CN107462425B - 一种车载装备系统的故障预测方法及故障预测平台 - Google Patents

一种车载装备系统的故障预测方法及故障预测平台 Download PDF

Info

Publication number
CN107462425B
CN107462425B CN201710661000.XA CN201710661000A CN107462425B CN 107462425 B CN107462425 B CN 107462425B CN 201710661000 A CN201710661000 A CN 201710661000A CN 107462425 B CN107462425 B CN 107462425B
Authority
CN
China
Prior art keywords
information
car kits
platform
module
failure
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
Application number
CN201710661000.XA
Other languages
English (en)
Other versions
CN107462425A (zh
Inventor
曹向荣
郝欣伟
张向文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Launch Vehicle Technology CALT
Beijing Institute of Space Launch Technology
Original Assignee
China Academy of Launch Vehicle Technology CALT
Beijing Institute of Space Launch Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Launch Vehicle Technology CALT, Beijing Institute of Space Launch Technology filed Critical China Academy of Launch Vehicle Technology CALT
Priority to CN201710661000.XA priority Critical patent/CN107462425B/zh
Publication of CN107462425A publication Critical patent/CN107462425A/zh
Application granted granted Critical
Publication of CN107462425B publication Critical patent/CN107462425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00Testing of vehicles
    • G01M17/007Wheeled or endless-tracked vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种车载装备系统的故障预测方法及故障预测平台,所述方法包括模拟环境的建立步骤、历史信息的获取步骤、状态信息的获取步骤及故障趋势的预测步骤,所述平台包括系统设置模块、信息通信模块、状态监控模块及仿真测试模块。本发明不仅解决了现有技术存在的车辆型号多、数量多或维护人员数量少的情况下无法保证车辆可靠性的问题,而且可以将不同的应用统一到一个平台上进行基于故障预测的仿真测试和验证,以避免了对每个应用需要建立独立开发仿真平台的不足,因此,本发明能够极大地节省开发费用、缩短开发周期、提高开发效率。

