CN107957269B - 一种惯导系统故障特性判定及测试性预计方法 - Google Patents

一种惯导系统故障特性判定及测试性预计方法 Download PDF

Info

Publication number
CN107957269B
CN107957269B CN201610896282.7A CN201610896282A CN107957269B CN 107957269 B CN107957269 B CN 107957269B CN 201610896282 A CN201610896282 A CN 201610896282A CN 107957269 B CN107957269 B CN 107957269B
Authority
CN
China
Prior art keywords
fault
navigation system
inertial navigation
test
signal
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
CN201610896282.7A
Other languages
English (en)
Other versions
CN107957269A (zh
Inventor
孙伟
李海军
徐海刚
李群
刘冲
裴玉锋
郭元江
原润
钟润伍
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.)
Beijing Automation Control Equipment Institute BACEI
Original Assignee
Beijing Automation Control Equipment Institute BACEI
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 Beijing Automation Control Equipment Institute BACEI filed Critical Beijing Automation Control Equipment Institute BACEI
Priority to CN201610896282.7A priority Critical patent/CN107957269B/zh
Publication of CN107957269A publication Critical patent/CN107957269A/zh
Application granted granted Critical
Publication of CN107957269B publication Critical patent/CN107957269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices

Abstract

本发明属于测试性技术领域，具体公开了一种惯导系统故障特性判定及测试性预计方法，判定方法包括首先确定测试性多信号信息模型，然后进行搜索故障可达测试点，之后进行故障相关性分析，确定故障－测试相关矩阵，最后进行故障特性判定，预计方法包括在确定故障－测试相关矩阵之后确定故障检测率FDR和故障隔离率FIR，对系统故障特性进行较为全面和准确的测试性预计；利用故障－测试相关矩阵进行故障特性分析，分别分析单故障特性和多故障特性，利于较为准确的对惯导系统的故障特性进行判定和测试性预计，有利于进行惯导系统的故障分析，降低惯导系统的维护工作量。

Description

一种惯导系统故障特性判定及测试性预计方法
技术领域
本发明属于测试性技术领域，具体涉及一种惯导系统故障特性判定及测试性预计方法。
背景技术
传统的测试性技术只能简单地分析惯导系统的故障特性，无法准确地给出测试性预计的分析结论。为精确分析惯导系统的测试性，采用多信号模型的方法对惯导系统进行测试性建模，可准确地对判断出惯导系统的故障特性和进行测试性预计。因此需要针对惯导系统提供一种故障特性判定及测试性预计方法，降低惯导系统的维护工作量。
发明内容
本发明的目的在于提供一种惯导系统故障特性判定及测试性预计方法,能够基于多信号模型对故障特征进行分析，并对测试性进行预计，最后对故障检测率和故障隔离率进行预计。
本发明的技术方案如下：
1、一种惯导系统故障特性判定方法，该方法包括如下步骤：
1)获取惯导系统的组成单元信息集、信号信息集、组成单元故障信息集、测试点信息集和测试行为信息集，形成测试性多信号信息模型；
其中：
组成单元信息集为惯导系统的组成模块信息的集合；
信号信息集为惯导系统内部能够检测到的信号信息的集合；
组成单元故障信息集为惯导系统的各组成模块发生完全故障和功能故障的信息的集合；
测试点信息集为惯导系统内部能够进行检测的位置点信息的集合；
测试信息集为在测试点对信号信息进行检测的行为的集合；
2)搜索故障可达测试点
从故障ci(F)或ci(G)所在组元ci出发，沿输出方向按广度优先搜索遍历模型图，凡是能够达到的测试点节点，即为该故障可达测试点；
其中，ci(F)表示第i个惯性导航系统组成单元发生功能故障、ci(G)表示第i个惯性导航系统组成单元发生完全故障；
如存在信号阻断，则中止该分支上的搜索；如存在信号映射，则将映射后的信号添加到组元作用信号集SC(ci)，继续搜索，组元作用信号集SC(ci)包括第i个惯性导航系统组成单元作用的信号si的合集：{s1、s2…}
3)进行故障相关性分析，确定故障－测试相关矩阵Dm×n
利用下式得到故障－测试相关矩阵Dm×n中的元素
Figure GDA0001216929690000021
其中：m为惯导系统可能发生故障的单元，即组成单元中的个数；
n为惯导系统中的测试点的个数；
ST(tj)表示在第i个测试点能够检测到的信号si的合集：{s1、s2…}
利用下式确定故障－测试相关矩阵；
Figure GDA0001216929690000022
4)进行故障特性判定
单故障特性判定包括未检测故障、模糊组和冗余测试；
如果故障－测试相关矩阵Dm×n中存在全为0的行，则该行所对应的故障即为未检测故障；
比较故障－测试相关矩阵Dm×n中各行，如果有Fi＝Fj(i≠j)，则对应的故障是不可区分的，可作为一个模糊组处理，并合并为一行，Fi表示第i个行向量，Fj表示第j个行向量；
比较相关矩阵Dm×n中各列，如果有Ti＝Tj(i≠j)，则对应的测试是互为冗余测试，Ti表示第i个列向量；
多故障特性判定包括故障隐藏和故障冒充；
若存在Fi+Fj＝Fk(k＝i或k＝j)，则说明存在故障隐藏；
若存在Fi+Fj＝Fk(i≠j≠k)，则说明存在故障冒充。
一种惯导系统故障特性测试性预计方法，该方法包括如下步骤：
1)获取惯导系统的组成单元信息集、信号信息集、组成单元故障信息集、测试点信息集和测试行为信息集，形成测试性多信号信息模型；
其中：
组成单元信息集为惯导系统的组成模块信息的集合；
信号信息集为惯导系统内部能够检测到的信号信息的集合；
组成单元故障信息集为惯导系统的各组成模块发生完全故障和功能故障的信息的集合；
测试点信息集为惯导系统内部能够进行检测的位置点信息的集合；
测试信息集为在测试点对信号信息进行检测的行为的集合；
2)搜索故障可达测试点
从故障ci(F)或ci(G)所在组元ci出发，沿输出方向按广度优先搜索遍历模型图，凡是能够达到的测试点节点，即为该故障可达测试点；
其中，ci(F)表示第i个惯性导航系统组成单元发生功能故障、ci(G)表示第i个惯性导航系统组成单元发生完全故障；
