CN109359002A - 故障仿真方法和系统 - Google Patents

故障仿真方法和系统 Download PDF

Info

Publication number
CN109359002A
CN109359002A CN201811183663.6A CN201811183663A CN109359002A CN 109359002 A CN109359002 A CN 109359002A CN 201811183663 A CN201811183663 A CN 201811183663A CN 109359002 A CN109359002 A CN 109359002A
Authority
CN
China
Prior art keywords
failure
value
affecting parameters
triggered
fault simulation
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
Application number
CN201811183663.6A
Other languages
English (en)
Other versions
CN109359002B (zh
Inventor
贝晓狮
王文静
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 Global Crown Jinyang Technology Development Co Ltd
Original Assignee
Beijing Global Crown Jinyang Technology Development Co Ltd
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 Global Crown Jinyang Technology Development Co Ltd filed Critical Beijing Global Crown Jinyang Technology Development Co Ltd
Priority to CN201811183663.6A priority Critical patent/CN109359002B/zh
Publication of CN109359002A publication Critical patent/CN109359002A/zh
Application granted granted Critical
Publication of CN109359002B publication Critical patent/CN109359002B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/22Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26Functional testing
    • G06F11/261Functional testing by simulating additional hardware, e.g. fault simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种故障仿真方法和系统,通过监控模块实时监控预设的各个故障是否被触发,若监控到任意故障对应的故障触发值由非触发态变更为触发态时,确定该故障被触发;根据该故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。经由上述公开的故障仿真方法可以获得各类故障下的仿真结果,便于后续进行故障分析,可以有效的解放所占用的人力成本以及时间成本。

Description

故障仿真方法和系统
技术领域
本发明涉及仿真系统技术领域,尤其涉及一种故障仿真方法和系统。
背景技术
随着科技的发展,各种新设备在各个行业大放异彩,同时,也有很多新的设备不断的被人们开发出来。
目前,在各种设备的运行期间,都有可能因为某些原因引发运行中的设备出现一些故障。在现有技术中,技术人员在设备运行期或者开发后期会着针对这些突然出现的故障进行相关的故障分析和实物实验。而不可避免的,在故障分析和实物实验过程中会花费大量的人力成本以及时间成本。
有上述可知,采用现有技术的方式进行故障分析,会占用大量的人力成本以及时间成本的问题。
发明内容
有鉴于此,本发明实施例提供了一种故障仿真方法和系统,以实现节约故障分析的人力成本以及时间成本的目的。
为实现上述目的,本发明实施例提供如下技术方案:
本发明第一方面公开了一种故障仿真方法,包括:
在故障仿真中,实时监控预设的各个故障是否被触发,所述故障包括影响类型,每一所述影响类型包括至少一个影响参数;
若监控到任意所述故障对应的故障触发值由非触发态变更为触发态时,确定所述故障被触发;
根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。
优选的,所述预设的各个故障的预设过程包括:
确定故障的名称,以及所述故障对应的影响类型;
确定所述影响类型包含的影响参数;
设定不同故障被触发时对应的故障触发值;
将所述故障名称、所述影响类型、所述影响参数和所述故障触发值作为所述故障的故障信息以XML格式保存。
优选的,所述影响类型包括:固定值、线性变换、值偏移、值延时、高斯噪音、区间值和值保持;
其中,所述固定值至少包括一个影响参数,所述影响参数的取值为故障被触发时所述影响参数所使用的数值;
所述线性变换至少包括两个影响参数,一所述影响参数的取值为故障触发后所述故障出现的持续时间,另一所述影响参数的取值为所述持续时间结束时所述影响参数对应的数值;
所述值偏移至少包括一个影响参数,所述影响参数的取值为在当前所述影响参数的基础上偏移的数值;
所述值延时至少包括一个影响参数,所述影响参数的取值为当前时刻减去获取所述影响参数的时刻得到的计算结果;
所述高斯函数至少包括一个影响参数,所述影响参数的取值为所述影响参数的幅值;
所述值区间至少包括两个影响参数,一所述影响参数的取值为影响参数有效区间的最小值,另一所述影响参数的取值为影响参数有效区间的最大值。
优选的,所述各个故障被触发的方式包括:
在所述故障仿真过程中,计算各个所述故障的故障触发值,若计算得到的所述故障触发值由非触发态变更为触发态,确定所述故障触发值对应的故障被触发。
优选的,所述各个故障被触发的方式包括:
在所述故障仿真过程中,基于控制控件手动修改所述故障对应的故障触发值,使得所述故障触发值由非触发态变更为触发态,确定所述故障被触发。
本发明第二方面公开了一种故障仿真系统,包括:
监控模块,用于在故障仿真中,实时监控预设的各个故障是否被触发;若监控到任意所述故障对应的故障触发值由非触发态变更为触发态时,确定所述故障被触发,所述故障包括影响类型,每一所述影响类型包括至少一个影响参数;
仿真模块,用于根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。
优选的,所述故障仿真系统还包括:
故障定义模块,用于确定故障的故障名称,所述故障对应的影响参数,所述影响类型包含的影响参数,设定不同故障被触发时对应的故障触发值,将所述故障名称、所述影响类型、所述影响参数和所述故障触发值作为所述故障的故障信息以XML格式保存。
优选的,所述监控模块,用于在所述故障仿真过程中,计算各个所述故障的故障触发值,若计算得到的故障触发值由非触发态变更为触发态,确定所述故障触发值对应的故障被触发。
优选的,所述故障仿真系统包括:
控件手动触发模块,用于提供控制控件手动修改所述故障对应的触发值,使得所述故障触发值由非触发态变更为触发态。
经由上述技术方案可知,本发明实施例公开一种故障仿真方法和系统。通过实时监控预设的各个故障是否被触发,一旦故障被触发后,则根据确定的影响类型修改影响类型对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。经由上述过程实现对故障的模拟,可以有效的解放所占用的人力成本以及时间成本。
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为本发明实施例公开的一种故障仿真方法的流程示意图;
图2为本发明实施例公开的涉及故障预设的流程示意图;
图3为本发明实施例公开的一种故障仿真系统的结构图;
图4为本发明实施例公开的另一种故障仿真系统的结构图;
图5为本发明实施例公开的另一种故障仿真系统的结构图。
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。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,现有技术中,主要在设备运行去或者开发后期对突然出现的故障进行相关的故障分析和实物实验,从而会导致在这一环节花费大量的人力成本以及时间成本,并且所得到的故障分析结果并不具有复现性。而且无法再设备设计阶段给与设计人员以有效的信息指导。因此,本发明公开了一种故障仿真方法及系统,以实现在不过多的耗费人力以及时间成本的情况下完成故障分析。
实施例一
