CN109030983A - 一种考虑激励测试的诊断关系矩阵生成方法 - Google Patents
一种考虑激励测试的诊断关系矩阵生成方法 Download PDFInfo
- Publication number
- CN109030983A CN109030983A CN201810595142.5A CN201810595142A CN109030983A CN 109030983 A CN109030983 A CN 109030983A CN 201810595142 A CN201810595142 A CN 201810595142A CN 109030983 A CN109030983 A CN 109030983A
- Authority
- CN
- China
- Prior art keywords
- matrix
- test
- failure
- exciting
- excitation
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Volume Flow (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明是一种考虑激励测试的诊断关系矩阵生成方法,用于产品有激励测试的故障诊断。本方法获取描述测试与激励关联关系的矩阵ET、获得描述激励源与故障可达关系的矩阵FE,根据矩阵ET和FE,获得描述激励测试与故障关联关系的矩阵FT1;根据故障和激励测试的信号流关系,建立描述故障与激励测试可达关系的矩阵FT2;通过矩阵FT1与FT2,得到描述故障与激励测试一阶相关性关系的矩阵De;建立描述故障与非激励测试一阶相关性关系的矩阵FT3;将De、FT3、ET通过合成计算,得到最后描述故障、测试、激励复合关系的矩阵D,根据D进行故障诊断。本发明方法降低了模型的复杂性和分析难度,有效支持包含激励测试的系统诊断。
Description
技术领域
本发明属于测试性技术领域,具体涉及相关性理论下的考虑激励测试的诊断关系矩阵生成方法。
背景技术
故障-测试相关性矩阵,简称相关性矩阵或D矩阵,是被测对象的组成单元故障与测试相关性的一种表示形式,不仅可以用于产品的测试性分析,还可直接利用其进行故障诊断。在产品的故障与测试信息已知的情况下,利用功能框图和信号流程分析可得到产品的D矩阵。
在实际应用中,产品的测试通常包括两类:有激励测试(简称激励测试)和无激励测试。激励测试指在测试时必须施加激励信号才能得到有效测试结果,无激励测试指无须施加激励信号即可直接执行的测试。
如图1所示,为激励测试的基本原理图,在设备正常工作的情况下,以一定的方式向设备输入端输入一个模拟信号,对其作直通测试,以监视有无故障发生,具体流程如下:微型计算机发出激励信号给N个简单循环单元SRU(1)~SRU(N),SRU(N)返回响应信号给微型计算机。如图2所示,为激励测试BIT(机内自测试,Built In Test)常见解决方案,BIT计算机输出测试信号给系统内的各个电路模块,系统内的软件和硬件模块按照信号传递进行输出,最后反馈给BIT计算机。
目前的测试性建模方法并未区分有激励测试和无激励测试,将所有测试都当作无激励测试处理。虽然通过功能绑定的建模方式能够得到正确的D矩阵关系,但在应用D矩阵进行诊断时,由于没有对激励测试进行标识和说明,导致诊断测试时没有施加相关激励,测试结果不准确,最终导致基于D矩阵的诊断结果不正确。
发明内容
为了解决上述问题,本发明提出一种考虑激励测试的诊断关系矩阵生成方法,在建立诊断关系矩阵时考虑激励测试,获取描述测试与激励关联关系的矩阵ET、描述激励源与故障可达关系的矩阵FE、描述激励测试与故障关联关系的矩阵FT1、描述故障与激励测试可达关系的矩阵FT2等,通过合成计算,得到最后描述故障、测试、激励复合关系的矩阵D,根据该复合关系矩阵,进行故障诊断。