Description

一种车载装备系统的故障预测方法及故障预测平台
技术领域
本发明涉及车辆装备技术领域,更为具体来说,本发明为一种车载装备系统的故障预测方法及故障预测平台。
背景技术
车载装备系统作为车辆的主要组成部分,协调控制车辆功能的完成,起到始终保持车辆处于正常工作状态的作用。但是,由于其自身的复杂性和系统的多样性,可靠性的实现往往非常复杂,某个子系统或者某个部件功能的故障或失效,都很有可能会严重影响车辆的机动性,导致车辆需要停工维修或者更换功能部件。在车辆型号较少、车辆数量不多且维护人员后勤保障充分的情况下,有可能会缓解失效和故障引起的不利影响,通过设计人员和维护人员进行事后维护。但是,当车辆型号多、数量多或维护人员不充足时,传统的事后维护车辆的方式无法满足车辆可靠性的要求,而且,即使维护人员后勤保障充分,也会极大地增加人力成本投入,使得维护车辆可靠性的成本过高。
因此,如何在车辆型号多、数量多以及维护人员数量少的情况下保证车辆的可靠性,成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
发明内容
为解决现有技术存在的无法在车辆型号多、数量大的情况下保证所有车辆的可靠性等问题,本发明创新地提供了一种车载装备系统的故障预测方法及故障预测平台,可以对每辆车进行故障预测和工作趋势评估,能够极大地减少重复性的故障诊断和维护检测工作,极大地降低了对维护人员数量的依赖。
为实现上述的技术目的,本发明公开了一种车载装备系统的故障预测方法,所述方法包括如下步骤,
模拟环境的建立步骤:建立一种与所述车载装备系统的工作环境相似或相同的模拟环境,所述模拟环境用于模拟车载装备系统内各个子系统的运行状态和可能发生故障的情况;
历史信息的获取步骤:通过与车载装备系统进行通信的方式获取车载装备系统中已存储的历史状态数据,并将获取的历史状态数据输入至所述模拟环境中;
状态信息的获取步骤:通过安装于车载装备系统内各个子系统上的传感器对车载装备系统的实时状态信息进行采集,并将采集的实时状态信息输入至所述模拟环境中;
故障趋势的预测步骤:在所述模拟环境下,根据所述历史状态数据和所述实时状态信息进行仿真、生成预测分析结果,所述预测分析结果包括车辆故障预测信息和工作趋势评估信息。
本发明设计了一种有效的故障预测的仿真测试方法,通过分析研究其装备系统工作期间的历史状态数据及监测工作过程中的实时状态信息,对其工作性能做出预期,从而有效地解决现有技术必须要在故障发生后进行事后维护的问题,保证了在车辆型号多、数量多的情况下车辆的可靠性。
进一步地,所述方法还包括预先检测的提醒步骤:在预测分析结果生成后,提示操作人员或维修人员根据预测分析结果进行预检。
本发明能够做到提前进行故障预测和维护保障工作,对故障预测结果进行详细的分析,对在一个时期内某个子系统可能出现的故障率给出预警,对故障趋势做出预测分析,并提示操作人员或维护人员进行预检,
进一步地,所述方法还包括故障发生的定位步骤:在发生故障时,提示操作人员或维修人员根据预测分析结果对故障进行及时检测和定位。
基于上述改进的技术方案,本发明还能达到故障发生后对故障点准确、快速定位的技术效果,从而解决现有技术存在的对故障点定位慢而导致的维修时间长等问题。因此,本发明能够实现在故障发生时更快速、有效地确定故障发生的位置。
进一步地,所述方法还包括预测结果的验证步骤:在故障发生后,通过对比分析实际故障信息与预测分析结果的方式生成对比分析结果,并根据对比分析结果调整故障趋势的预测步骤中的仿真条件。
基于上述改进的技术方案,本发明能够对故障预测平台进行优化,使故障预测平台的预测能力得以提高,以提高其对故障预测的准确率,提高本发明工作的可靠性。
进一步地,所述方法还包括仿真任务的管理步骤:通过浏览器访问的方式对仿真任务或车载装备系统状态进行查询、更新或配置。
本发明还公开了一种车载装备系统的故障预测平台,所述平台包括系统设置模块、信息通信模块、状态监控模块及仿真测试模块;
所述系统设置模块,用于对故障预测平台进行初始化设置,建立一种与所述车载装备系统的工作环境相似或相同的模拟环境,所述模拟环境用于模拟车载装备系统内各个子系统的运行状态和可能发生故障的情况,且各个子系统包括调平系统、起升系统、温控系统、液压系统及发动机控制系统;
所述信息通信模块,用于配置通信协议和硬件设备类型以及选择通信网络,通过与车载装备系统进行通信的方式获取车载装备系统中已存储的历史状态数据,并将获取的历史状态数据输入至所述模拟环境中;
所述状态监控模块,用于对传感器采集的信息进行监控,通过安装于车载装备系统内各个子系统上的传感器对车载装备系统的实时状态信息进行采集,并将采集的实时状态信息输入至所述模拟环境中;
所述仿真测试模块,用于对故障预测过程进行调度安排,在所述模拟环境下,用于根据所述历史状态数据和所述实时状态信息进行仿真、生成预测分析结果,所述预测分析结果包括车辆故障预测信息和工作趋势评估信息。
本发明实现了车载装备系统的故障预测平台,该平台可为用于软硬件在环仿真的通用测控模拟平台,能够针对不同的实际对象和功能要求,在该平台上进行软硬件系统的应用模拟、仿真测试及验证。通过软件功能模块记录和处理仿真测试信息;通过网络化和无线数据传输功能进行信息传输;通过嵌入式服务器进行实时监控、故障预测、故障诊断和健康管理。
进一步地,所述平台还包括配置信息模块,用于对故障预测平台的数据进行记录和维护,并用于提供故障预测仿真时的系统设置参数和通信信息格式。
进一步地,所述平台还包括数据处理模块,用于对历史状态数据、实时状态信息、仿真过程信息、预测分析结果进行加工处理。
进一步地,所述平台还包括服务器端模块,所述服务器端模块用于对故障预测过程中采集的信息和生成的信息进行集成加工;所述状态监控模块还用于对服务器端模块接收的控制信息进行监控。
进一步地,所述平台还包括交互显示模块,所述交互显示模块用于信息的格式化和可视化的输出,所述交互显示模块还用于在仿真测试平台初始化过程中接收输入信息,并通过浏览器访问的方式对仿真任务或车载装备系统状态进行查询、更新或配置;所述服务器端模块还用于初始化访问协议、响应交互显示模块的访问。
基于上述的改进的技术方案,本发明可实现通过浏览器访问车载装备系统的当前状态。
本发明的有益效果为:本发明不仅解决了现有技术存在的车辆型号多、数量多或维护人员数量少的情况下无法保证车辆可靠性的问题,而且可以将不同的应用统一到一个平台上进行基于故障预测的仿真测试和验证,以避免了对每个应用需要建立独立开发仿真平台的不足,因此,本发明能够极大地节省开发费用、缩短开发周期、提高开发效率。
附图说明
图1为一种车载装备系统的故障预测方法的流程示意图。
图2为一种车载装备系统的故障预测平台的功能模块结构示意图。
图3为一种车载装备系统的故障预测平台的拓扑结构示意图。
具体实施方式
下面结合说明书附图对本发明一种车载装备系统的故障预测方法及故障预测平台进行详细的解释和说明。
实施例一:
如图1、2所示,本发明创新地提出了一种车载装备系统的故障预测平台的实现方法,该方法按照系统工作环境、维护保障要求,建立一种与实际对象系统相似的模拟环境,模拟对象功能单元的运行状态和可能发生故障的情况,通过传感器信息的获取和处理,输入到建立的诊断预测模型,得出目标对象的性能变化趋势和可能的故障发生性。车辆实际工作中的某个系统的运行数据由相应传感器采集的数据进行仿真模拟,该实现方法能够顺利完成对不同车载装备系统故障预测的仿真测试。
具体来说,一种车载装备系统的故障预测方法,该方法包括如下步骤,
模拟环境的建立步骤:建立一种与车载装备系统的工作环境相似或相同的模拟环境,该模拟环境客观上反映了实际车载装备系统各部分组成和实时工况,该模拟环境用于模拟车载装备系统内各个子系统的运行状态和可能发生故障的情况。
历史信息的获取步骤:通过与车载装备系统进行通信的方式获取车载装备系统中已存储的历史状态数据,该历史状态数据可包含车载装备系统内部各子系统历史运行信息、历史故障信息等,甚至可包含各零部件历史工作状态信息、历史维护保养信息等,并将所获取的历史状态数据输入至模拟环境中。
状态信息的获取步骤:本发明创新地大面积使用了用于采集实时状态信息的传感器,通过安装于车载装备系统内各个子系统上的传感器对车载装备系统的实时状态信息进行采集,并将采集的实时状态信息输入至模拟环境中,从而尽早地对故障发生的可能性进行预测。
需要说明的是,对于上述步骤的顺序,本实施例只是给出了一种推荐的顺序,对于模拟环境的建立步骤、历史信息的获取步骤以及状态信息的获取步骤,基于本发明,这三者的执行顺序可以根据实际情况进行设置。
故障趋势的预测步骤:在模拟环境下,根据历史状态数据和实时状态信息进行仿真、生成预测分析结果,根据实际的需要,本发明能够实现对车辆的各个性能指标进行科学、合理、有效、及时、准确地预测,本实施例中,预测分析结果包括车辆故障预测信息和工作趋势评估信息,当然,在本发明的技术启示下,本领域技术人员还可以根据需要做出更多类别、更多方向的预测分析结果。
该方法还包括预先检测的提醒步骤、故障发生的定位步骤、预测结果的验证步骤以及仿真任务的管理步骤,具体如下。
