸制动装置健康评估系统和方法 | |
CN104777827A (zh) | 高速铁路信号系统车载设备故障诊断方法 | |
CN104063321A (zh) | 一种针对MicroBlaze软核程序的测试验证系统及测试验证方法 | |
CN106546278B (zh) | 验证核安全级仪控平台安全失效率的统计测试装置及方法 | |
CN107229017A (zh) | 一种风力发电机组变桨蓄电池异常故障预测方法 | |
CN107103658A (zh) | 基于深度学习与高斯分布的航空发动机气路异常检测方法 | |
CN105574328A (zh) | 一种机载诊断模型的集成方法 | |
CN108920341A (zh) | 一种基于蒙特卡洛仿真的小卫星及其星座可用度评估方法 | |
CN110471395A (zh) | 一种故障检测方法、装置、设备及存储介质 | |
CN106127184A (zh) | 一种风机齿轮箱故障诊断方法 | |
CN109919066A (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |