CN108875240B - 一种发动机故障诊断方法、装置及一种电子设备 - Google Patents
一种发动机故障诊断方法、装置及一种电子设备 Download PDFInfo
- Publication number
- CN108875240B CN108875240B CN201810694985.0A CN201810694985A CN108875240B CN 108875240 B CN108875240 B CN 108875240B CN 201810694985 A CN201810694985 A CN 201810694985A CN 108875240 B CN108875240 B CN 108875240B
- Authority
- CN
- China
- Prior art keywords
- fault
- correlation
- target
- failure mode
- 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
Links
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明公开了一种发动机故障诊断方法、装置及一种电子设备,包括:获取或者接收发动机第一目标故障特征;依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。这样,实现了对故障诊断的自动化,并且,由于故障诊断模型是经过不断修正后得到的,通过故障诊断模型对故障进行诊断,提高了故障诊断的准确率。
Description
技术领域
本发明涉及故障诊断领域,尤其涉及一种发动机故障诊断方法、装置及一种电子设备。
背景技术
随着电控发动机的普及和车联网物流的快速发展,发动机快速故障诊断是当前迫切的需求。
然而,目前服务站维修工程师诊断发动机故障时,通常是基于维修工程师的经验。在这种情况下,不可避免的会发生错误诊断的情况,从而造成时间和金钱的浪费。
发明内容
有鉴于此,本发明公开了一种发动机故障诊断方法及装置,实现了对故障诊断的自动化,并且,由于故障诊断模型是经过不断修正后得到的,通过故障诊断模型对故障进行诊断,提高了故障诊断的准确率。
本发明实施例公开了一种发动机故障诊断方法,包括:
获取或者接收发动机第一目标故障特征;
依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;
基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。
可选的,所述基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式,包括:
依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;
选取故障值最大的失效模式作为目标失效模式。
可选的,还包括:
依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;
获取故障特征和失效模式的修正信息;
依据所述修正信息对所述诊断模型进行修正。
可选的,所述修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
可选的,还包括:
统计第二目标故障特征与第二目标失效模式的相关的数量,得到相关性数值;
统计第二目标故障特征与第二目标失效模式相关的数量,得到无关性数值;
基于所述相关性数值和所述无关性数值,计算第二目标故障特征与第二目标失效模式相关性大小的修正值。
本发明实施例公开了一种发动机故障诊断装置,包括:
故障特征采集单元,用于获取或者接收发动机第一目标故障特征;
诊断单元,用于依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;
故障确定单元,用于基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。
可选的,所述故障确定单元,包括:
故障值计算子单元,用于依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;
故障确定子单元,用于选取故障值最大的失效模式作为目标失效模式。
可选的,还包括:
模型构建单元,用于依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;
修正信息获取单元,用于获取故障特征和失效模式的修正信息;
修正单元,用于依据所述修正信息对所述诊断模型进行修正。
可选的,所述修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
本发明实施例公开了一种电子设备,包括:
故障特征采集模块,用于获取或者接收发动机第一目标故障特征;
存储模块,用于存储所述故障诊断模型;所述故障诊断模型包括故障特征和故障失效模式的相关性;
处理单元,用于集成故障诊断算法,用于通过所述故障诊断算法第一目标故障特征进行故障诊断。
本发明实施例公开了一种发动机故障诊断方法,包括:获取或者接收发动机第一目标故障特征;依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。这样,实现了对故障诊断的自动化,并且,由于故障诊断模型是经过不断修正后得到的,通过故障诊断模型对故障进行诊断,提高了故障诊断的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1示出了本发明实施例提供的一种发动机故障诊断方法的流程示意图;
图2示出了示出了本发明实施例提供的一种发动机故障诊断方法的流程示意图;
图3示出了本发明实施例提供的一种发动机故障诊断装置的结构示意图;
图4示出了本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1,示出了本发明实施例提供的一种发动机故障诊断方法的流程示意图,在本实施例中,该方法包括:
S101:获取或者接收发动机第一目标故障特征;
本实施例中,故障特征为用于描述故障现象的特征,其中,故障特征包括:现象描述信息、故障码等可以表示故障现象的其它特征。其中,故障描述信息可以为维修工程师对故障的现象描述。
其中,可以通过相关传感器获取到故障特征码,或者在维修人员观察到故障现象后,将该故障现象输入到相关设备中,接收到维修人员输入的现象描述信息。
需要说明的是,获取或者接收到的发动机第一目标故障特征包括至少一个故障特征。
S102:依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;
