CN107942994A - 一种基于温度曲线特征的卫星温控系统故障诊断方法 - Google Patents
一种基于温度曲线特征的卫星温控系统故障诊断方法 Download PDFInfo
- Publication number
- CN107942994A CN107942994A CN201711084518.8A CN201711084518A CN107942994A CN 107942994 A CN107942994 A CN 107942994A CN 201711084518 A CN201711084518 A CN 201711084518A CN 107942994 A CN107942994 A CN 107942994A
- Authority
- CN
- China
- Prior art keywords
- data
- period
- temperature
- control system
- satellite
- 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
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于温度曲线特征的卫星温控系统故障诊断方法，包括1、按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储；2、初始化周期i；3、对第i个周期的Ni个数据做差分计算，得到第i个周期对应的差分序列；4、设定阈值α，统计差分序列中数值绝对值大于α的数量Qi；5、使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；6、通过步骤4计算得到以上M个周期计算出的波动强度特征值Q1,Q2,…,QM；7、对新接收的待检测数据在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；步骤8：在显著性水平下，计算正态分布下的置信区间和拒绝域，并进行判断。本发明具有通过分析历史遥测温度数据进而提高诊断精度的优点。
Description
技术领域
本发明涉及一种基于温度曲线特征的卫星温控系统故障诊断方法，属于计算机领域。
背景技术
卫星的温控系统是卫星的重要组成部分，它控制着卫星内部及外部环境的热交换，是卫星内各系统正常工作的保障，其可靠性直接影响到自身及其他系统、乃至整个卫星的工作状态。卫星内部的电子元器件对工作环境的温度条件具有明确的规定范围，一旦温控系统出现故障，当环境温度发生变化却无法得到有效的调控，元器件本身的温度会随之发生相应变化，若温度超出设计范围，它们的性能参数也将改变，甚至会引起元器件的破坏，从而导致卫星系统的寿命大大缩减。日本“大隅号”实验卫星、加拿大通讯技术卫星、美国“陆地卫星—4”等均因温控系统故障而造成重大损失。
目前，由于太空环境的复杂性和卫星运行状态的多样性，工作人员往往对卫星故障机理缺乏先验性的了解，被动、滞后的修复措施对于卫星安全、稳定和经济运行十分不利，尤其当温控系统出现异常时，将导致卫星内部各个系统的性能下降，直接影响其正常工作。为了保证卫星内部各个工作器件的测量精度和技术性能，温控回路必须对整个系统的工作过程进行温度控制并进行状态监测，根据掌握的温度信息实时快速地进行故障诊断，及时发现卫星温控系统潜在的故障隐患。如何及时准确地发现并处理卫星温控系统出现的异常，对卫星运控管理非常重要，关系到卫星在轨使用寿命，因此，对卫星温控系统进行故障诊断对其运行监测具有重要的实用意义。
现有的卫星温控系统状态诊断方法有如下分类：专家知识故障诊断方法、基于模型的故障诊断法和基于神经网络的诊断法。专家知识故障诊断法，是指计算机在诊断过程中不断采集被诊断对象的信息，并综合运用知识库中的经验规则进行推理，从而快速地找到系统可能的故障。基于专家知识的故障诊断系统能够充分利用数据库技术，将专家诊断知识规则及诊断结果有序存储于数据库中，能够随时进行浏览更新维护用，但知识表达的优劣对知识的应用范围和效率影响很大，同时也影响知识的获取和故障解决方案的学习机制。基于模型的故障诊断法首先建立温度控制系统模型，再针对模型特点给出求解方法，最后给出故障诊断的实例，然而模型的准确构建往往十分困难。近年来，基于神经网络的诊断法得到了发展，其优点是高度非线性、高度容错和联想记忆等，但是，人工神经网络应用于故障诊断也存在许多不足，诊断方法属“黑箱”方法，不能揭示出系统内部的一些潜在关系，无法对诊断过程给予明确解释。网络训练时间较长，并且对未在训练样本中出现的故障无诊断能力，甚至得出错误诊断结论，这些都增加了神经网络在实际应用中的困难。
此外，以上方法仅停留在基于残差分析，根据故障状态字和数据正常范围对卫星进行诊断，或者判断与已有故障模式的近似程度，容易造成异常情况误判或漏判，且具有很大的局限性。一方面，若温控系统在初期阶段出现故障，仅有小幅度的波动而未超过阈值，在此情况下，已有方法难以检测出潜在故障；另一方面，若卫星所执行任务有变化，导致当前温度变化与历史数据相差很大，实际上为正常作业，却易被判断为故障。根本原因在于原有方法过分专注于数据在固定时刻的取值，使得诊断规则的普适性差。
本发明关注的基于温度曲线特征的卫星温控系统故障诊断方法，一方面构造了周期内一次差分超阈值数量这一特征，以这一统计值反映温度曲线的波动程度；另一方面，通过采集多个历史周期的特征，形成正常状态下的特征分布，根据置信度求出特征值隶属于正常状态的区间，进一步求出待检测数据的特征值，判断待检测数据是否符合该特征分布，若待检测数据的特征取值超出置信区间则诊断为故障。此发明方法基于周期时间内总的波动状态，而不是某个具体时间点上温度的取值，能够分离出稳定曲线(对应于正常状态下的曲线)和频繁波动且幅度大的曲线(对应于故障状态下的曲线)。
发明内容
针对现有技术存在的问题，本发明要解决的问题在于提出了一种通过分析历史遥测温度数据进而提高诊断精度,减少误判和漏判情况发生的基于温度曲线特征的卫星温控系统故障诊断方法。
为解决该问题，本发明所采取的技术方案是：
步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储，所述周期是以一段时间内遥测温度曲线波的极大值或极小值为前后周期的划分点，两个相邻的极大值或极小值之间的长度为一个周期，第i个周期对应第i组数据
步骤2：初始化周期i；
步骤3：对第i个周期的Ni个数据做差分计算，得到第i个周期对应的差分序列
步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，作为反映温度曲线波动特征的变量，称为波动强度，记为Qi，
其中，qij为判断当前差分值是否超过阈值的逻辑结果；
步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；
步骤6：通过步骤4计算得到以上M个周期计算出的波动强度特征值Q1,Q2,…,QM，所述Qi服从N(k,σ0 2)的正态分布，样本均值k和方差σ0 2通过公式(1)得到；
步骤7：对新接收的待检测数据，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；
步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测波动强度特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。
作为本发明的进一步改进：
步骤1中对遥测温度数据按周期存储之前，对遥测温度数据进行数据清洗。
进一步地，所述数据清洗是指若接收到的遥测温度数据存在少量数据缺失情况，则根据数据记录的取值分布情况用平均值来对空值进行填充；若所接收到的遥测温度数据存在丢包现象，对应于某周期内的数据大量缺失，则剔除丢失数据的所对应的周期，不纳入统计范围，选择正常运行状态下的温度数据，作为后阶段故障诊断的依据。
进一步地，步骤1中所述遥测温度数据信息是指遥测温度数据的数据来源、标识字段、数据记录开始时间、数据记录结束时间、相邻两条记录的时间间隔。
与现有技术相比，本发明的有益效果在于：
本发明一种基于温度曲线特征的卫星温控系统故障诊断方法，通过构造差分超阈值数量这一新特征，可以有效的提炼出温度曲线波动性质。通过对比历史数据形成的特征分布和待检测特征值之间的差异以及置信区间的设置，既提高了故障报警的容忍度，又保证了故障诊断结果的置信度。本发明具有提高诊断精度，减少误判和漏判情况发生的优点。
附图说明
图1为基于温度曲线特征的卫星温控系统故障诊断方法流程图；
图2为周期划分示意图；
图3为第一周期的差分序列图；
图4为特征分布图；
图5为待检测数据。
具体实施方式
本发明所描述的温控为：星体内部仪器板上及蓄电池组上共布置了16路主动电加热器，采用遥控和程控方式控制加热器的开启和关闭，调整星体内部热耗，控制星体温度稳定。
图1出示了本发明一种基于温度曲线特征的卫星温控系统故障诊断方法，该方法包括以下步骤：步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储；步骤2：初始化周期i；步骤3：对第i个周期的Ni个数据做差分计算，得到第i个周期对应的差分序列步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，记为波动强度Qi；步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；步骤6：通过步骤4计算得到以上M个周期计算出的特征值Q1,Q2,…,QM，所述Qi服从N(k,σ0 2)的正态分布；步骤7：对新接收的待检测数据，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。本发明通过构造差分超阈值数量这一新特征，可以有效的提炼出温度曲线波动性质。通过对比历史数据形成的特征分布和待检测特征值之间的差异以及置信区间的设置，既提高了故障报警的容忍度，又保证了故障诊断结果的置信度。本发明具有提高诊断精度，减少误判和漏判情况发生的优点。
步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储；当遥测温度数据到达数据接收系统，按照时序对数据进行收集与存储，并对数据作基础统计。例如，历史数据文件中探测相机在2015年6月1～30日获取的温度数据基本信息如表1所示：
表1卫星遥测温度数据量统计
所述周期是以一段时间内遥测温度曲线波的极大值或极小值为前后周期的划分点，两个相邻的极大值或极小值之间的长度为一个周期，第i个周期对应第i组数据本实施例中取波峰作为前后周期划分点，根据所接收的历史数据，一共提取出543个周期，则M＝543，温度数据如表2所示，其中i∈{1,…,M}，i为所接收的遥测温度数据中第i个周期的标识，第i个周期即对应第i组数据
表2按周期存储数据列表
对遥测温度数据按周期存储之前，对遥测温度数据进行数据清洗。数据清洗是指若接收到的遥测温度数据存在少量数据缺失情况，则根据数据记录的取值分布情况用平均值来对空值进行填充；若所接收到的遥测温度数据存在丢包现象，对应于某周期内的数据大量缺失，则剔除丢失数据的所对应的周期，不纳入统计范围，选择正常运行状态下的温度数据，作为后阶段故障诊断的依据。本实施例中，观察到数据中出现一处中断，根据出现中断的时间(2015/6/2400:00:00左右)查找该时段对应的运控评估中心值班日志，其中6月24日的工作情况为：当天某基站数传锁定接收正常，但数据未保存，没能向中心发送。因此，直接将对应丢失数据的周期剔除，不纳入统计范围。
步骤2：初始化周期i；即从所采集的第一个周期的数据开始执行。
步骤3：对第i个周期的Ni个数据做差分计算，得到第i个周期对应的差分序列例如，第一个周期对应的差分序列为：
步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，记为波动强度Qi；本实施例中，设定阈值α＝0.2，统计该周期内差分序列中数值绝对值大于0.2的数量，并记录该数据，例如，Q1＝17。
步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；
步骤6：通过步骤4计算得到以上M个周期计算出的波动强度值Q1,Q2,…,QM如表3所示，统计所有数值，其统计表如表4所示，波动强度Qi服从N(k,σ0 2)的正态分布，样本均值k和方差σ0 2通过公式(1)得到；
表3各个周期特征值
| Q1 | Q2 | Q3 | Q4 | Q5 | Q6 |
| 17 | 16 | 14 | 15 | 17 | 15 |
| … | Q539 | Q540 | Q541 | Q542 | Q543 |
| … | 17 | 16 | 14 | 15 | 17 |
表4特征值统计表
以上数据符合正态分布规律，求得样本的均值和方差分别为15.779和2.6965。
步骤7：对新接收的待检测数据，如图5所示，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，结果为21，作为待检测特征；
步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。
在显著性水平0.05下，置信区间为(15.779-3.219，15.779+3.219)，则拒绝域为(-∞,12.56)∪(18.998,+∞)，由于该特征值为整数，因此拒绝域可写成(-∞,12]∪[19,+∞)，而待检测特征值为21，属于拒绝域，因此判断出待检测特征与统计得到的正常状态下特征间存在本质差异，存在故障。
以上所述仅为本发明较佳实施例，并非限定本发明保护范围，凡在本发明技术方案基础上，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于温度曲线特征的卫星温控系统故障诊断方法，其特征在于：包括以下步骤：
步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储，所述周期是以一段时间内遥测温度曲线波的极大值或极小值为前后周期的划分点，两个相邻的极大值或极小值之间的长度为一个周期，第i个周期对应第i组数据
步骤2：初始化周期i；
步骤3：对第i个周期的Ni个数据做差分计算，得到第i个周期对应的差分序列
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mn>3</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<msub>
<mi>iN</mi>
<mi>i</mi>
</msub>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，作为反映温度曲线波动特征的变量，称为波动强度，记为Qi，
<mrow>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mo>-</mo>
<mi>&alpha;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>&alpha;</mi>
<mo><</mo>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo><</mo>
<mi>&alpha;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>></mo>
<mi>&alpha;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，qij为判断当前差分值是否超过阈值的逻辑结果；
步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；
步骤6：通过步骤4计算得到以上M个周期计算出的波动强度特征值Q1,Q2,…,QM，所述Qi服从N(k,σ0 2)的正态分布，样本均值k和方差σ0 2通过公式(1)得到；
<mrow>
<mi>k</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>Q</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>Q</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mn>...</mn>
<mo>+</mo>
<msub>
<mi>Q</mi>
<mi>M</mi>
</msub>
</mrow>