本发明提供的一种考虑激励测试的诊断关系矩阵生成方法,包括以下几个步骤:
步骤1:首先获得系统的激励与激励测试的关联关系矩阵ET,然后获得系统的激励与故障的可达关系矩阵FE,根据矩阵ET和FE,获得描述激励测试与故障关联关系的矩阵FT1。
设系统中存在m个部件、l个激励测试、k个激励,用Fi表示第i个部件故障,m、l、k均为正整数;所获得的矩阵FT1为m×l的矩阵,矩阵FT1的元素zij(i≤m,j≤l)如下:
zij=1,表示系统中,与某测试Tj绑定的激励,能够传递到故障Fi;
zij=0,表示系统中,与某测试Tj绑定的激励,不能够传递到故障Fi。
步骤2:根据故障和激励测试的信号流关系,建立描述故障与激励测试可达关系的矩阵FT2;所述的矩阵FT2为m×l的矩阵,矩阵FT2的元素ftij(i≤m,j≤l)如下:
若ftij=1,表示故障Fi的信号能够通过路径传递到激励测试Tj;
若ftij=0,表示故障Fi的信号不能传递到激励测试Tj。
步骤3:将矩阵FT1与FT2中对应位置的元素作与运算,得到描述故障与激励测试一阶相关性关系的矩阵De;当矩阵De中的元素deij取值为1时,代表同时满足两个条件:1)故障Fi的信号能通过信号路径传递到激励测试Tj;2)故障Fi所在的部件能够接收到与激励测试Tj关联的激励信号。
步骤4:对被测系统根据故障与非激励测试的信号流关系,建立描述故障与非激励测试一阶相关性关系的矩阵FT3;设系统中的非激励测试有n-l个,n为正整数。
步骤5:将De、FT3、ET合成得到描述故障、测试、激励复合关系的矩阵D。
矩阵
步骤6:利用矩阵D对被测对象进行测试诊断。
本发明的优点和积极效果在于:
(1)本发明方法形成的复合关系矩阵D,不仅能正确表达故障与测试的相关性关系,还能描述测试与激励的关联关系,能够有效支持包含激励测试的系统诊断;
(2)本发明方法避免了采用功能绑定方法进行建模,降低了模型的复杂性和分析难度。
附图说明
图1是激励测试的基本原理示意图;
图2是激励测试BIT常见解决方案的示意图;
图3是本发明建立考虑激励测试的D矩阵的流程示意图;
图4是本发明实施例的某放大电路原理图;
图5是本发明实施例的某放大电路相关性图形模型。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种考虑激励测试的诊断关系矩阵生成方法,流程如图3所示,包括以下几个步骤:
步骤一:根据描述激励与激励测试的关联关系的矩阵ET,以及描述激励与故障可达关系的矩阵FE,得到描述激励测试与故障关联关系的矩阵FT1。
步骤1.1,获取描述激励与激励测试的关联关系的矩阵ET。
在存在激励测试的系统中,激励与激励测试的对应关系是给定的,激励测试只有在施加对应的激励信号时才能得到有效测试结果,ET表示激励与激励测试之间的关联关系。若系统存在l个激励测试T1,T2,…,Tl,k个激励E1,E2,…,Ek,则系统的激励—激励测试关联矩阵ET如(1)所示:
其中,矩阵ET为k×l的矩阵,行代表激励,列代表激励测试,矩阵ET中的元素etij为:
若etij=1(i≤l,j≤k),表示激励测试Tj与激励Ei存在关联关系;
若etij=0(i≤l,j≤k),表示激励测试Tj与激励Ei不存在关联关系。
步骤1.2,获取描述激励与故障可达关系的矩阵FE。
若被测单元/系统由m个部件(或称单元)组成,各部件故障用Fi表示,被测系统中有k个激励点。根据系统功能框图和信号流程分析可得到描述激励与故障间的可达关系的矩阵FE。
其中,矩阵FE为m×k的矩阵,行代表部件,列代表激励,矩阵FE中的元素feij(i≤m,j≤k)描述激励Ej与故障Fi的可达关系:
若feij=1(i≤m,j≤k),表示激励Ej能通过信号流传递到故障Fi的所在部件;
若feij=0(i≤m,j≤k),表示激励Ej不能通过信号流传递到故障Fi的所在部件。
步骤1.3,运算获取描述激励测试与故障关联关系的矩阵FT1。
根据FE和ET,可以得到描述激励测试和故障关联关系的矩阵FT1,该矩阵可由FE与ET通过矩阵相乘的运算得到,算法如下:
由上,可知矩阵FT1为m×l的矩阵,矩阵FT1的元素zij(i≤m,j≤l)物理含义为:
zij=1(i≤m,j≤l),表示系统中,与某测试Tj绑定的激励,能够传递到故障Fi;
zij=0(i≤m,j≤l),表示系统中,与某测试Tj绑定的激励,不能够传递到故障Fi。
对于一个激励测试,能够有效测试到一个故障信号的充要条件是:与该激励测试绑定的激励信号能够传递到该故障单元,即激励测试与故障的关联性取值为1,同时,该故障信号能够传递到该激励测试,即故障到测试的可达性取值为1,在下面步骤2说明。FT1描述了激励测试与故障的关联性,在此基础上,须继续补充故障信号与测试之间的可达性关系。
步骤二:根据故障和激励测试的信号流关系,建立描述故障与激励测试可达关系的矩阵FT2。若系统中存在m个故障模式,l个激励测试,由系统功能框图和信号流程分析,可以得到系统的故障—激励测试可达矩阵FT2如下:
其中,矩阵FT2为m×l的矩阵,矩阵FT2的元素ftij(i≤m,j≤l)用来描述故障Fi与激励测试Tj之间的信号可达关系,如下:
若ftij=1(i≤m,j≤l),表示故障Fi的信号能够通过路径传递到激励测试Tj;
若ftij=0(i≤m,j≤l),表示故障Fi的信号不能传递到激励测试Tj。
FT2描述了故障源与激励测试之间的可达关系。
步骤三:建立故障—激励测试关联可达矩阵De。
在得到FT1和FT2的基础上,合成得到描述故障与激励测试相关性关系的矩阵De,其定义如下:
De由矩阵FT1与FT2运算合成,将矩阵FT1与FT2中各对应位置的元素做与运算,De中的元素deij(i≤m,j≤l)计算为:
若zij=1,且ftij=1,则deij=1;若zij=0,或ftij=0,则deij=1。否则,若zij与ftij取值不同,则deij=0。
De为m×l的矩阵,元素deij描述了激励测试能够正确测试到故障信号的条件,当deij=1时,代表同时满足下面两点:
1)故障Fi的信号能通过信号路径传递到激励测试Tj,即故障到测试可达;
2)故障Fi所在的单元能够接收到与激励测试Tj关联的激励信号,即激励测试与故障关联。
当deij=0时,代表不能同时满足上面两点。
步骤四:根据故障和非激励测试的信号流关系,建立描述故障与非激励测试相关性的矩阵FT3。
故障与非激励测试之间不存在激励信号的限定关系,因此只需根据系统功能框图和信号流程,进行传统的故障和测试间的一阶相关性分析,即采用传统不考虑激励测试的D矩阵获取方法即可得到FT3。假设被测系统由m个部件组成,各部件故障用Fi表示,共有n-l个非激励测试,则其描述其故障与非激励测试的相关性矩阵FT3定义如下:
式中:第i行矩阵Fi=[di1 di2 … din]表示故障Fi与各个非激励测试Tj(j=1,2,…,n-l)的相关性;第j列矩阵Tj=[d1j d2j … dmj]T表示非激励测试Tj与各部件故障Fi(i=1,2,…,m)的相关性;矩阵FT3中各元素:
dij=1(i≤m,j≤n-l)时,表示非激励测试Tj能测得故障Fi,即Tj与Fi相关;
dij=0(i≤m,j≤n-l)时,表示非激励测试Tj不能测得故障Fi,即Tj与Fi不相关。
步骤五:合成得到描述故障、测试、激励复合关系的矩阵D。
为了对被测系统进行测试诊断,诊断矩阵需包含故障与激励测试、故障与非激励测试、测试与激励的复合关系。将ET、De、FT3组合得到描述故障、测试、激励间复合关系的矩阵D,如下形式:
具体D的矩阵可表示如下:
其中,E1,E2,…,Ek为激励,T1,T2,…,Tl为激励测试,Tl+1,Tl+2,…,Tn为非激励测试,F1,F2,…,Fm为故障。根据矩阵D,可以对包含激励测试的被测对象进行准确测试诊断。
步骤六:根据矩阵D,对被测对象进行测试和诊断。
步骤6.1,根据描述故障、测试激励复合关系的矩阵D,进行激励测试,得到测试结果。
按照矩阵D中列的顺序,按顺序逐个执行T1至Tl测试。执行每一个激励测试时需要加入相应的激励,其中:
激励测试Tj(1≤j≤l)执行时须添加的激励为etij=1(1≤i≤k)所对应的激励。
系统添加对应的激励信号后,执行测试,得到Tj的测试结果。
按照矩阵D中的列顺序,逐一添加激励,得到所有激励测试的测试结果。
步骤6.2,根据矩阵D,进行非激励测试,得到测试结果。
所有激励测试执行完毕后,执行所有非激励测试。
根据矩阵D,执行测试Tl+1至Tn,得到各个非激励测试的测试结果。
步骤6.3,将激励测试与非激励测试的结果合成,与矩阵D对照诊断,得到诊断结果。
将步骤6.1与步骤6.2所得到的各个测试的测试结果按照矩阵D中各列的顺序合成为向量。
将该向量与矩阵D中各行进行比对,若与第y行(1≤y≤m)所有元素重合。则得出诊断结果为故障模式(或模糊组)Fy。
实施案例:
如图4所示的某放大电路为被测系统,该系统包括6级放大模块,各模块具有放大信号的功能,该电路的相关性图形模型如图5所示。如图5所示,被测系统包括6个部件,各部件对应的故障模式分别为F1,F2,…,F6,被测系统中有两个激励源E1,E2,共有5个测试,其中T1,T2为激励测试,T3,T4,T5为非激励测试,,下面执行本发明方法来对该被测系统进行测试诊断。
步骤一:根据激励与激励测试的关联关系ET,以及激励与故障的可达关系FE,得到描述激励测试与故障关联关系的矩阵FT1。
根据激励与激励测试的关联关系,可以得到激励与激励测试的关联矩阵ET:
根据相关性图形模型中的激励信号与各故障模式的信号传递关系,可以得到激励与故障的可达关系矩阵FE:
根据激励与激励测试的关联矩阵ET和激励与故障的可达关系矩阵可以运算得到描述激励测试与故障关联关系的矩阵FT1:
步骤二:根据故障和激励测试的信号流关系,建立描述故障与激励可达关系的矩阵FT2。
根据相关性图形模型,能够得到用以描述故障与激励测试之间的信号可达关系的矩阵FT2:
步骤三:建立描述与激励测试相关性关系的矩阵De。根据步骤一所得的FT1与步骤二所得的FT2,将其作各对应元素与运算,可以得到描述与激励测试相关性关系的矩阵De:
矩阵De描述了激励测试与故障之间的相关性关系。
步骤四:根据故障和非激励测试的信号流关系,可以得到描述故障与非激励测试相关性关系的矩阵FT3:
步骤五:合成得到描述故障、测试、激励复合关系的矩阵D。
在步骤三和步骤四中,已经得到描述故障和激励测试关联可达关系的矩阵以及描述故障与非激励测试相关性的矩阵;结合描述激励与激励测试关联关系的矩阵,可以得到用于诊断的系统的描述故障、测试、激励测试复合关系的矩阵D。
利用此矩阵,可对系统进行诊断。
步骤六:根据矩阵D,对被测对象进行测试诊断。
案例电路中,非激励测试为T3,T4,T5,在正常工作状态,其测试值如下表所示:
测试点 | 监测值(电压幅值) | 对应测试结果 |
T3 | 0.1V | 0 |
T4 | 0.03V | 0 |
T5 | 0.017V | 0 |
E1,E2分别为12V的直流偏置电压,分别对应激励测试T1,T2。在电路正常状态,依次分别加入激励E1、E2,T1、T2的测试值如下表所示:
测试点 | 监测值(电压幅值) | 对应测试结果 |
T1 | 1.49mv | 0 |
T2 | 4.98mv | 0 |
故障实例1.