本实施例中,故障诊断模型是通过故障特征和故障失效模型之间的相关性构建的,并且不断的进行修正,具体的,会在下文中进行介绍,在这里不再赘述。
举例说明:如下表1所示,为故障诊断模型中故障特征和失效模式的相关性关系,其中,1表示相关,0表示不相关,G1、G2...Gn表示故障现象,S1、S2...Sn表示失效模式。
表1
相关性 | G1 | G2 | G3 |
S1 | 1 | 0 | 1 |
S2 | 0 | 1 | 1 |
S3 | 1 | 0 | 0 |
其中,上述表1中,仅仅是对故障诊断模型的一个举例,故障特征和失效模式除了不仅仅是0和1,而是[0,1]之间的任意一个数值。
本实施例中,通过上述对故障诊断模式的介绍可知,每个故障特征可能和多个失效模式有相关性,因此在得到故障特征后,根据故障诊断模式,可以得到该故障特征与多个失效模式相关性大小。并且,由于获取或者接收到的目标故障特征包含至少一个故障特征,在包含多个故障特征时,会得到每个故障特征与多个失效模式之间的相关性大小。
其中,第一目标故障特征对应的多个失效模式可以是故障诊断模型中的每个失效模式。
举例说明:假设接收或者获取到的故障特征为表1中的G2和G3,则根据故障诊断模型可以得到G2与每个失效模式的相关性关系,以及G3与每个失效模式的相关性关系,具体的,如下表2所示:
表2
相关性 | G2 | G3 |
S1 | 0 | 1 |
S2 | 1 | 1 |
S3 | 0 | 0 |
S103:基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。
本实施例中,通过对上述S102的介绍可知,得到了目标故障特征与多个失效模式的相关性大小,但是为了给用户或者维修人员提供较为准确的技术支持,还需要从这些失效模式中筛选出相关性最大的失效模式,具体的,S103包括:
依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;
选取故障值最大的失效模式作为目标失效模式。
本实施例中,在第一目标故障特征包括一个故障特征的情况下,失效模式的故障值为每个失效模式与该故障特征的相关性大小。
在第一目标故障特征包括多个故障特征的情况下,每个失效模式会对应多个故障特征,计算每个失效模式的故障值;故障值为同一个失效模式与不同故障特征相关性大小的。
举例说明:假设第一目标故障特征包括多个故障特征,故障特征为表1中的G2和G3,将表2中,对于失效模式S1,与G2的相关性大小为0与G3的相关性大小为1,则S1的故障值=0+1=1;对于失效模式S2,与G2的相关性大小为1与G3的相关性大小为1,则S2的故障值=1+1=1;对于失效模式S3,与G3的相关性大小为0与G3的相关性大小为0,则S2的故障值=0+0=0;如下表3所示:
表3
失效模式 | 故障值 |
S1 | 1 |
S2 | 2 |
S3 | 0 |
从而,得出S2为目标失效模式,也就是诊断出的发动机故障。
本实施例中,获取或者接收发动机第一目标故障特征;依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。这样,实现了对故障诊断的自动化,并且,由于故障诊断模型是经过不断修正后得到的,通过故障诊断模型对故障进行诊断,提高了故障诊断的准确率。
参考图2,示出了本发明实施例提供的一种发动机故障诊断方法的流程示意图,在本实施例中,该方法包括:
S201:依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;
本实施例中,对于故障特征和故障失效模式在文中进行了介绍,在这里不再赘述。
S202:获取故障特征和失效模式的修正信息;
本实施例中,修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
也就是说,该故障诊断模型中可以增加失效模式以及故障特征,也可以对现有的故障特征与失效模式的相关性进行修正。
其中,已有的故障特征与失效模式的相关性大小的修正值可以是根据维修人员反馈的相关信息统计出来的,具体的,还包括:
统计第二目标故障特征与第二目标失效模式的相关的数量,得到相关性数值;
统计第二目标故障特征与第二目标失效模式相关的数量,得到无关性数值;
基于所述相关性数值和所述无关性数值,计算第二目标故障特征与第二目标失效模式相关性大小的修正值。
举例说明:不同的维修人员根据得出的失效模式对发动机进行维修,维修后可以确定出失效模式与故障特征的相关性。例如,针对于失效模式S1,假设有10个车辆出现了S1故障,维修人员维修后,有9个维修人员发现S1模式与G2相关,有1个维修人员发现S1模式与G2无关,则可以确定出S1模式与G2的相关性大小修正值为9/10。
其中,该修正信息的获取可以是周期性的,也可以在接收到相应的触发信号后,获取修正信息。
S203:依据所述修正信息对所述诊断模型进行修正。
本实施例中,根据上述获取到的修正信息,可以增加:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,也可以根据得到的修正值对相应的故障特征和失效模式的相关性大小进行修正。
本实施例中,依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型,并不断的对故障诊断模型进行修正,提高了故障诊断模型的精确度,进而通过该故障诊断模型进行故障诊断,提高了故障诊断的准确率。
参考图3,示出了本发明实施例提供的一种发动机故障诊断装置的结构示意图,在本实施例中,该装置包括:
故障特征采集单元301,用于获取或者接收发动机第一目标故障特征;
诊断单元302,用于依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;
故障确定单元303,用于基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式。
可选的,所述故障确定单元,包括:
故障值计算子单元,用于依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;
故障确定子单元,用于选取故障值最大的失效模式作为目标失效模式。
可选的,还包括:
模型构建单元,用于依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;
修正信息获取单元,用于获取故障特征和失效模式的修正信息;
修正单元,用于依据所述修正信息对所述诊断模型进行修正。
可选的,所述修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