<mi>M</mi>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Q</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Q</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>...</mn>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Q</mi>
<mi>M</mi>
</msub>
<mo>-</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mi>M</mi>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤7：对新接收的待检测数据，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；
步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测波动强度特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。
2.根据权利要求1所述的一种基于温度曲线特征的卫星温控系统故障诊断方法，其特征在于：步骤1中对遥测温度数据按周期存储之前，对遥测温度数据进行数据清洗。
3.根据权利要求2所述的一种基于温度曲线特征的卫星温控系统故障诊断方法，其特征在于：所述数据清洗是指若接收到的遥测温度数据存在少量数据缺失情况，则根据数据记录的取值分布情况用平均值来对空值进行填充；若所接收到的遥测温度数据存在丢包现象，对应于某周期内的数据大量缺失，则剔除丢失数据的所对应的周期，不纳入统计范围，选择正常运行状态下的温度数据，作为后阶段故障诊断的依据。
4.根据权利要求1所述的一种基于温度曲线特征的卫星温控系统故障诊断方法，其特征在于：步骤1中所述遥测温度数据信息是指遥测温度数据的数据来源、标识字段、数据记录开始时间、数据记录结束时间、相邻两条记录的时间间隔。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711084518.8A CN107942994B (zh) | 2017-11-07 | 2017-11-07 | 一种基于温度曲线特征的卫星温控系统故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711084518.8A CN107942994B (zh) | 2017-11-07 | 2017-11-07 | 一种基于温度曲线特征的卫星温控系统故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107942994A true CN107942994A (zh) | 2018-04-20 |
| CN107942994B CN107942994B (zh) | 2019-06-28 |
Family
ID=61933408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711084518.8A Expired - Fee Related CN107942994B (zh) | 2017-11-07 | 2017-11-07 | 一种基于温度曲线特征的卫星温控系统故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107942994B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108803576A (zh) * | 2018-07-24 | 2018-11-13 | 广东工业大学 | 一种温控系统的故障预警方法及相关装置 |
| CN109918220A (zh) * | 2019-02-13 | 2019-06-21 | 北京科技大学 | 一种异常数据检测参数的确定方法及确定装置 |
| CN110608430A (zh) * | 2018-06-15 | 2019-12-24 | 广东美的生活电器制造有限公司 | 食物料理机及蒸汽发生器控制装置、方法、可读存储介质 |
| CN112015160A (zh) * | 2019-05-31 | 2020-12-01 | 北京新能源汽车股份有限公司 | 一种故障温度确定方法及装置 |
| CN112131081A (zh) * | 2020-09-28 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 一种故障报警参数调整方法、装置、电子设备及存储介质 |
| CN112526558A (zh) * | 2020-12-03 | 2021-03-19 | 北京航空航天大学 | 一种局部数据缺失条件下的系统运行工况识别与切割方法 |
| CN113639888A (zh) * | 2021-08-06 | 2021-11-12 | 江苏徐工工程机械研究院有限公司 | 环境实验舱温度均匀性判定方法及测量装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030221479A1 (en) * | 2002-05-29 | 2003-12-04 | Youn-Soo Kim | Malfunction detecting method for a vehicle fuel level sensor |
| CN103279157A (zh) * | 2013-06-03 | 2013-09-04 | 北京空间飞行器总体设计部 | 一种星载铷钟控温小舱的温度控制方法 |