如存在信号阻断，则中止该分支上的搜索；如存在信号映射，则将映射后的信号添加到组元作用信号集SC(ci)，继续搜索，组元作用信号集SC(ci)包括第i个惯性导航系统组成单元作用的信号si的合集：{s1、s2…}
3)进行故障相关性分析，确定故障－测试相关矩阵Dm×n
利用下式得到故障－测试相关矩阵Dm×n中的元素
Figure GDA0001216929690000041
其中：m为惯导系统可能发生故障的单元，即组成单元中的个数；
n为惯导系统中的测试点的个数；
ST(tj)表示在第i个测试点能够检测到的信号si的合集：{s1、s2…}
利用下式确定故障－测试相关矩阵；
Figure GDA0001216929690000042
4)确定故障检测率FDR和故障隔离率FIR
Figure GDA0001216929690000043
Figure GDA0001216929690000044
其中，λ为相关矩阵中所有故障的总故障概率，λD为相关矩阵中可检测故障的总故障率，λi为相关矩阵中第i个故障的故障概率，λDi为第i个被检测出故障的故障概率，λL为相关矩阵中可隔离到小于等于L个可更换单元的故障的故障概率之和，λLi为相关矩阵中可隔离到小于等于L个可更换单元的故障中第i个故障的故障概率，L为规定的模糊度，即检测到故障时，能够隔离到的最小可更换单元的个数。
本发明的显著效果在于：
本方法确定了惯导系统测试性多信号信息模型，包括组成单元信息、信号信息、组成单元故障信息、测试点信息和测试行为集信息，对系统故障特性进行较为全面和准确的测试性预计；
利用故障－测试相关矩阵进行故障特性分析，分别分析单故障特性和多故障特性，利于较为准确的对惯导系统的故障特性进行判定和测试性预计，有利于进行惯导系统的故障分析，降低惯导系统的维护工作量。
附图说明
图1为某型惯导系统功能建模图；
图2为某型惯导系统的多信号模型图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
采用多信号模型，多信号模型是在系统结构和功能分析基础上，以分层图表示信号流导向和各组成单元(故障模式)的构成及相互连接关系，并通过定义信号(功能)以及组成单元(故障模式)、测试与信号之间的关联性，来表征系统组成、功能、故障及测试之间相关性的一种模型表示方法。
多信号模型中的信号(功能)是指表征系统或其组成单元特性的特征、状态、属性及参量，即可以为定量的参数值，又可以为定性的特征描述，并能够区分为正常和异常两种状态，相应测试结论为通过或不通过。在多信号模型中，组成单元的故障模式根据作用结果不同分位两类：功能故障(组成单元故障导致系统丧失部分功能，系统工作不完全中断)和完全故障(组成单元故障导致系统丧失主要功能，工作完全中断)。
步骤1：获取惯导系统的组成单元信息集、信号信息集、组成单元故障信息集、测试点信息集和测试行为信息集，形成测试性多信号信息模型；
其中：组成单元信息集为惯导系统的组成模块信息的集合；
信号信息集为惯导系统内部能够检测到的信号信息的集合；
组成单元故障信息集为惯导系统的各组成模块发生完全故障和功能故障的信息的集合，一般为惯导系统的各组成模块个数的两倍；
测试点信息集为惯导系统内部能够进行检测的位置点信息的集合；
测试信息集为在测试点对信号信息进行检测的行为的集合，一般仅列出在测试点能够检测到的信号信息的集合；
在本实施例中，以某型惯性/卫星组合导航系统为例，介绍惯导系统多信号模型建立的方法。
首先，分析惯导系统的结构和功能，建立惯导系统的功能模型，如图1所示。
针对如图1所示的惯导系统，可构建如如图2所示的多信号模型，其形式化定义如下：
组成单元集：C＝{A1,A2,A3,A4,A5,A6}；
信号集：S＝{s1,s2,s3,s4,s5,s6,s7}；
组成单元故障集：
F＝{A1(F),A1(G),A2(F),A2(G),A3(F),A3(G),A4(F),A4(G),A5(F),A5(G),A6(F),A6(G)}；
