CN108345946A - 一种面向无人机地面保障的维护决策系统及方法 - Google Patents
一种面向无人机地面保障的维护决策系统及方法 Download PDFInfo
- Publication number
- CN108345946A CN108345946A CN201711343799.4A CN201711343799A CN108345946A CN 108345946 A CN108345946 A CN 108345946A CN 201711343799 A CN201711343799 A CN 201711343799A CN 108345946 A CN108345946 A CN 108345946A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- component
- maintenance
- maintenance measures
- module
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Abstract
本发明公开一种面向无人机地面保障的维护决策系统及方法,所述系统包括机载采集终端、空地互联(ATG)传输终端、维护决策中心和人机交互终端。本发明的系统及方法能在无人机使用过程中,对无人机各系统尤其是动力系统进行运行管理与健康监测,可对无人机系统/部件进行健康评估,对处于完好状态或者性能衰退状态的无人机系统/部件预测其剩余寿命,对处于故障状态或者失效状态的无人机系统/部件诊断其故障类型。综合以上结果,提供必要的维护保障策略,从而可提高无人机维护保障效率。
Description
技术领域
本发明属于航空器故障诊断与健康管理领域,具体涉及一种面向无人机地面保障的维护决策系统及方法。
背景技术
无人机是一个复杂度较高的,由大量系统和构成的大型系统。每个部件和系统都会产生多种不同的故障,而每个故障又都是由一种或多种故障引起的。当其中一个部件出现故障的时候,不仅是这个部件本身的性能受到影响,而且和该部件有关的部件或系统也会发生改变,然而,这些改变在其他部件或系统中影响的严重程度不尽相同,诱发其它故障的程度不尽相同,诱发故障的严重性和危害程度也不尽相同,而且传播动力差异较大。
为提升无人机的使用完好性,降低维护维修时间,开展基于状态的视情维修技术,提取视情维修所需监测参数,开展健康评估方法研究,在此基础上分别针对单部件和系统开展视情维修技术研究,并对资源管理、质量管控、维修评估等进行研究,突破健康评估、故障及性能衰退危害分析和维修决策制定等技术瓶颈。
发明内容
鉴于现有技术的上述情况,本发明的目的在于提出一种面向无人机地面保障的维护决策系统及方法,所述系统及方法可实时在线给出无人机地面保障维护决策,提高无人机维护保障效率。
按照本发明的一个方面,提供一种面向无人机地面保障的维护决策系统,所述系统包括机载采集终端、空地互联(ATG)传输终端、维护决策中心和人机交互终端。机载采集终端实时采集无人机飞行状态信息,并提取反映无人机各系统及部件健康状态的特征参数。空地互联(ATG)传输终端压缩并实时将机载采集终端采集的数据传输给维护决策中心。维护决策中心包括无人机健康评估模块、系统寿命预测模块、故障诊断模块以及维护决策模块:无人机健康评估模块用以评估当前无人机各系统及部件所处的健康状态(完好、故障、失效);系统寿命预测模块根据特征参数所反映出的健康状态信息预测无人机各系统及部件的剩余寿命;故障诊断模块能够根据获取的故障特征参数信息,诊断出无人机各系统及部件故障的类型;维护决策模块则根据评估的无人机当前健康状态,作出最优的维护保障选择。人机交互终端能够实时显示各系统及部件的特征参数实时变化情况,将维护决策中心处理的结果反映给相关维护人员,并给出相应的维护保障措施。本发明能够实时在线给出无人机地面保障维护决策,提高无人机维护保障效率。
故障诊断模块采用基于历史维护数据的动态阈值快速故障诊断模型法对无人机各系统及部件进行故障诊断。
系统寿命预测模块采用基于历史维护数据的耦合隐式马尔科夫模型对无人机各系统及部件进行寿命预测。
按照本发明的另一个方面,提供一种面向无人机地面保障的维护决策方法,包括以下步骤:
步骤一:采集无人机飞行状态信息,根据采集的信息提取各系统及部件所对应的特征参数,并传输给空地互联传输终端。
无人机机载采集终端为无人机飞行状态信息采集设备,数据来源主要包括两部分,一部分为无人机自身系统上的飞行参数与发动机参数,另一部分来源于采集终端通过相应的传感器获取的无人机各系统及部件的状态信息,主要包含各系统及部件的振动信息、液压信息、油液质量信息、温度信息等。