| TW201403509A (zh) * | 2012-07-02 | 2014-01-16 | Chunghwa Telecom Co Ltd | 利用網站客戶使用行為偵測網站功能異常的自動分析與警示方法 |
| CN104133468A (zh) * | 2014-07-30 | 2014-11-05 | 北京矿冶研究总院 | 一种破碎筛分流程的故障诊断方法 |
| CN104481715A (zh) * | 2014-12-03 | 2015-04-01 | 中国第一汽车股份有限公司无锡油泵油嘴研究所 | 高压燃油泵故障检测方法 |
| CN104755892A (zh) * | 2012-10-26 | 2015-07-01 | 富士通株式会社 | 温度测定系统以及异常检测方法 |
| CN104764869A (zh) * | 2014-12-11 | 2015-07-08 | 国家电网公司 | 一种基于多维特征量的变压器气体故障诊断和报警方法 |
| CN105117615A (zh) * | 2015-10-14 | 2015-12-02 | 哈尔滨工业大学 | 基于累积和控制图的卫星电源系统异常检测方法 |
| CN105183040A (zh) * | 2015-08-07 | 2015-12-23 | 航天东方红卫星有限公司 | 一种小卫星热控分系统在轨故障复现预报方法 |
| CN106971058A (zh) * | 2017-02-21 | 2017-07-21 | 河海大学 | 一种泵站运行监控数据异常点检测方法 |
| WO2017171469A1 (en) * | 2016-04-01 | 2017-10-05 | Seegene, Inc. . | Detection of abnormal signal using two or more datasets |
-
2017
- 2017-11-07 CN CN201711084518.8A patent/CN107942994B/zh not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030221479A1 (en) * | 2002-05-29 | 2003-12-04 | Youn-Soo Kim | Malfunction detecting method for a vehicle fuel level sensor |
| TW201403509A (zh) * | 2012-07-02 | 2014-01-16 | Chunghwa Telecom Co Ltd | 利用網站客戶使用行為偵測網站功能異常的自動分析與警示方法 |
| CN104755892A (zh) * | 2012-10-26 | 2015-07-01 | 富士通株式会社 | 温度测定系统以及异常检测方法 |
| CN103279157A (zh) * | 2013-06-03 | 2013-09-04 | 北京空间飞行器总体设计部 | 一种星载铷钟控温小舱的温度控制方法 |
| CN104133468A (zh) * | 2014-07-30 | 2014-11-05 | 北京矿冶研究总院 | 一种破碎筛分流程的故障诊断方法 |
| CN104481715A (zh) * | 2014-12-03 | 2015-04-01 | 中国第一汽车股份有限公司无锡油泵油嘴研究所 | 高压燃油泵故障检测方法 |
| CN104764869A (zh) * | 2014-12-11 | 2015-07-08 | 国家电网公司 | 一种基于多维特征量的变压器气体故障诊断和报警方法 |
| CN105183040A (zh) * | 2015-08-07 | 2015-12-23 | 航天东方红卫星有限公司 | 一种小卫星热控分系统在轨故障复现预报方法 |
| CN105117615A (zh) * | 2015-10-14 | 2015-12-02 | 哈尔滨工业大学 | 基于累积和控制图的卫星电源系统异常检测方法 |
| WO2017171469A1 (en) * | 2016-04-01 | 2017-10-05 | Seegene, Inc. . | Detection of abnormal signal using two or more datasets |
| CN106971058A (zh) * | 2017-02-21 | 2017-07-21 | 河海大学 | 一种泵站运行监控数据异常点检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王聪: "基于定性模型的卫星热控系统故障诊断方法的研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110608430A (zh) * | 2018-06-15 | 2019-12-24 | 广东美的生活电器制造有限公司 | 食物料理机及蒸汽发生器控制装置、方法、可读存储介质 |
| CN108803576A (zh) * | 2018-07-24 | 2018-11-13 | 广东工业大学 | 一种温控系统的故障预警方法及相关装置 |
| CN109918220A (zh) * | 2019-02-13 | 2019-06-21 | 北京科技大学 | 一种异常数据检测参数的确定方法及确定装置 |
| CN109918220B (zh) * | 2019-02-13 | 2020-07-10 | 北京科技大学 | 一种异常数据检测参数的确定方法及确定装置 |