通过本实施例的装置,实现了对故障诊断的自动化,并且,由于故障诊断模型是经过不断修正后得到的,通过故障诊断模型对故障进行诊断,提高了故障诊断的准确率。
参考图4,示出了本发明实施例提供的一种电子设备的结构示意图,包括:
故障特征采集模块401,用于获取或者接收发动机第一目标故障特征;
存储模块402,用于存储所述故障诊断模型;所述故障诊断模型包括故障特征和故障失效模式的相关性;
处理单元403,用于集成故障诊断算法,用于通过所述故障诊断算法第一目标故障特征进行故障诊断。
通过本实施例的设备,不仅实现了对故障诊断的自动化,并且提高了故障诊断的准确率。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种发动机故障诊断方法,其特征在于,包括:
获取或者接收发动机第一目标故障特征;
依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;所述多个失效模式为所述故障诊断模型中的每个失效模式;
基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式;
所述基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式,包括:
依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;
选取故障值最大的失效模式作为目标失效模式;
在第一目标故障特征包括多个故障特征的情况下,每个失效模式会对应多个故障特征,每个失效模式的故障值为该失效模式与不同故障特征相关性大小的和值;
其中,还包括:
依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述故障诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;
获取故障特征和失效模式的修正信息;
依据所述修正信息对所述诊断模型进行修正;
所述修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
2.根据权利要求1所述的方法,其特征在于,还包括:
统计第二目标故障特征与第二目标失效模式的相关的数量,得到相关性数值;
统计第二目标故障特征与第二目标失效模式相关的数量,得到无关性数值;
基于所述相关性数值和所述无关性数值,计算第二目标故障特征与第二目标失效模式相关性大小的修正值。
3.一种发动机故障诊断装置,其特征在于,包括:
故障特征采集单元,用于获取或者接收发动机第一目标故障特征;
诊断单元,用于依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;所述多个失效模式为所述故障诊断模型中的每个失效模式;
故障确定单元,用于基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式;
其中,所述故障确定单元,包括:
故障值计算子单元,用于依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;
故障确定子单元,用于选取故障值最大的失效模式作为目标失效模式;
在第一目标故障特征包括多个故障特征的情况下,每个失效模式会对应多个故障特征,每个失效模式的故障值为该失效模式与不同故障特征相关性大小的和值;
其中,还包括:
模型构建单元,用于依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述故障诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;
修正信息获取单元,用于获取故障特征和失效模式的修正信息;
修正单元,用于依据所述修正信息对所述诊断模型进行修正;
所述修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
4.一种电子设备,其特征在于,包括:
故障特征采集模块,用于获取或者接收发动机第一目标故障特征;
存储模块,用于存储故障诊断模型;所述故障诊断模型包括故障特征和故障失效模式的相关性;
处理单元,用于集成故障诊断算法,通过所述故障诊断算法和第一目标故障特征进行故障诊断;其中,依据故障诊断模型确定所述第一目标故障特征与多个失效模式相关性的大小;所述故障诊断模型包括故障特征和故障失效模式的相关性;所述多个失效模式为所述故障诊断模型中的每个失效模式;
基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式;所述基于所述第一目标故障特征与所述失效模式的相关性大小,确定第一目标失效模式,包括:依据每个失效模式和第一目标故障特征的相关性,计算每个失效模式的故障值;选取故障值最大的失效模式作为目标失效模式;在第一目标故障特征包括多个故障特征的情况下,每个失效模式会对应多个故障特征,每个失效模式的故障值为该失效模式与不同故障特征相关性大小的和值;依据预设的故障特征和失效模式之间的相关性,构建故障诊断模型;所述故障诊断模型中包含每个故障特征和每个故障失效模式之间的相关性大小;获取故障特征和失效模式的修正信息;依据所述修正信息对所述诊断模型进行修正;所述修正信息包括:新的故障特征与失效模式的相关性大小、新的失效模式与故障特征的相关性大小,已有的故障特征与失效模式的相关性大小的修正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810694985.0A CN108875240B (zh) | 2018-06-29 | 2018-06-29 | 一种发动机故障诊断方法、装置及一种电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810694985.0A CN108875240B (zh) | 2018-06-29 | 2018-06-29 | 一种发动机故障诊断方法、装置及一种电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875240A CN108875240A (zh) | 2018-11-23 |
CN108875240B true CN108875240B (zh) | 2023-04-18 |
Family