假定F5发生故障,无法正常输出电压信号,对该系统进行测试诊断。
运行仿真模型,此时各测试点测试值如下:
测试点 | 监测值(电压幅值) | 对应测试结果 |
T3 | 0.1V | 0 |
T4 | 0.03V | 0 |
T5 | 0V | 1 |
依次分别加入激励E1、E2,T1、T2的测试值如下表所示:
测试点 | 监测值(电压幅值) | 对应测试结果 |
T1 | 1.482mv | 0 |
T2 | 4.97mv | 0 |
根据测试结果,与故障—测试—激励复合关系矩阵D中各行进行对照,可得到测试结果与F5对应的行各值相同,诊断结果故障F5发生。
故障实例2:
假定F6发生故障,无法正常输出电压信号,对该系统进行测试诊断。
运行仿真模型,此时各测试点测试值如下:
测试点 | 监测值(电压幅值) | 对应测试结果 |
T3 | 0.1V | 0 |
T4 | 0.03V | 0 |
T5 | 0V | 0 |
依次分别加入激励E1、E2,T1、T2的测试值如下表所示:
测试点 | 监测值(电压幅值) | 对应测试结果 |
T1 | 1.49mv | 0 |
T2 | ≈0V | 1 |
根据测试结果,与故障—测试—激励复合关系矩阵D中各行进行对照,可得到测试结果与F6对应的行各值相同,诊断结果故障F6发生。
Claims (4)
1.一种考虑激励测试的诊断关系矩阵生成方法,用于存在激励测试的系统的故障诊断,其特征在于,所述方法包括如下步骤:
步骤1:首先获得系统的激励与激励测试的关联关系矩阵ET,然后获得系统的激励与故障的可达关系矩阵FE,根据矩阵ET和FE,获得描述激励测试与故障关联关系的矩阵FT1;
设系统中存在m个部件、l个激励测试、k个激励,用Fi表示第i个部件故障,m、l、k均为正整数;所获得的矩阵FT1为m×l的矩阵,矩阵FT1的元素zij(1≤i≤m,1≤j≤l)如下:
zij=1,表示系统中,与某测试Tj绑定的激励,能够传递到故障Fi;
zij=0,表示系统中,与某测试Tj绑定的激励,不能够传递到故障Fi;
步骤2:根据故障和激励测试的信号流关系,建立描述故障与激励测试可达关系的矩阵FT2;所述的矩阵FT2为m×l的矩阵,矩阵FT2的元素ftij(1≤i≤m,1≤j≤l)如下:
若ftij=1,表示故障Fi的信号能够通过路径传递到激励测试Tj;
若ftij=0,表示故障Fi的信号不能传递到激励测试Tj;
步骤3:将矩阵FT1与FT2中对应位置的元素作与运算,得到描述故障与激励测试一阶相关性关系的矩阵De;
当矩阵De中的元素deij取值为1时,代表同时满足两个条件:1)故障Fi的信号能通过信号路径传递到激励测试Tj;2)故障Fi所在的部件能够接收到与激励测试Tj关联的激励信号;
步骤4:对系统根据故障和非激励测试的信号流关系,建立描述故障与非激励测试相关性的矩阵FT3;设系统中的非激励测试有n-l个,n为正整数;
步骤5:将De、FT3、ET合成得到描述故障、测试、激励复合关系的矩阵D;
矩阵
步骤6:利用矩阵D对被测系统进行测试诊断。
2.根据权利要求1所述的方法,其特征在于,所述的矩阵ET中,行代表激励,列代表激励测试,则对于矩阵ET中的元素etij(1≤i≤l,1≤j≤k):若etij=1,表示激励测试Tj与激励Ei存在关联关系;若etij=0,表示激励测试Tj与激励Ei不存在关联关系。
3.根据权利要求1所述的方法,其特征在于,所述的矩阵FE中,行代表部件,列代表激励,则矩阵FE中元素feij(1≤i≤m,1≤j≤k)为:若feij=1,表示激励Ej能通过信号流传递到故障Fi的所在部件;若feij=0,表示激励Ej不能通过信号流传递到故障Fi的所在部件。
4.根据权利要求1所述的方法,其特征在于,所述的步骤6进行测试诊断的步骤包括:
步骤6.1,按照矩阵D的列顺序,依次顺序执行激励测试T1至Tl,在激励测试Tj(1≤j≤l)执行时,系统需要添加矩阵ET中元素etij=1所对应的激励;按照矩阵D中的列顺序,逐一添加激励,执行激励测试,得到所有激励测试的测试结果;
步骤6.2,按照矩阵D的列顺序,依次执行非激励测试Tl+1至Tn,得到各个非激励测试的测试结果;
步骤6.3,将步骤6.1与步骤6.2所得到的各个测试的测试结果按照矩阵D中各列的顺序合成为向量,将该向量与矩阵D中各行进行比对,若与第y行所有元素重合,则得出诊断结果为故障模式Fy。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810595142.5A CN109030983B (zh) | 2018-06-11 | 2018-06-11 | 一种考虑激励测试的诊断关系矩阵生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810595142.5A CN109030983B (zh) | 2018-06-11 | 2018-06-11 | 一种考虑激励测试的诊断关系矩阵生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109030983A true CN109030983A (zh) | 2018-12-18 |
CN109030983B CN109030983B (zh) | 2020-07-03 |
Family