| CN112015160A (zh) * | 2019-05-31 | 2020-12-01 | 北京新能源汽车股份有限公司 | 一种故障温度确定方法及装置 |
| CN112015160B (zh) * | 2019-05-31 | 2021-10-22 | 北京新能源汽车股份有限公司 | 一种故障温度确定方法及装置 |
| CN112131081A (zh) * | 2020-09-28 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 一种故障报警参数调整方法、装置、电子设备及存储介质 |
| CN112131081B (zh) * | 2020-09-28 | 2024-01-02 | 北京达佳互联信息技术有限公司 | 一种故障报警参数调整方法、装置、电子设备及存储介质 |
| CN112526558A (zh) * | 2020-12-03 | 2021-03-19 | 北京航空航天大学 | 一种局部数据缺失条件下的系统运行工况识别与切割方法 |
| CN112526558B (zh) * | 2020-12-03 | 2023-09-08 | 北京航空航天大学 | 一种局部数据缺失条件下的系统运行工况识别与切割方法 |
| CN113639888A (zh) * | 2021-08-06 | 2021-11-12 | 江苏徐工工程机械研究院有限公司 | 环境实验舱温度均匀性判定方法及测量装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107942994B (zh) | 2019-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107942994A (zh) | 一种基于温度曲线特征的卫星温控系统故障诊断方法 | |
| Coble et al. | Applying the general path model to estimation of remaining useful life | |
| CN109685366A (zh) | 基于异变数据的装备健康状态评估方法 | |
| Sharma et al. | On the prevalence of sensor faults in real-world deployments | |
| CN105677791B (zh) | 用于分析风力发电机组的运行数据的方法和系统 | |
| US20120310597A1 (en) | Failure cause diagnosis system and method | |
| CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
| CN108919059A (zh) | 一种电网故障诊断方法、装置、设备及可读存储介质 | |
| CN109298633A (zh) | 基于自适应分块非负矩阵分解的化工生产过程故障监测方法 | |
| CN103678886A (zh) | 一种基于地面测试数据的卫星贝叶斯网络健康确定方法 | |
| CN114997342B (zh) | 一种scr故障诊断方法、装置、设备及存储介质 | |
| CN116295948A (zh) | 大温差环境下工业温度传感器的异常检测方法、系统及存储介质 | |
| CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
| CN114036647A (zh) | 一种基于实车数据的动力电池安全风险评估方法 | |
| CN111314110B (zh) | 一种用于分布式系统的故障预警方法 | |
| Wang et al. | Assessing the Performance Degradation of Lithium‐Ion Batteries Using an Approach Based on Fusion of Multiple Feature Parameters | |
| Dang et al. | seq2graph: Discovering dynamic non-linear dependencies from multivariate time series | |
| CN109242008B (zh) | 一种样本类别不完备条件下的复合故障识别方法 | |
| CN114167837B (zh) | 一种铁路信号系统的智能故障诊断方法及系统 | |
| CN112526558B (zh) | 一种局部数据缺失条件下的系统运行工况识别与切割方法 | |
| CN114818116A (zh) | 基于联合学习的飞机发动机失效模式识别和寿命预测方法 | |
| CN113587362A (zh) | 异常检测方法、装置及空调系统 | |
| Sardana et al. | Data driven predictive analytics for a spindle's health | |
| CN110826690A (zh) | 一种设备状态识别方法及其系统、计算机可读存储介质 | |
| Scheffel et al. | Data confidence applied to wind turbine power curves |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190628 Termination date: 20211107 |