预先检测的提醒步骤:实际应用本发明时,在预测分析结果生成后,提示操作人员或维修人员根据预测分析结果进行预检,从而避免现有技术只有在故障发生后才能采取补救措施,因此,本发明不仅仅提高了车辆工作的稳定性,而且能够实现操作人员或维修人员的科学化、合理化调度和分配,避免传统方法对大量的维修人员的依赖,从而极大地减小人员占用,并有效降低了车辆的维护成本。
故障发生的定位步骤:在发生故障时,本发明不同于以往的依靠经验或仪表检测的方式,本发明创新地提示操作人员或维修人员根据预测分析结果对故障进行及时检测和定位,该方式不仅能够降低对操作人员或维修人员的经验的依赖,而且能够显著地提高故障定位的效率、缩短故障定位的时间,从而有效地提高故障消除、维修车辆的速度。
预测结果的验证步骤:为使本发明达到的技术效果更为显著,在故障发生后,通过对比分析实际故障信息与预测分析结果的方式生成对比分析结果,并根据对比分析结果调整故障趋势的预测步骤中的仿真条件,从而使得下次的故障预测结果更为精准,因此,随着本发明使用时间越长,其展现出的性能会更为出色。
仿真任务的管理步骤:通过浏览器访问的方式对仿真任务或车载装备系统状态进行查询、更新或配置。
为方便对仿真任务的查看、管理及控制,本发明能够实现通过浏览器访问的方式对仿真任务情况和车载装备系统状态进行有效地掌握。
本实施例还公开了与上述车载装备系统的故障预测方法对应的一种车载装备系统的故障预测平台,该平台包括系统设置模块、信息通信模块、状态监控模块及仿真测试模块;
系统设置模块,用于对故障预测平台进行初始化设置,建立一种与车载装备系统的工作环境相似或相同的模拟环境,模拟环境用于模拟车载装备系统内各个子系统的运行状态和可能发生故障的情况,且各个子系统包括调平系统、起升系统、温控系统、液压系统及发动机控制系统;
信息通信模块,用于配置通信协议和硬件设备类型以及选择通信网络,通过与车载装备系统进行通信的方式获取车载装备系统中已存储的历史状态数据,并将获取的历史状态数据输入至模拟环境中;
状态监控模块,用于对传感器采集的信息进行监控,通过安装于车载装备系统内各个子系统上的传感器对车载装备系统的实时状态信息进行采集,并将采集的实时状态信息输入至模拟环境中;
仿真测试模块,用于对故障预测过程进行调度安排,在模拟环境下,用于根据历史状态数据和实时状态信息进行仿真、生成预测分析结果,预测分析结果包括车辆故障预测信息和工作趋势评估信息。
该平台还包括配置信息模块、数据处理模块、服务器端模块以及交互显示模块,具体如下。
配置信息模块,用于对故障预测平台的数据进行记录和维护,并用于提供故障预测仿真时的系统设置参数和通信信息格式。
数据处理模块,用于对历史状态数据、实时状态信息、仿真过程信息、预测分析结果进行加工处理。
服务器端模块,服务器端模块用于对故障预测过程中采集的信息和生成的信息进行集成加工;状态监控模块还用于对服务器端模块接收的控制信息进行监控。
交互显示模块,交互显示模块用于信息的格式化和可视化的输出,交互显示模块还用于在仿真测试平台初始化过程中接收输入信息,并通过浏览器访问的方式对仿真任务或车载装备系统状态进行查询、更新或配置;服务器端模块还用于初始化访问协议、响应交互显示模块的访问。
实施例二:
如图3所示,本实施例从车载装备系统的故障预测平台的拓扑结构的角度解释本发明。
首先,本发明需设置具有网络采集和无线采集功能硬件模块,该硬件模块内置可以监测位移、压力、流量、水平度的传感器;通过设置的硬件控制模块,实现从外部传感器信号接收、调理、传输信息对信号的获取和传输进行调理。
其次,配置模拟设备参数,模拟设备是模拟对象工作的软件功能模块,模拟设备工作时的信息由物理传感器采集,并传输给网络采集模块和无线采集模块处理;并设置无线传输模块和网络通信模块,以网络和无线数据传输完成信息和任务调度。
再次,启动监控主机对模拟设备的状态信息进行加工处理,产生故障预测仿真测试结果。
最后,仿真测试结果一方面通过通信接口,输入到数据库服务器进行存储、更新;另一方面,通过通信链路,发送到远端服务器;在远端服务器上维护仿真测试的历史数据信息,终端设备通过通信链路,以浏览器的方式,对仿真测试任务进行查询、更新和配置。本实施例中,通过设置嵌入式计算机的方式完成监控、处理、诊断、预测等功能的设计和实现,通过设置主服务器的方式对各系统的故障预测进行综合分析运算、输出结果。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。在本说明书的描述中,参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明实质内容上所作的任何修改、等同替换和简单改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种车载装备系统的故障预测方法,其特征在于:所述方法包括如下步骤,