步骤二:空地互联传输终端对获取的特征参数进行数据压缩,然后传输给维护决策中心。
空地互联传输终端其功能在于两方面:数据压缩和数据传输。空地互联终端获取无人机机载采集终端采集的特征数据进行压缩打包,采用加密处理,然后由ATG终端传输给维护决策中心。
步骤三:维护决策中心根据接收到的特征参数的类型,评价该特征参数对应无人机系统及部件当前所处的健康状态;若该无人机系统及部件状态处于完好状态或者性能衰退周期,则对其作出剩余寿命预测评判;若该无人机系统及部件状态处于失效周期,则根据获取的故障特征参数信息,对该系统及部件进行故障识别,随后根据寿命预测评判或者故障诊断结果,作出维护保障决策,并连同接收到的特征参数一起传输给人机交互终端。
维护决策中心包括无人机健康评估模块、系统寿命预测模块、故障诊断模块以及维护决策模块。健康评估模块根据接收到的特征参数信息类型评价该信息对应无人机系统及部件当前所处的健康状态;若该无人机系统及部件状态处于完好状态或者性能衰退周期,则系统寿命预测模块将对其作出剩余寿命预测评判;若该无人机系统及部件状态处于失效周期,则故障诊断模型将根据获取的故障特征参数信息对该系统及部件进行故障识别。维护决策模块将根据系统寿命预测模块或者故障诊断模块作出的无人机系统及部件状态信息作出维护保障决策,并连同接收到的特征参数一起传输给人机交互终端。
步骤四:人机交互终端实时显示无人机各系统及部件的特征参数实时变化情况,将维护决策中心处理的结果反映给相关维护人员,并给出相应的维护保障措施。
人机交互终端包括信息交互显示与维护决策实施建议两大功能。信息交互显示能够将空地互联传输终端传输的数据实时反馈给维护保障人员,并能够对各系统对应的特征参数进行区分,同时也能够鉴别超出正常水平的数据。维护决策实施建议能够将维护决策中心作出的维护保障选择反馈给维护保障人员,以便操作人员能够快速高效的实施维护保障,提升无人机的使用完好性。
本发明的面向无人机地面保障的维护决策系统及方法能在无人机使用过程中对无人机各系统尤其是动力系统进行运行管理与健康监测,可对无人机系统/部件进行健康评估,对处于完好状态或者性能衰退状态的无人机系统/部件预测其剩余寿命,对处于故障状态或者失效状态的无人机系统/部件诊断其故障类型。综合以上结果,提供必要的维护保障策略,从而可提高无人机维护保障效率。
附图说明
图1为本发明的面向无人机地面保障的维护决策系统的架构示意图。
图2为本发明的面向无人机地面保障的维护决策系统的功能图。
图3为在本发明的面向无人机地面保障的维护决策系统及方法中采用的数据加密变换的图解。
具体实施方式
结合图1示意所示的本发明的面向无人机地面保障的维护决策系统架构和图2所示的面向无人机地面保障的维护决策系统功能图,详细阐述本发明的系统及方法的具体实施方式。
图1所示为本发明的面向无人机地面保障的维护决策系统的架构组成图,该架构中各功能模块将根据无人机系统/部件所处的不同健康状态分别采取不同维护保障方式。如该系统可对无人机系统/部件进行健康评估,对处于完好状态或者性能衰退状态的无人机系统/部件预测其剩余寿命,对处于故障状态或者失效状态的无人机系统/部件诊断其故障类型。以上处理信息将被综合到维护保障中心,维护决策中心将依据维护策略提供必要的维护保障方式。
本发明的面向无人机地面保障的维护决策系统,包括机载采集终端、空地互联(ATG)传输终端、维护决策中心、人机交互终端。在实现该系统功能之前需对实现基于数理统计的无人机系统/部件监测需求分析,包括使用完好性需求、维护保障需求以及任务可用度需求,经过该分析之后确定需要利用该系统进行监测的无人机系统/部件。确定监测对象之后,对监测对象的系统功能和系统结构进行系统分析,构建其系统运行模型、传统FMECA分析以及故障传播方法,并确定测点位置和传感网络优化;根据FMECA并利用故障传播波方法可确定无人机系统/部件的故障类型,以及其对应的特征参数(主要为频域、时域和时频域特征),每个系统/部件可对应多个特征,因此需利用主元分析降为进行特征融合约简,PCA等降维方法类似,选择前k个主元作为融合后的特征向量。主元个数的选择也可以利用主元贡献率η作为阈值来确定:
其中,k为特征融合后特征的个数,n为所有通道特征的总维数,λ是与降维映射特征向量对应的特征值。通常,η选择超过85%,阈值选择越大,保留的信息越多,但维度也会增加并可能降低后续利用模式识别方法进行故障诊断的效率。