测试点：TP＝{TP1,TP2,TP3,TP4,TP5,TP6}；
测试集：T＝{t1,t2,t3,t4,t5,t6,t7,t8,t9,t10,t11}。
其中，信号s1为系统温度，s2为原始惯性信息，s3为误差补偿后的惯性信息，s4为惯性元件标定参数，s5为系统的惯性导航信息，s6为框架转动角度，s7为卫星导航信息；t1：在测试点TP1检测信号s1的行为，t2：在测试点TP2检测信号s6的行为，t3：在测试点TP3检测信号s2的行为，t4在测试点TP4检测信号s1的行为，t5：在测试点TP4检测信号s3的行为，t6：在测试点TP4检测信号s4的行为，t7：在测试点TP5检测信号s1的行为，t8：在测试点TP5检测信号s5的行为，t9：在测试点TP5检测信号s6的行为，t10：在测试点TP6检测信号s7的行为，t11在测试点TP5检测信号s7的行为；G表示完全故障，F表示功能故障。
Ai(F)：表示Ai模块发生了功能故障(将导致系统的部分功能失效)；
Ai(G):表示Ai模块发生了完全故障(将导致系统完全不能工作并处于瘫痪状态)；
步骤2：搜索故障可达测试点
从故障ci(F)或ci(G)所在组元ci出发，沿输出方向按广度优先搜索遍历模型图，凡是能够达到的测试点节点，即为该故障可达测试点。
ci(F)表示第i个惯性导航系统组成单元发生功能故障、ci(G)表示第i个惯性导航系统组成单元发生完全故障；
如存在信号阻断，则中止该分支上的搜索；如存在信号映射，则将映射后的信号添加到组元作用信号集SC(ci)，继续搜索，组元作用信号集SC(ci)包括第i个惯性导航系统组成单元作用的信号si的合集：{s1、s2…}；
步骤3：进行故障相关性分析，确定故障－测试相关矩阵Dm×n
利用下式的到故障－测试相关矩阵Dm×n中的元素
Figure GDA0001216929690000071
其中：m为惯导系统可能发生故障的单元，即组成单元中的个数；
n为惯导系统中的测试点的个数；
下标iG表示相关矩阵的第i行对应的故障为ci(G)，下标iF表示相关矩阵的第i行对应的故障为ci(F)，
ST(tj)表示在第i个测试点能够检测到的信号si的合集：
利用下式确定故障－测试相关矩阵
Figure GDA0001216929690000081
行向量为所对应的组成单元故障在各个测试点上的反应信息，记作Fi＝[di1 di2… din]；列向量为所对应的测试可测得的故障信息，记作Tj＝[d1j d2j … dmj]T；
步骤4：进行故障特性判定，包括单故障特性判定和多故障特性判定；
单故障特性判定
a未检测故障。如果故障－测试相关矩阵Dm×n中存在全为0的行，则该行所对应的故障即为未检测故障。
b模糊组。比较故障－测试相关矩阵Dm×n中各行，如果有Fi＝Fj(i≠j)，则对应的故障是不可区分的，可作为一个模糊组处理，并合并为一行，Fi表示第i个行向量，Fj表示第j个行向量。
c冗余测试。比较相关矩阵Dm×n中各列。如果有Ti＝Tj(i≠j)，则对应的测试是互为冗余测试，Ti表示第i个列向量。
多故障特性判定
故障隐藏：若存在Fi+Fj＝Fk(k＝i or k＝j)，则说明存在故障隐藏。
故障冒充：若存在Fi+Fj＝Fk(i≠j≠k)，则说明存在故障冒充。
步骤3之后进行确定故障检测率FDR和故障隔离率FIR的计算，进行惯导系统故障特性测试性预计。
Figure GDA0001216929690000091
Figure GDA0001216929690000092
上述式中，λ为相关矩阵中所有故障的总故障概率，λD为相关矩阵中可检测故障的总故障率，λi为相关矩阵中第i个故障的故障概率，λDi为第i个被检测出故障的故障概率，λL为相关矩阵中可隔离到小于等于L个可更换单元的故障的故障概率之和，λLi为相关矩阵中可隔离到小于等于L个可更换单元的故障中第i个故障的故障概率，L为规定的模糊度，表示检测到故障时，能够隔离到的最小可更换单元的个数。