模拟环境的建立步骤:建立一种与所述车载装备系统的工作环境相似或相同的模拟环境,所述模拟环境用于模拟车载装备系统内各个子系统的运行状态和可能发生故障的情况;
历史信息的获取步骤:通过与车载装备系统进行通信的方式获取车载装备系统中已存储的历史状态数据,并将获取的历史状态数据输入至所述模拟环境中;
状态信息的获取步骤:通过安装于车载装备系统内各个子系统上的传感器对车载装备系统的实时状态信息进行采集,并将采集的实时状态信息输入至所述模拟环境中;
故障趋势的预测步骤:在所述模拟环境下,根据所述历史状态数据和所述实时状态信息进行仿真、生成预测分析结果,所述预测分析结果包括车辆故障预测信息和工作趋势评估信息;
所述方法还包括预先检测的提醒步骤:在预测分析结果生成后,提示操作人员或维修人员根据预测分析结果进行预检;所述方法还包括故障发生的定位步骤:在发生故障时,提示操作人员或维修人员根据预测分析结果对故障进行及时检测和定位;所述方法还包括预测结果的验证步骤:在故障发生后,通过对比分析实际故障信息与预测分析结果的方式生成对比分析结果,并根据对比分析结果调整故障趋势的预测步骤中的仿真条件;所述方法还包括仿真任务的管理步骤:通过浏览器访问的方式对仿真任务或车载装备系统状态进行查询、更新或配置。
2.一种车载装备系统的故障预测平台,其特征在于:所述平台包括系统设置模块、信息通信模块、状态监控模块及仿真测试模块;
所述系统设置模块,用于对故障预测平台进行初始化设置,建立一种与所述车载装备系统的工作环境相似或相同的模拟环境,所述模拟环境用于模拟车载装备系统内各个子系统的运行状态和可能发生故障的情况,且各个子系统包括调平系统、起升系统、温控系统、液压系统及发动机控制系统;
所述信息通信模块,用于配置通信协议和硬件设备类型以及选择通信网络,通过与车载装备系统进行通信的方式获取车载装备系统中已存储的历史状态数据,并将获取的历史状态数据输入至所述模拟环境中;
所述状态监控模块,用于对传感器采集的信息进行监控,通过安装于车载装备系统内各个子系统上的传感器对车载装备系统的实时状态信息进行采集,并将采集的实时状态信息输入至所述模拟环境中;
所述仿真测试模块,用于对故障预测过程进行调度安排,在所述模拟环境下,用于根据所述历史状态数据和所述实时状态信息进行仿真、生成预测分析结果,所述预测分析结果包括车辆故障预测信息和工作趋势评估信息。
3.根据权利要求2所述的车载装备系统的故障预测平台,其特征在于:所述平台还包括配置信息模块,用于对故障预测平台的数据进行记录和维护,并用于提供故障预测仿真时的系统设置参数和通信信息格式。
4.根据权利要求3所述的车载装备系统的故障预测平台,其特征在于:所述平台还包括数据处理模块,用于对历史状态数据、实时状态信息、仿真过程信息、预测分析结果进行加工处理。
5.根据权利要求4所述的车载装备系统的故障预测平台,其特征在于:所述平台还包括服务器端模块,所述服务器端模块用于对故障预测过程中采集的信息和生成的信息进行集成加工;所述状态监控模块还用于对服务器端模块接收的控制信息进行监控。
6.根据权利要求5所述的车载装备系统的故障预测平台,其特征在于:所述平台还包括交互显示模块,所述交互显示模块用于信息的格式化和可视化的输出,所述交互显示模块还用于在仿真测试平台初始化过程中接收输入信息,并通过浏览器访问的方式对仿真任务或车载装备系统状态进行查询、更新或配置;所述服务器端模块还用于初始化访问协议、响应交互显示模块的访问。
CN201710661000.XA 2017-08-04 2017-08-04 一种车载装备系统的故障预测方法及故障预测平台 Active CN107462425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710661000.XA CN107462425B (zh) 2017-08-04 2017-08-04 一种车载装备系统的故障预测方法及故障预测平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710661000.XA CN107462425B (zh) 2017-08-04 2017-08-04 一种车载装备系统的故障预测方法及故障预测平台