通过上述步骤可确定监测对象对应的参数类型和数量。接下来机载采集终端数据采集模块将实时采集无人机飞行状态数据,该数据包含机载系统的飞参、发参数据和传感系统的传感数据。数据采集模块将采集到的数据传递给数据与处理模块进行对应的预处理,如滤波、降噪和旋转部件的时域同步平均。最后,对象特征参数提取模块将根据遴选的特征参数类型分别将系统/部件并提取反映无人机系统健康状态的特征参数提取出来。
空地互联(ATG)传输终端压缩并实时将机载采集终端采集的数据传输给维护决策中心。其中ATG的核心功能包含数据加密模块、数据压缩模块和空地数据传输模块。机载采集终端将采集对象的特征参数传输给ATG之后,ATG将同一时间段内的所有特征参数采用链路加密的方式利用DES加密算法进行加密。DES是一种数据分组的加密算法,它将数据分成长度为64位的数据块,其中8位用作奇偶校验,剩余的56位作为密码的长度。第一步将原文进行置换,得到64位的杂乱无章的数据组;第二步将其分成均等两段;第三步用加密函数进行变换,并在给定的密钥参数条件下,进行多次迭代而得到加密密文。加密过程如下:
(1)将特征值数据转换成64位二进制数据,如M=0000 0001 0010 0011 01000101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111,其中第8、16、24、32、40、48、56和64位数据位奇偶校验位,不使用,将剩余的56位数据按数据表排列(该表中数据位置可自行确定),得到56位密钥Key=0010010 0110101 1000000 0010111 10000110100101 1101000 0110110,则前28位与后28位可分为两部分:L0=0010010 01101011000000 0010111R0=1000011 0100101 1101000 0110110,然后将L0与R0分别移位16次,如L1与R1是由L0和R0移位x(每次移位次数可以不同,16次移位数小于56)位得到,以此类推得到(L1,R1)、(L2,R2)、(L3,R3)、(L4,R4)、(L5,R5)、(L6,R6)、(L7,R7)(L8,R8)、(L9,R9)、(L10,R10)、(L11,R11)、(L12,R12)、(L13,R13)、(L14,R14)、(L15,R15)、(L16,R16)。再在各数据对中分别挑选出8位相同位置的数据,将剩余48位数据按图3中的方法(位置矩阵变为48位)随机排列得到16个48位的子密钥:KEY1、KEY2、KEY3、KEY4、KEY5、KEY6、KEY7、KEY8、KEY9、KEY10、KEY11、KEY12、KEY13、KEY14、KEY15、KEY16。
利用子密钥对原始数据M进行加密。如M=0000 0001 0010 0011 0100 0101 01100111 1000 1001 1010 1011 1100 1101 1110 1111,按图3所示的方法将64为数据按64位矩阵(无奇偶校验位)从新排列为64位数据MP,其前32位与后32位分别为A0和B0,将A0和B0进行16次迭代得到(A1,B1)、(A2,B2)、(A3,B3)、(A4,B4)、(A5,B5)、(A6,B6)、(A7,B7)、(A8,B8)、(A9,B9)、(A10,B10)、(A11,B11)、(A12,B12)、(A13,B13)、(A14,B14)、(A15,B15)、(A16,B16),其中An=Bn-1,Bn=An-1⊕f(Bn-1,KEYn)。f函数的过程是将Bn-1扩展为48位数据,然后与上一步中的KEYn子密钥进行异或运算得到48位数据,再将48位数据转换成32位数据输出,最后与An-1进行异或运算得到32位数据。
经过16次迭代之后即可得到特征数据的加密数据A16B16,同一时间段内所有的特征值均可按照上述方法进行加密处理;然后再由数据压缩模块进行压缩,以减小数据传输的负担;最后数据空地传输模块将该时间段内的特征数据传输给地面维护中心。
维护决策中心包括无人机健康评估模块、系统寿命预测模块、故障诊断模块以及维护决策模块:无人机健康评估模块用以评估当前无人机系统所处的健康状态(完好、衰退、故障和失效);系统寿命预测模块根据特征参数所反映出的健康状态信息预测无人机系统的剩余寿命;故障诊断模块能够诊断出无人机系统故障的类型;维护决策模块则根据无人机当前健康状态情况作出最优的维护保障选择。