Claims (2)

1.一种惯导系统故障特性判定方法，其特征在于，该方法包括如下步骤：
1)获取惯导系统的组成单元信息集、信号信息集、组成单元故障信息集、测试点信息集和测试行为信息集，形成测试性多信号信息模型；
其中：
组成单元信息集为惯导系统的组成模块信息的集合；
信号信息集为惯导系统内部能够检测到的信号信息的集合；
组成单元故障信息集为惯导系统的各组成模块发生完全故障和功能故障的信息的集合；
测试点信息集为惯导系统内部能够进行检测的位置点信息的集合；
测试信息集为在测试点对信号信息进行检测的行为的集合；
2)搜索故障可达测试点
从故障ci(F)或ci(G)所在组元ci出发，沿输出方向按广度优先搜索遍历模型图，凡是能够达到的测试点节点，即为该故障可达测试点；
其中，ci(F)表示第i个惯性导航系统组成单元发生功能故障、ci(G)表示第i个惯性导航系统组成单元发生完全故障；
如存在信号阻断，则中止该分支上的搜索；如存在信号映射，则将映射后的信号添加到组元作用信号集SC(ci)，继续搜索，组元作用信号集SC(ci)包括第i个惯性导航系统组成单元作用的信号si的合集：{s1、s2…}
3)进行故障相关性分析，确定故障－测试相关矩阵Dm×n
利用下式得到故障－测试相关矩阵Dm×n中的元素
Figure FDA0002824373850000011
其中：m为惯导系统可能发生故障的单元，即组成单元中的个数；
n为惯导系统中的测试点的个数；
ST(tj)表示在第i个测试点能够检测到的信号si的合集：{s1、s2…}
利用下式确定故障－测试相关矩阵；
Figure FDA0002824373850000021
4)进行故障特性判定
单故障特性判定包括未检测故障、模糊组和冗余测试；
如果故障－测试相关矩阵Dm×n中存在全为0的行，则该行所对应的故障即为未检测故障；
比较故障－测试相关矩阵Dm×n中各行，如果有Fi＝Fj,i≠j，则对应的故障是不可区分的，可作为一个模糊组处理，并合并为一行，Fi表示第i个行向量，Fj表示第j个行向量；
比较相关矩阵Dm×n中各列，如果有Ti＝Tj,i≠j，则对应的测试是互为冗余测试，Ti表示第i个列向量；
多故障特性判定包括故障隐藏和故障冒充；
若存在Fi+Fj＝Fk，k＝i或k＝j，则说明存在故障隐藏；
若存在Fi+Fj＝Fk，i≠j≠k，则说明存在故障冒充。
2.一种惯导系统故障特性测试性预计方法，其特征在于，该方法包括如下步骤：
1)获取惯导系统的组成单元信息集、信号信息集、组成单元故障信息集、测试点信息集和测试行为信息集，形成测试性多信号信息模型；
其中：
组成单元信息集为惯导系统的组成模块信息的集合；
信号信息集为惯导系统内部能够检测到的信号信息的集合；
组成单元故障信息集为惯导系统的各组成模块发生完全故障和功能故障的信息的集合；
测试点信息集为惯导系统内部能够进行检测的位置点信息的集合；
测试信息集为在测试点对信号信息进行检测的行为的集合；
2)搜索故障可达测试点
从故障ci(F)或ci(G)所在组元ci出发，沿输出方向按广度优先搜索遍历模型图，凡是能够达到的测试点节点，即为该故障可达测试点；
其中，ci(F)表示第i个惯性导航系统组成单元发生功能故障、ci(G)表示第i个惯性导航系统组成单元发生完全故障；
如存在信号阻断，则中止该分支上的搜索；如存在信号映射，则将映射后的信号添加到组元作用信号集SC(ci)，继续搜索，组元作用信号集SC(ci)包括第i个惯性导航系统组成单元作用的信号si的合集：{s1、s2…}
3)进行故障相关性分析，确定故障－测试相关矩阵Dm×n
利用下式得到故障－测试相关矩阵Dm×n中的元素
Figure FDA0002824373850000031
其中：m为惯导系统可能发生故障的单元，即组成单元中的个数；
n为惯导系统中的测试点的个数；
ST(tj)表示在第i个测试点能够检测到的信号si的合集：{s1、s2…}
利用下式确定故障－测试相关矩阵；
Figure FDA0002824373850000041
4)确定故障检测率FDR和故障隔离率FIR
Figure FDA0002824373850000042
Figure FDA0002824373850000043
其中，λ为相关矩阵中所有故障的总故障概率，λD为相关矩阵中可检测故障的总故障率，λi为相关矩阵中第i个故障的故障概率，λDi为第i个被检测出故障的故障概率，λL为相关矩阵中可隔离到小于等于L个可更换单元的故障的故障概率之和，λLi为相关矩阵中可隔离到小于等于L个可更换单元的故障中第i个故障的故障概率，L为规定的模糊度，即检测到故障时，能够隔离到的最小可更换单元的个数。
CN201610896282.7A 2016-10-14 2016-10-14 一种惯导系统故障特性判定及测试性预计方法 Active CN107957269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610896282.7A CN107957269B (zh) 2016-10-14 2016-10-14 一种惯导系统故障特性判定及测试性预计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610896282.7A CN107957269B (zh) 2016-10-14 2016-10-14 一种惯导系统故障特性判定及测试性预计方法