Publications (2)

Publication Number Publication Date
CN107462425A CN107462425A (zh) 2017-12-12
CN107462425B true CN107462425B (zh) 2019-10-11

Family

ID=60548476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710661000.XA Active CN107462425B (zh) 2017-08-04 2017-08-04 一种车载装备系统的故障预测方法及故障预测平台

Country Status (1)

Country Link
CN (1) CN107462425B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322332A (zh) * 2017-12-28 2018-07-24 贵阳忆联网络有限公司 一种数据灾难响应系统及方法
US11727168B2 (en) * 2018-02-28 2023-08-15 Toyota Jidosha Kabushiki Kaisha Proactive vehicle maintenance scheduling based on digital twin simulations
CN108665075B (zh) * 2018-03-14 2022-04-15 斑马网络技术有限公司 汽车养护系统及其养护方法
CN108491250B (zh) * 2018-04-13 2021-09-17 中国人民解放军陆军装甲兵学院 复杂系统可靠性仿真的自适应智能体通信方法及系统
CN110555115A (zh) * 2018-05-14 2019-12-10 上海汽车集团股份有限公司 一种确定车辆维修方案的方法及装置
CN111143961A (zh) * 2018-11-02 2020-05-12 百度在线网络技术(北京)有限公司 无人车仿真监控定位方法、装置及存储介质
CN112926194B (zh) * 2021-02-02 2024-04-12 三一重型装备有限公司 矿车悬挂系统状态信息的获取方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3918712B2 (ja) * 2002-10-18 2007-05-23 株式会社デンソー 故障診断機能判定装置
US7496798B2 (en) * 2006-02-14 2009-02-24 Jaw Link Data-centric monitoring method
CN101576441B (zh) * 2009-06-03 2010-09-08 奇瑞汽车股份有限公司 车载空调故障检测系统及其检测方法
CN103439944A (zh) * 2013-08-27 2013-12-11 中联重科股份有限公司渭南分公司 一种工程机械智能故障诊断系统、方法和工程机械
CN104890702A (zh) * 2015-05-27 2015-09-09 中国铁路总公司 一种铁路信号车地综合分析监测系统
CN106598029B (zh) * 2016-12-21 2019-02-26 北京交通大学 基于性能退化的列控车载设备可靠性预测方法

Also Published As

Publication number Publication date
CN107462425A (zh) 2017-12-12

Similar Documents

Publication Publication Date Title
CN107462425B (zh) 一种车载装备系统的故障预测方法及故障预测平台
RU2719064C2 (ru) Интегрированная система и способы для управления и контроля транспортных средств
US10288043B2 (en) Wind turbine condition monitoring method and system
CN103809585B (zh) 用于验证控制系统中的现场设备的方法和装置
EP2699881B1 (en) Structural health management system and method based on combined physical and simulated data
CN102681527B (zh) 用于监测飞行器的飞行控制致动器的系统、方法及飞行器
CN107851057A (zh) 预测模型的动态执行
CN108027611B (zh) 利用受专家意见监督的决策模式学习的用于机器维护的决策辅助系统和方法
JP2009053938A (ja) 複数モデルに基づく設備診断システム及びその設備診断方法
CN113190886A (zh) 一种基于快速仿真数字孪生技术的设备健康监测方法
JP6602537B2 (ja) 遠隔診断システム
EP2508955B1 (en) Method, apparatus, computer program product and aircraft, with system diagnosis and status reporting
CN107851233A (zh) 资产处的本地分析
CN116483054A (zh) 一种工业机器人运行状态监测预警系统及方法
US10379982B2 (en) Computer system and method for performing a virtual load test
US8359577B2 (en) Software health management testbed
CN113432863A (zh) 阀门健康状态检测及诊断装置及方法
JP4286760B2 (ja) 船舶のニューマチック自己診断システム及びその方法、及び前記方法を実現するためのプログラムを記録した、コンピューターで読み取れる記録媒体。
Zeng et al. Research on indexes and verification technology of airborne PHM system
US20100223028A1 (en) Diagnosis agent for remote plant diagnosis
JP2018140680A (ja) 位置決定装置、それを備えた位置決定システム、及び位置決定方法並びに位置決定プログラム
CN110516403A (zh) 一种船舶设备智能功能的验证方法及系统
RU2592467C1 (ru) Устройство контроля технического состояния силовой установки (варианты)
CN109491373A (zh) 一种实训设备故障诊断系统
EP4270195A1 (en) System and method for auto-generation of test scripts

Legal Events

Date Code Title Description
PB01 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