维护决策中心接收来至ATG的特征数据后,由无人机健康评估模块对机载各系统的特征数据进行分析,分析内容包括无人机各系统/部件功能完整度、运行可靠性、特征值水平等方面对该系统/部件的健康状态进行评估。如果当前系统/部件处于性能及结构完好状态或者功能衰退期,则系统寿命预测模块将启动,完成对系统/部件功能寿命进行预测,并由维护决策模块作出相应的维护保养措施,最后传递给人机交互终端;具体过程为:无人机历史维护及飞行状态大数据库与维护中心相连,该数据中包含了同类型飞行以往所有的飞行数据和维护保障数据,包含了该类型无人机从功能完好到功能失效的全寿命状态数据,利用该全寿命状态数据建立无人机各系统/部件的全寿命隐式马尔可夫寿命模型,同时吸收在役无人机状态数据来强化该模型的预测能力,之后就可以将系统/部件的特征参数输入其对应的隐式马尔可夫模型对其寿命进行预测。
若无人机系统健康评估模块对该系统/部件的健康状态做出的评价为故障或者失效,则故障诊断模块将直接对系统/部件的故障类型和故障位置作出诊断,并由维护决策模块作出相应的维护保障措施,最后传递给人机交互终端;具体过程为:用无人机历史维护及飞行状态大数据库与维护中心相连,该数据中包含了同类型飞行所有系统/部件以往所有的故障类型数据和维护保障数据,利用动态阈值的方法根据历史大数据设定故障阈值;同时吸收在役无人机飞行状态数据,不断更新故障阈值,再利用系统/部件特征参数与该动态阈值的对比来判断其故障类型。
人机交互终端能够实时显示各系统及部件的特征参数实时变化情况,具体操作过程为:人机交互终端拥有配套的地面站信息交互软件,可实现无人机系统信息的实时在线显示和功能切换,可显示不同系统/部件的状态信息。当维护决策中心处理的结果传递到人机交互终端时,信息交互软件将提醒操作人员尽快处理该信息,并反映给相关维护人员,给出相应的维护保障措施。本发明能够实时在线给出无人机地面保障维护决策,提高无人机维护保障效率。
Claims (4)
1.一种面向无人机地面保障的维护决策系统,所述系统包括机载采集终端、空地互联(ATG)传输终端、维护决策中心和人机交互终端,其中
机载采集终端实时采集无人机飞行状态信息,并提取反映无人机各系统及部件健康状态的特征参数;
空地互联(ATG)传输终端压缩并实时将机载采集终端采集的数据传输给维护决策中心;
维护决策中心包括无人机健康评估模块、系统寿命预测模块、故障诊断模块以及维护决策模块,
其中无人机健康评估模块用以评估当前无人机各系统及部件所处的健康状态,
系统寿命预测模块根据特征参数所反映出的健康状态信息预测无人机各系统及部件的剩余寿命,
故障诊断模块能够根据获取的故障特征参数信息,诊断出无人机各系统及部件故障的类型,
维护决策模块则根据评估的无人机当前健康状态,作出最优的维护保障选择;
人机交互终端可实时显示各系统及部件的特征参数实时变化情况,将维护决策中心处理的结果反映给相关维护人员,并给出相应的维护保障措施。
2.按照权利要求1所述的系统,其中所述故障诊断模块采用基于历史维护数据的动态阈值快速故障诊断模型法对无人机各系统及部件进行故障诊断。
3.按照权利要求1所述的系统,其中所述系统寿命预测模块采用基于历史维护数据的耦合隐式马尔科夫模型对无人机各系统及部件进行寿命预测。
4.一种面向无人机地面保障的维护决策方法,包括以下步骤:
步骤一:采集无人机飞行状态信息,根据采集的信息提取各系统及部件所对应的特征参数,并传输给空地互联(ATG)传输终端;
步骤二:空地互联(ATG)传输终端对获取的特征参数进行数据压缩,然后传输给维护决策中心;
步骤三:维护决策中心根据接收到的特征参数的类型,评价该特征参数对应无人机系统及部件当前所处的健康状态;若该无人机系统及部件状态处于完好状态或者性能衰退周期,则对其作出剩余寿命预测评判;若该无人机系统及部件状态处于失效周期,则根据获取的故障特征参数信息,对该系统及部件进行故障识别,随后根据寿命预测评判或者故障诊断结果,作出维护保障决策,并连同接收到的特征参数一起传输给人机交互终端;
步骤四:人机交互终端实时显示无人机各系统及部件的特征参数实时变化情况,将维护决策中心处理的结果反映给相关维护人员,并给出相应的维护保障措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711343799.4A CN108345946A (zh) | 2017-12-14 | 2017-12-14 | 一种面向无人机地面保障的维护决策系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711343799.4A CN108345946A (zh) | 2017-12-14 | 2017-12-14 | 一种面向无人机地面保障的维护决策系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108345946A true CN108345946A (zh) | 2018-07-31 |