如图1所示,为本发明实施例公开的一种故障仿真方法的流程示意图。包括如下步骤:
步骤S101:在故障仿真中,实时监控预设的各个故障是否被触发。如果是,则执行步骤S102;如果否,则继续执行监控。
在步骤S101中,预设的各个故障通过故障模型体现。在故障仿真中对预设的各个故障进行的监控,该故障仿真是基于预先建立的故障模型执行的。该故障模型中包含根据仿真模型确定的具体用途的影响类型以及影响参数。将该预先建立的故障模型加载于仿真工程中进行故障仿真。
步骤S102:若监控到任意所述故障对应的故障触发值由非触发态变更为触发态时,确定所述故障被触发。
在执行步骤S102过程中,所述故障对应的故障触发值由非触发态变更为触发态的触发方式有多种。
可选的,可以采用关联关系触发,也可以采用控件手动触发。
关联关系触发是指:在所述故障仿真过程中,计算各个所述故障的故障触发值,若计算得到的所述故障触发值由非触发态变更为触发态,确定所述故障触发值对应的故障被触发。
其中,所述故障触发值用于描述故障是否被触发。
控件手动触发是指:在所述故障仿真过程中,基于控制控件手动修改所述故障对应的故障触发值,使得所述故障触发值由非触发态变更为触发态,确定所述故障被触发。
其中,所述故障触发值用于描述故障是否被触发。
若采用控件手动触发方式进行触发,所述控制控件包括但不限于按钮、滑块、手柄、旋钮。
步骤S103:根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。
上述本发明实施例公开的故障仿真方法,通过实时监控故障模型中的预设故障是否被触发,确定故障触发之后,根据所述故障包含的影响类型修改对应的影响参数的取值,然后利用修改后的影响参数计算故障仿真结果。基于上述故障仿真方法进行故障分析,可以有效的解放传统故障分析所占用的人力成本或者时间成本。
进一步的,本发明实施例公开的故障仿真方法还提供了不一样的两种故障触发方式,用于在不同情况下选择更合适的故障触发方式,进而提高故障分析的效率,进一步节省时间成本。
基于上述本发明实施例公开的一种故障仿真方法,在执行步骤S101的过程中,涉及的各个故障为预先设置。预设所述各个故障的过程,如图2所示,包括如下步骤:
步骤S201:确定故障的故障名称,以及所述故障对应的影响类型。
步骤S202:确定所述影响类型包含的影响参数。
步骤S203:设定不同故障被触发时对应的故障触发值。
步骤S204:将所述故障名称、所述影响类型、所述影响参数和所述故障触发值作为所述故障的故障信息以XML格式保存。
基于上述,所述影响类型包括但不仅限于以下类型:固定值、线性变换、值偏移、值延时、高斯噪声、区间值和值保持。
每一所述影响类型包括至少一个影响参数。
故障影响参数的个数以及影响参数的意义如表1所示:
由上述表1可知:
所述固定值至少包括一个影响参数,所述影响参数的取值为故障被触发时所述影响参数所使用的数值。
所述线性变换至少包括两个影响参数,一所述影响参数的取值为故障触发后所述故障出现的持续时间,另一所述影响参数的取值为所述持续时间结束时所述影响参数的数值。
所述值偏移至少包括一个影响参数,所述影响参数的取值为在当前所述影响参数的基础上偏移的数值。
所述值延时至少包括一个影响参数,所述影响参数的取值为当前时刻减去获取所述影响参数的时刻得到的计算结果。
所述高斯函数至少包括一个影响参数,所述影响参数的取值为所述影响参数的幅值。
所述区间值至少包括两个影响参数,一所述影响参数的取值为影响参数有效区间的最小值,另一所述影响参数的取值为影响参数有效区间的最大值。
所述值保持为对应影响参数时刻等于故障被触发时对应影响参数的数值。
需要说明的是,上述预先设置的故障并非全部可能出现的故障,在进行故障分析的过程中,可选的,可随时添加影响类型以及设置其对应的影响参数,以及相应的故障触发值。
上述本发明实施例公开的故障仿真方法,通过实时监控故障模型中的预设故障是否被触发,确定故障触发之后,根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。基于上述故障仿真方法进行故障分析,可以有效的解放所占用的人力成本和时间成本。
进一步的,本发明实施例公开的故障仿真方法中,预设的各个故障的具体内容通过故障模型体现,在执行仿真工程时,在仿真工程的工程界面中选择故障模型并添加所述故障模型,添加故障模型之后会自动加载故障模型中预设的故障,加载结束之后按照上述本发明实施例公开的故障仿真方法进行故障仿真。
基于上述本发明实施例公开的一种故障仿真方法,在执行步骤S102的过程中,通过监控到任意所述故障对应的故障触发值由非触发态变更为触发态时,确定所述故障被触发。上述本发明实施例中公开了触发所述故障由非触发态变更为触发态的两种优选触发方式。
在具体实现中,基于上述预设的各个故障类型的内容,采用关联关系触发时,针对不同故障类型的具体计算方式。
不同故障类型的具体计算方式如下表2所示:
表2:
由上述表2可知:
所述固定值的计算方式为影响参数的取值被无条件设置为给定的固定参数值。
所述线性变换的计算方式为获取当前时刻值和影响参数值组成(t_start,v_start)值对,结合参数故障时长和结束值,计算结束时刻的值对(t_end,v_end),根据上述四个值,对故障期内任何时间点做线性差值计算,将计算的值赋值给影响参数。
所述值偏移的计算方式为影响参数的数值与设置的偏移值相加获得新值用于计算。
所述值延时的计算方式为影响参数使用当前的时刻值减去延时参数所得到时刻为对应的正常数值结果。
所述高斯函数的计算方式为根据高斯噪声计算随机数字,与幅值参数相乘后加在影响参数的正常数值上作为新的故影响参数。
所述区间值的计算方式为设置最小值和最大值,当影响参数值在该区间内,则什么都不做,若影响参数小于最小值,则使用最小值,若影响参数大于最大值,则使用最大值。
所述值保持的计算方式为记录故障发生时刻的影响参数的数值,直到故障解除,一直持续使用记录保持影响参数的值不变。
上述本发明实施例公开的故障仿真方法,通过实时监控故障模型中的预设故障是否被触发,确定故障由关联关系触发之后,通过故障对应影响类型的计算方法自动修改对应的影响参数,并利用修改后的影响参数计算故障仿真结果,直到所述故障的故障触发状态由触发态变为非触发态。基于上述故障仿真方法进行故障分析,可以有效的解放所占用的人力成本和时间成本。
实施例二
如图3所示,为本发明实施例公开一种故障仿真系统结构图。该故障仿真系统400包括:监控模块401和仿真模块402。
监控模块401,用于在故障仿真中,实时监控预设的各个故障是否被触发;若监控到任意所述故障对应的故障触发值由非触发态变更为触发态,确定所述故障被触发,所述故障包括影响类型,每一所述影响类型包括至少一个影响参数。
仿真模块402,用于根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算对应的故障仿真结果。
在具体实现中,由监控模块401实时监控预设的故障在仿真模块402进行仿真时是否被触发,确定故障的触发状况。若监控到任意所述故障对应的故障触发值由非触发态变更为触发态,确定所述故障被触发。
需要说明的是,所述监控模块401不仅用于实时监控故障是否被触发,还可用于实时监控故障对应的故障触发值是否由触发态切换为非触发态。
上述本发明实施例公开的故障仿真系统用于本发明实施实例公开的故障仿真方法的执行,通过监控模块401进行实时监控故障是否被触发,可以准确的判断故障是否触发。通过仿真模块402修改故障对应所述影响参数的取值,然后根据修改后的影响参数计算故障仿真结果,可以得出对应该故障的分析结果,为处理真实设备故障提供理论基础。
进一步的,所述监控模块401还可以监控故障对应的故障触发值是否从触发态切换为非触发态,从而可以准确地判断仿真模块402进行故障分析时对应故障是否解除触发。
基于上述本发明实施例公开的故障仿真系统。在具体实现过程中,监控模块401所监控的预设的各个故障是否被触发的触发,由该故障仿真系统400中的监控模块401或控件手动触发模块403执行。
所述监控模块401,还用于实现关联关系触发故障,在所述故障仿真过程中,计算各个所述故障的故障触发值,若计算得到所述故障触发值由非触发态变更为触发态,确定所述故障被触发。
该监控模块401的关联关系触发的具体执行过程和原理,可参见上述本发明实施例公开的一种故障仿真方法中对应的关联关系触发的记载,两者一致,这里不再进行赘述。
结合图3示出的故障仿真系统400,该控件手动触发模块403的结构具体如图4中所示。
所述控件手动触发模块403,用于提供控制控件手动修改所述故障对应的故障触发值,使得所述故障触发值由非触发态变更为触发态,确定所述故障被触发。
该控件手动触发模块403的具体执行过程和原理,可参见上述本发明实施例公开的一种故障仿真方法中对应的控件手动触发的记载,两者一致,这里不再进行赘述。
上述本发明实施例公开的故障仿真系统,提供了不一样的两种故障触发方式,用于在不同情况下选择更合适的故障触发方式,进而提高故障分析的效率,进一步节省时间成本。
基于上述本发明实施例公开的故障仿真系统。在具体实现的过程中,监控模块401所监控的故障的预设过程,由该故障仿真系统400中的故障定义模块404执行。
结合图3和图4示出的故障仿真系统400,该故障定义模块404的结构具体如图5所示。
所述故障定义模块404,用于确定故障的故障名称,所述故障对应的影响类型,所述影响类型包含的影响参数,以及设定不同故障被触发时对应的故障触发值,将所述故障名称、所述影响类型、所述影响参数和所述故障触发值作为所述故障的故障信息以XML格式保存。
其中,所述影响类型包括但不仅限于以下类型:固定值、线性变换、值偏移、值延时、高斯噪声、区间值和值保持。
所述影响参数可以为多个。
该故障定义模块404的具体执行过程和原理,可参见上述本发明实施例公开的一种故障仿真方法中对应的预设所述各个故障过程的记载,两者一致,这里不再进行赘述。
上述本发明实施例公开的故障仿真系统,所述故障定义模块404用于预设故障并保存。预先设置故障的影响类型、故障的影响参数以及故障触发值,使得故障被触发时,可以准确的用故障影响参数描述故障。并且监控模块401可以通过故障触发值准确判断故障是否触发。
需要说明的是,图3-图5中所示出的各个模块的具体实现原理和过程,可参见上述本发明实施例公开的故障仿真方法相应的说明,这里不再进行赘述。
综上所述,本发明实施例公开的故障仿真方法及系统,通过实时监控故障模型中的预设故障是否被触发,确定故障由关联关系触发之后,通过故障对应故障类型的计算方法自动修改对应的影响参数,直到所述故障对应的故障触发状态变更为非触发态。基于上述故障仿真方法进行故障分析,可以有效的解放所占用的人力成本和时间成本。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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 (9)

1.一种故障仿真方法,其特征在于,所述方法包括:
在故障仿真中,实时监控预设的各个故障是否被触发,所述故障包括影响类型,每一所述影响类型包括至少一个影响参数;
若监控到任意所述故障对应的故障触发值由非触发态变更为触发态时,确定所述故障被触发;
根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。
2.根据权利要求1所述的方法,其特征在于,所述预设的各个故障的预设过程包括:
确定故障的故障名称,以及所述故障对应的影响类型;
确定所述影响类型包含的影响参数;
设定不同故障被触发时对应的故障触发值;
将所述故障名称、所述影响类型、所述影响参数和所述故障触发值作为所述故障的故障信息以XML格式保存。
3.根据权利要求2所述的方法,其特征在于,所述影响类型包括固定值、线性变换、值偏移、值延时、高斯噪声、区间值和值保持;
其中,所述固定值至少包括一个影响参数,所述影响参数的取值为故障被触发时所述影响参数所使用的数值;
所述线性变换至少包括两个影响参数,一所述影响参数的取值为故障触发后所述故障出现的持续时间,另一所述影响参数的取值为所述持续时间结束时所述影响参数对应的数值;
所述值偏移至少包括一个影响参数,所述影响参数的取值为在当前所述影响参数的基础上偏移的数值;
所述值延时至少包括一个影响参数,所述影响参数的取值为当前时刻减去获取所述影响参数的时刻得到的计算结果;
所述高斯函数至少包括一个影响参数,所述影响参数的取值为所述影响参数的幅值;
所述区间值至少包括两个影响参数,一所述影响参数的取值为影响参数有效区间的最小值,另一所述影响参数的取值为影响参数有效区间的最大值。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述各个故障被触发的方式包括:
在所述故障仿真过程中,计算各个所述故障的故障触发值,若计算得到的所述故障触发值由非触发态变更为触发态,确定所述故障触发值对应的故障被触发。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述各个故障被触发的方式包括:
在所述故障仿真过程中,基于控制控件手动修改所述故障对应的故障触发值,使得所述故障触发值由非触发态变更为触发态,确定所述故障被触发。
6.一种故障仿真系统,其特征在于,所述系统包括:
监控模块,用于在故障仿真中,实时监控预设的各个故障是否被触发;若监控到任意所述故障对应的故障触发值由非触发态变更为触发态时,确定所述故障被触发,所述故障包括影响类型,每一所述影响类型包括至少一个影响参数;
仿真模块,用于根据所述故障包含的影响类型修改对应的影响参数的取值,利用修改后的影响参数计算故障仿真结果。
7.根据权利要求6所述的系统,其特征在于,所述故障仿真系统还包括:
故障定义模块,用于确定故障的故障名称,所述故障对应的影响类型,所述影响类型包含的影响参数,设定不同故障被触发时对应的故障触发值,将所述故障名称、所述影响类型、所述影响参数和所述故障触发值作为所述故障的故障信息以XML格式保存。
8.根据权利要求6或7所述的系统,所述监控模块,用于在所述故障仿真过程中,计算各个所述故障的故障触发值,若计算得到的所述故障触发值由非触发态变更为触发态,确定所述故障触发值对应的故障被触发。
9.根据权利要求6或7所述的系统,所述故障仿真系统包括:
控件手动触发模块,用于提供控制控件手动修改所述故障对应的触发值,使得所述故障触发值由非触发态变更为触发态。
CN201811183663.6A 2018-10-11 2018-10-11 故障仿真方法和系统 Active CN109359002B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811183663.6A CN109359002B (zh) 2018-10-11 2018-10-11 故障仿真方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811183663.6A CN109359002B (zh) 2018-10-11 2018-10-11 故障仿真方法和系统