ID=64296960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810694985.0A Active CN108875240B (zh) | 2018-06-29 | 2018-06-29 | 一种发动机故障诊断方法、装置及一种电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108875240B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109357876A (zh) * | 2018-12-29 | 2019-02-19 | 潍柴动力股份有限公司 | 发动机故障的确定方法及装置 |
CN113777486A (zh) * | 2021-09-08 | 2021-12-10 | 上海交通大学 | 电机故障诊断的方法、装置及电机故障诊断系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009252137A (ja) * | 2008-04-10 | 2009-10-29 | Nec Personal Products Co Ltd | 予防保全システム |
DE102015203213A1 (de) * | 2014-02-24 | 2015-08-27 | Denso Corporation | Vorrichtung und programm zum erzeugen von korrekturparametern für diagnosedaten |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666711B (zh) * | 2009-09-16 | 2011-06-15 | 中国人民解放军海军航空工程学院 | 一种基于模糊语义网络的发动机综合故障诊断方法 |
CN102521613B (zh) * | 2011-12-17 | 2014-01-08 | 山东省科学院自动化研究所 | 一种汽车电子系统的故障诊断方法 |
CN106021771A (zh) * | 2016-05-30 | 2016-10-12 | 天河国云(北京)科技有限公司 | 一种故障诊断方法及装置 |
CN106875053A (zh) * | 2017-02-15 | 2017-06-20 | 济中节能技术(苏州)有限公司 | 基于bayes算法的风机故障诊断方法和诊断系统 |
-
2018
- 2018-06-29 CN CN201810694985.0A patent/CN108875240B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009252137A (ja) * | 2008-04-10 | 2009-10-29 | Nec Personal Products Co Ltd | 予防保全システム |
DE102015203213A1 (de) * | 2014-02-24 | 2015-08-27 | Denso Corporation | Vorrichtung und programm zum erzeugen von korrekturparametern für diagnosedaten |
Non-Patent Citations (2)
Title |
---|
Kadir Cicek等.Application of failure modes and effects analysis to main engine crankcase explosion failure on-board ship.《Safety Science》.2013,第51卷(第1期),全文. * |
张翠侠.基于自我调节学习的柴油机故障诊断研究.河北北方学院学报(自然科学版).2012,(第04期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN108875240A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918382B (zh) | 一种汽车故障诊断方法、汽车故障诊断装置及电子设备 | |
CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
US20210335063A1 (en) | Fault code hierarchy system | |
US8768668B2 (en) | Diagnostic algorithm parameter optimization | |
CN113815464B (zh) | 充电桩的推荐方法、装置、车辆以及存储介质 | |
CN108875240B (zh) | 一种发动机故障诊断方法、装置及一种电子设备 | |
CN109190776B (zh) | 汽车故障的复检方法、装置、终端设备及存储介质 | |
CN113778557B (zh) | 车辆诊断软件配置方法、装置、服务器及存储介质 | |
CN112034824A (zh) | 汽车诊断方法、装置、设备及计算机可读存储介质 | |
CN111582771A (zh) | 风险评估方法、装置、设备及计算机可读存储介质 | |
CN109861857A (zh) | 故障检测方法及装置 | |
CN106528419B (zh) | 一种业务系统的测试方法及装置 | |
CN110553649B (zh) | 一种轨迹优化算法及储存介质、监管系统 | |
CN111553491A (zh) | 一种车辆维修记录的生成方法及相关装置 | |
CN110737587A (zh) | 一种基于测试案例的测试方法、装置、存储介质和服务器 | |
CN105137776B (zh) | 计量自动化终端控制辅助系统 | |
CN111784425B (zh) | 一种订单号生成方法、异常处理方法及装置 | |
CN111125828A (zh) | 电动车体检方法、装置、终端设备及存储介质 | |
CN111722610A (zh) | 一种测试用例生成方法及装置 | |
CN116151376A (zh) | 一种多渠道归因的方法、系统、电子设备及可读存储介质 | |
CN113988800A (zh) | 电量异常用户核查方法、装置、计算机设备和存储介质 | |
CN106950609A (zh) | 一种检测产品线上装配组件的方法、装置及系统 | |
CN113787977A (zh) | 车辆维修方法、通信设备及存储介质 | |
US20120323616A1 (en) | Methods and systems for determining downtime drivers | |
CN111782178B (zh) | 一种月度能耗计算方法、装置及存储介质 |
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 |