ID=64612614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810595142.5A Active CN109030983B (zh) | 2018-06-11 | 2018-06-11 | 一种考虑激励测试的诊断关系矩阵生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109030983B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380084A (zh) * | 2020-12-05 | 2021-02-19 | 中国人民解放军32181部队 | 一种故障注入与仿真验证方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251574A (zh) * | 2008-03-25 | 2008-08-27 | 湖南大学 | 一种实时电子电路的故障诊断参数识别方法 |
JP2008202956A (ja) * | 2007-02-16 | 2008-09-04 | Yokogawa Electric Corp | 半導体試験装置 |
CN101493491A (zh) * | 2009-02-16 | 2009-07-29 | 陕西电力科学研究院 | 变电站地网缺陷综合诊断方法及其诊断系统 |
CN101548317A (zh) * | 2006-12-15 | 2009-09-30 | 松下电器产业株式会社 | 自适应激励矢量量化装置和自适应激励矢量量化方法 |
CN101821640A (zh) * | 2008-12-17 | 2010-09-01 | 惠瑞捷(新加坡)私人有限公司 | 用于确定用于检测芯片上的故障的相关值以及确定芯片上的位置的故障概率的方法和装置 |
CN102722471A (zh) * | 2012-05-21 | 2012-10-10 | 北京航空航天大学 | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 |
CN102818948A (zh) * | 2012-07-16 | 2012-12-12 | 北京航空航天大学 | 基于模糊故障诊断和相关性模型诊断的dr合成诊断方法 |
CN103698734A (zh) * | 2013-10-25 | 2014-04-02 | 广西电网公司电力科学研究院 | 智能电表基于仿真的虚拟故障测试方法 |
CN105786765A (zh) * | 2016-02-25 | 2016-07-20 | 南京航空航天大学 | 一种快速自适应地生成激励无关特征基函数的方法 |
CN105867345A (zh) * | 2016-03-24 | 2016-08-17 | 浙江科技学院 | 一种多变量化工过程的故障源和故障传播路径定位方法 |
-
2018
- 2018-06-11 CN CN201810595142.5A patent/CN109030983B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101548317A (zh) * | 2006-12-15 | 2009-09-30 | 松下电器产业株式会社 | 自适应激励矢量量化装置和自适应激励矢量量化方法 |
JP2008202956A (ja) * | 2007-02-16 | 2008-09-04 | Yokogawa Electric Corp | 半導体試験装置 |
CN101251574A (zh) * | 2008-03-25 | 2008-08-27 | 湖南大学 | 一种实时电子电路的故障诊断参数识别方法 |
CN101821640A (zh) * | 2008-12-17 | 2010-09-01 | 惠瑞捷(新加坡)私人有限公司 | 用于确定用于检测芯片上的故障的相关值以及确定芯片上的位置的故障概率的方法和装置 |
CN101493491A (zh) * | 2009-02-16 | 2009-07-29 | 陕西电力科学研究院 | 变电站地网缺陷综合诊断方法及其诊断系统 |
CN102722471A (zh) * | 2012-05-21 | 2012-10-10 | 北京航空航天大学 | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 |
CN102818948A (zh) * | 2012-07-16 | 2012-12-12 | 北京航空航天大学 | 基于模糊故障诊断和相关性模型诊断的dr合成诊断方法 |
CN103698734A (zh) * | 2013-10-25 | 2014-04-02 | 广西电网公司电力科学研究院 | 智能电表基于仿真的虚拟故障测试方法 |
CN105786765A (zh) * | 2016-02-25 | 2016-07-20 | 南京航空航天大学 | 一种快速自适应地生成激励无关特征基函数的方法 |
CN105867345A (zh) * | 2016-03-24 | 2016-08-17 | 浙江科技学院 | 一种多变量化工过程的故障源和故障传播路径定位方法 |
Non-Patent Citations (6)
Title |
---|
JUN-YOU SHI 等: "A KEY METRIC AND ITS CALCULATION MODELS FOR A CONTINUOUS DIAGNOSIS CAPABILITY BASE DEPENDENCY MATRIX", 《METROL. MEAS. SYST.》 * |