Family
ID=62962264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711343799.4A Pending CN108345946A (zh) | 2017-12-14 | 2017-12-14 | 一种面向无人机地面保障的维护决策系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108345946A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340324A (zh) * | 2019-09-25 | 2020-06-26 | 中国人民解放军国防科技大学 | 基于顺次分配的多层多粒度集群任务规划法 |
US11335131B2 (en) | 2019-11-19 | 2022-05-17 | International Business Machines Corporation | Unmanned aerial vehicle maintenance and utility plan |
CN115840468A (zh) * | 2022-12-30 | 2023-03-24 | 众芯汉创(北京)科技有限公司 | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102495549A (zh) * | 2011-11-22 | 2012-06-13 | 中联重科股份有限公司 | 工程机械的远程维护决策系统及方法 |
US20140013002A1 (en) * | 2012-07-09 | 2014-01-09 | The Boeing Company | System and method for air-to-ground data streaming |
CN106598033A (zh) * | 2016-12-31 | 2017-04-26 | 清华大学深圳研究生院 | 基于中间件的无人机phm系统 |
CN106741987A (zh) * | 2016-12-12 | 2017-05-31 | 北京航天测控技术有限公司 | 一种无人机机载健康管理监测系统 |
CN106970650A (zh) * | 2017-04-28 | 2017-07-21 | 暨南大学 | 多无人机通信控制系统及控制方法 |
-
2017
- 2017-12-14 CN CN201711343799.4A patent/CN108345946A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102495549A (zh) * | 2011-11-22 | 2012-06-13 | 中联重科股份有限公司 | 工程机械的远程维护决策系统及方法 |
US20140013002A1 (en) * | 2012-07-09 | 2014-01-09 | The Boeing Company | System and method for air-to-ground data streaming |
CN104838602A (zh) * | 2012-07-09 | 2015-08-12 | 波音公司 | 用于空对地数据流传输的系统和方法 |
CN106741987A (zh) * | 2016-12-12 | 2017-05-31 | 北京航天测控技术有限公司 | 一种无人机机载健康管理监测系统 |
CN106598033A (zh) * | 2016-12-31 | 2017-04-26 | 清华大学深圳研究生院 | 基于中间件的无人机phm系统 |
CN106970650A (zh) * | 2017-04-28 | 2017-07-21 | 暨南大学 | 多无人机通信控制系统及控制方法 |
Non-Patent Citations (2)
Title |
---|
梁晴晴 等: "基于主元分析-概率神经网络的制冷系统故障诊断", 《化工学报》 * |