Publications (2)

Publication Number Publication Date
CN109359002A true CN109359002A (zh) 2019-02-19
CN109359002B CN109359002B (zh) 2020-11-06

Family

ID=65348748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811183663.6A Active CN109359002B (zh) 2018-10-11 2018-10-11 故障仿真方法和系统

Country Status (1)

Country Link
CN (1) CN109359002B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1665205A (zh) * 2004-01-30 2005-09-07 微软公司 故障检测和诊断
CN104657265A (zh) * 2015-02-10 2015-05-27 上海创景计算机系统有限公司 软件故障注入和分析的流程定义方法
CN104793171A (zh) * 2015-04-23 2015-07-22 广西电网有限责任公司电力科学研究院 一种基于故障仿真的智能电表故障检测方法
CN105259792A (zh) * 2015-11-18 2016-01-20 南京国电南自电网自动化有限公司 一种自动仿真系统
CN105955065A (zh) * 2016-05-13 2016-09-21 中国航空工业集团公司西安飞机设计研究所 一种基于故障注入的仿真测试系统
CN106357462A (zh) * 2016-10-28 2017-01-25 北京润科通用技术有限公司 故障注入方法、芯片和设备
CN106610895A (zh) * 2015-10-27 2017-05-03 北汽福田汽车股份有限公司 一种仿真模型评估方法及装置
CN106650149A (zh) * 2016-12-30 2017-05-10 苏州同元软控信息技术有限公司 基于Modelica模型的运行时故障注入系统及方法
CN106951576A (zh) * 2016-01-06 2017-07-14 北京仿真中心 一种仿真试验评估系统及评估方法
CN108301989A (zh) * 2018-01-31 2018-07-20 湖南优利泰克自动化系统有限公司 一种风电机组故障记录方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1665205A (zh) * 2004-01-30 2005-09-07 微软公司 故障检测和诊断
CN104657265A (zh) * 2015-02-10 2015-05-27 上海创景计算机系统有限公司 软件故障注入和分析的流程定义方法
CN104793171A (zh) * 2015-04-23 2015-07-22 广西电网有限责任公司电力科学研究院 一种基于故障仿真的智能电表故障检测方法
CN106610895A (zh) * 2015-10-27 2017-05-03 北汽福田汽车股份有限公司 一种仿真模型评估方法及装置
CN105259792A (zh) * 2015-11-18 2016-01-20 南京国电南自电网自动化有限公司 一种自动仿真系统
CN106951576A (zh) * 2016-01-06 2017-07-14 北京仿真中心 一种仿真试验评估系统及评估方法
CN105955065A (zh) * 2016-05-13 2016-09-21 中国航空工业集团公司西安飞机设计研究所 一种基于故障注入的仿真测试系统
CN106357462A (zh) * 2016-10-28 2017-01-25 北京润科通用技术有限公司 故障注入方法、芯片和设备
CN106650149A (zh) * 2016-12-30 2017-05-10 苏州同元软控信息技术有限公司 基于Modelica模型的运行时故障注入系统及方法
CN108301989A (zh) * 2018-01-31 2018-07-20 湖南优利泰克自动化系统有限公司 一种风电机组故障记录方法

Also Published As

Publication number Publication date
CN109359002B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
Harrold et al. Empirical studies of a prediction model for regression test selection
US6088678A (en) Process simulation technique using benefit-trade matrices to estimate schedule, cost, and risk
CA2132904C (en) Tracer system for error analysis in running real-time systems
CN100378647C (zh) 自适应计算机显示屏幕窗口的计算机系统和方法
US10475090B2 (en) Calculating user experience scores
Varki Response time analysis of parallel computer and storage systems
Lo et al. Optimal resource allocation and reliability analysis for component-based software applications
EP1650662A3 (en) Method and system for testing software program based upon states of program execution instability
JP2011041435A (ja) 電力系統監視制御システム訓練装置
CN109359002A (zh) 故障仿真方法和系统
KR101501830B1 (ko) 야구경기 간섭에 의한 결과 시뮬레이션 방법 및 그 시스템
Ganesan et al. Predicting return-on-investment for product line generations
Pollack-Johnson et al. Project planning under uncertainty using scenario analysis
Farinelli et al. Design and evaluation of multi agent systems for rescue operations
Parker Task-oriented multi-robot learning in behavior-based systems
CN111159038A (zh) 一种模拟cpu负载的方法及电子设备
Farren et al. System test cost modelling based on event rate analysis
Syaifudin et al. Performance investigation of unit testing in android programming learning assistance system
Schnor et al. Load management for load balancing on heterogeneous platforms: A comparison of traditional and neural network based approaches
Ritchie Planning and control of R & D activities
CN110298708A (zh) 一种确定应用程序卸载率的方法及系统
Jezic et al. Multi-agent system for remote software operations
Heinis et al. Automatic configuration of an autonomic controller: An experimental study with zero-configuration policies
JPH10240113A (ja) 電力系統運用訓練シミュレータ
Tehler et al. Using microworlds to study critical infrastructure protection—the effect of incentives on risk management

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