Publications (2)

Publication Number Publication Date
CN107957269A CN107957269A (zh) 2018-04-24
CN107957269B true CN107957269B (zh) 2021-03-16

Family

ID=61953200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610896282.7A Active CN107957269B (zh) 2016-10-14 2016-10-14 一种惯导系统故障特性判定及测试性预计方法

Country Status (1)

Country Link
CN (1) CN107957269B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027721B (zh) * 2019-11-22 2023-07-18 中国铁道科学研究院集团有限公司通信信号研究所 一种系统故障定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103471615A (zh) * 2013-08-30 2013-12-25 北京自动化控制设备研究所 一种双冗余惯导系统快速故障检测方法
CN103592081A (zh) * 2013-11-01 2014-02-19 西安电子科技大学 一种适用于分布式不平衡量的转子无试重动平衡方法
CN103699121A (zh) * 2013-12-26 2014-04-02 北京控制工程研究所 一种基于解析冗余关系的卫星控制系统敏感器可诊断性确定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103471615A (zh) * 2013-08-30 2013-12-25 北京自动化控制设备研究所 一种双冗余惯导系统快速故障检测方法
CN103592081A (zh) * 2013-11-01 2014-02-19 西安电子科技大学 一种适用于分布式不平衡量的转子无试重动平衡方法
CN103699121A (zh) * 2013-12-26 2014-04-02 北京控制工程研究所 一种基于解析冗余关系的卫星控制系统敏感器可诊断性确定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于TEAMS的惯性测量组合故障诊断;侯青剑等;《现代防御技术》;20091031;第37卷(第5期);64-67,72 *
基于虚拟仪器的惯导测试与故障诊断系统的设计;刘宗玉等;《测控技术》;20031231;第22卷(第3期);51-53,56 *
机械系统的故障演化测试性建模及预计;谭晓栋等;《浙江大学学报（工学版）》;20160330;第50卷(第3期);442-448,459 *

Also Published As

Publication number Publication date
CN107957269A (zh) 2018-04-24

Similar Documents

Publication Publication Date Title
US6898554B2 (en) Fault detection in a physical system
JP4927271B2 (ja) センサ故障の検出、分離及び調整法
CN101980225B (zh) 一种电子产品测试性分析与诊断决策系统的实现方法
CN111737909B (zh) 基于时空图卷积网络的结构健康监测数据异常识别方法
CN104504248A (zh) 一种基于设计数据分析的故障诊断建模方法
CN103019227B (zh) 一种基于故障要素描述的卫星控制系统故障识别方法
CN107544459B (zh) 一种控制系统的多重故障诊断优化方法
JPH01267742A (ja) 故障診断方式
CN112799898B (zh) 基于分布式故障检测的互联系统故障节点定位方法及系统
CN102265227A (zh) 用于在机器状况监视中创建状态估计模型的方法和设备
CN107025172B (zh) 一种基于概率风险评价的软件测试方法
CN105512011A (zh) 一种电子装备测试性建模评估方法
CN110441669B (zh) 不确定混杂电路系统的渐变故障诊断和寿命预测方法
CN107957269B (zh) 一种惯导系统故障特性判定及测试性预计方法
CN111260823B (zh) 基于i/o测点故障依赖矩阵的故障诊断方法
KR101837899B1 (ko) 스캔 체인의 고장을 진단하는 장치 및 방법
KR102340395B1 (ko) 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법
Kinnaert et al. Model-based fault detection and isolation for a gas–liquid separation unit
CN109086186A (zh) 日志检测方法及装置
CN111538654B (zh) 一种软件可靠性测试方法、系统、存储介质
US9529042B2 (en) Device for and method of estimating error point in logic diagram
CN102735435A (zh) 一种基于相关性模型的动量轮故障可诊断性确定方法
CN109116219B (zh) 一种电路系统的分布式故障诊断方法
Li et al. Meteorological radar fault diagnosis based on deep learning
CN115358294A (zh) 一种高速列车牵引系统的微小故障检测方法

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