王文靖 等: "无人机机载发电机故障诊断技术研究", 《国外电子测量技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340324A (zh) * | 2019-09-25 | 2020-06-26 | 中国人民解放军国防科技大学 | 基于顺次分配的多层多粒度集群任务规划法 |
CN111340324B (zh) * | 2019-09-25 | 2022-06-07 | 中国人民解放军国防科技大学 | 基于顺次分配的多层多粒度集群任务规划方法 |
US11335131B2 (en) | 2019-11-19 | 2022-05-17 | International Business Machines Corporation | Unmanned aerial vehicle maintenance and utility plan |
CN115840468A (zh) * | 2022-12-30 | 2023-03-24 | 众芯汉创(北京)科技有限公司 | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 |
CN115840468B (zh) * | 2022-12-30 | 2023-09-01 | 众芯汉创(北京)科技有限公司 | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106354118B (zh) | 一种基于故障树的列车故障诊断系统及方法 | |
CN102520697B (zh) | 一种远程协同诊断的现场信息预处理方法 | |
CN108345946A (zh) | 一种面向无人机地面保障的维护决策系统及方法 | |
CN107145675A (zh) | 基于bp神经网络算法的电力变压器故障诊断装置及方法 | |
CN106341414A (zh) | 一种基于贝叶斯网络的多步攻击安全态势评估方法 | |
CN108629430A (zh) | 一种重大设备智能运维管理系统 | |
CN106202886A (zh) | 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法 | |
CN107054410A (zh) | 道岔转辙机的智能诊断系统及诊断方法 | |
CN108322248A (zh) | 一种基于协同无人机安全性与可靠性的维护系统及方法 | |
CN109800995A (zh) | 一种电网设备故障识别方法及系统 | |
CN104267346A (zh) | 一种发电机励磁系统故障远程诊断方法 | |
CN107545307A (zh) | 基于深度信念网络的变压器油中溶解气体浓度预测方法及系统 | |
CN108508852A (zh) | 隔离管理系统与隔离管理方法 | |
CN104571084B (zh) | 主风机组故障根源深度诊断方法和装置 | |
Wang et al. | A rough set-based fault ranking prototype system for fault diagnosis | |
CN113177650A (zh) | 一种铁路货车车厢的预测性维护方法及装置 | |
CN107330128A (zh) | 认证异常判断方法及装置 | |
CN110493180A (zh) | 一种变电站网络通信流量实时分析方法 | |
CN105574328A (zh) | 一种机载诊断模型的集成方法 | |
CN108090236A (zh) | 航空装备的状态检测方法 | |
Wang et al. | A signal segmentation and feature fusion based RUL prediction method for railway point system | |
CN106096227A (zh) | 回转平台液压系统运行安全性定量评估方法 | |
Chen et al. | Resilience assessment of multimodal urban transport networks | |
CN112232553A (zh) | 一种基于贝叶斯网络的高铁列车晚点影响因素诊断方法 | |
CN116703024A (zh) | 基于电力大数据的煤炭行业企业生产情况分析系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180731 |