YI DENG 等: "An Extended Testability Modeling Method Based on the Enable Relationship Between Faults and Tests", 《2015 PROGNOSTICS AND SYSTEM HEALTH MANAGEMENT CONFERENCE-BEIJING》 * |
YIQIAN CUI 等: "An analytical model of electronic fault diagnosis on extension of the dependency theory", 《RELIABILITYENGINEERINGANDSYSTEMSAFETY》 * |
石君友 等: "故障诊断策略的优化方法", 《航空学报》 * |
石君友 等: "考虑多故障的测试性建模改进方法", 《北京航空航天大学学报》 * |
石君友 等: "通断式多态系统扩展测试性建模方法", 《北京航空航天大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380084A (zh) * | 2020-12-05 | 2021-02-19 | 中国人民解放军32181部队 | 一种故障注入与仿真验证方法 |
CN112380084B (zh) * | 2020-12-05 | 2024-03-26 | 中国人民解放军32181部队 | 一种故障注入与仿真验证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109030983B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102169846B (zh) | 一种在集成电路晶圆测试过程中实现多维变量密码并行写入的方法 | |
CN103064008B (zh) | 一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法 | |
CN106707221A (zh) | 一种电能计量装置中传感器故障诊断方法及系统 | |
CN109211546A (zh) | 基于降噪自动编码器及增量学习的旋转机械故障诊断方法 | |
RU2324967C1 (ru) | Программно-аппаратный стенд для диагностики цифровых и микропроцессорных блоков | |
CN101726414A (zh) | 一种航空发动机试车参数测量方法及其系统 | |
CN103455024B (zh) | Ecu测试系统及方法 | |
CN102879729B (zh) | 针对微机电集成系统的内建自测试系统 | |
CN106526460B (zh) | 一种电路故障定位方法及装置 | |
TW200849436A (en) | Method for wafer analysis with artificial neural network and system thereof | |
CN109030983A (zh) | 一种考虑激励测试的诊断关系矩阵生成方法 | |
CN101251574B (zh) | 一种实时电子电路的故障诊断参数识别方法 | |
Mathur et al. | Modeling and real-time diagnostics in TEAMS-RT | |
CN103165405A (zh) | 一种通过gpib接口实时生成多维变量密码方法 | |
CN100422754C (zh) | 集成电路实时检测的系统结构及其测试方法 | |
CN107346128A (zh) | 用于锁控板的自动化测试方法和系统 | |
Siddikov | About Testing Digital Devices by Reference Tests | |
CN106444695B (zh) | 一种智能航空舵机快速测试方法及装置 | |
EP1526459A3 (en) | Improved method for diagnosing complex system faults | |
CN109212373A (zh) | 列车供电系统的接地故障诊断与绝缘检测方法及装置 | |
CN114357919A (zh) | 对激励约束文件优化的反馈收敛方法和装置 | |
RU102393U1 (ru) | Контрольно-проверочный комплекс | |
Duan et al. | Fault diagnosis for sensors of aero-engine based on improved least squares support vector regression | |
Gruzlikov et al. | Testability Distributed Real-Time Computing System | |
Zhu et al. | Intelligent Fault Diagnosis for EHA Based on Muti-Source Fusion Hypergraph Convolutional Neural Networks Under Small Sample |
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 |