CN109871616A - 一项设备内部参量关联性辨识技术 - Google Patents
一项设备内部参量关联性辨识技术 Download PDFInfo
- Publication number
- CN109871616A CN109871616A CN201910126896.0A CN201910126896A CN109871616A CN 109871616 A CN109871616 A CN 109871616A CN 201910126896 A CN201910126896 A CN 201910126896A CN 109871616 A CN109871616 A CN 109871616A
- Authority
- CN
- China
- Prior art keywords
- parameter
- important parameters
- time
- derivative item
- influence
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于机械设计制造领域,公开了一项设备内部参量关联性辨识技术,包含如下步骤:步骤(1):针对动力设备,确定重要参量;步骤(2):确定重要参量时间导数项的影响参量;步骤(3):建立重要参量、重要参量时间导数项、影响参量间相互影响的关联图;本发明通过建立重要参量、重要参量时间导数项、影响参量间的综合关联图,能够清晰地展示参量间的关联性,能够清晰地反映参量动态变化的原因;本发明在设备动态仿真建模中能够辅助研究人员理解数学方程的物理意义,检测所建立方程是否足够模拟所有重要参量的变化,有利于提升建模仿真效率;本发明可以排除那些与所研究问题没有直接或者间接联系的参量以及数学方程,提升仿真计算效率。
Description
技术领域
本发明属于机械设计制造领域,尤其涉及一项设备内部参量关联性辨识技术。
背景技术
建模仿真是利用模型复现实际系统中发生的本质过程,并通过对系统模型的实验来研究存在的或设计中的系统,又称模拟。这里所指的模型包括物理的和数学的,静态的和动态的,连续的和离散的各种模型。所指的系统也很广泛,包括电气、机械、化工、水力、热力等系统,也包括社会、经济、生态、管理等系统。当所研究的系统造价昂贵、实验的危险性大或需要很长的时间才能了解系统参数变化所引起的后果时,仿真是一种特别有效的研究手段。仿真的重要工具是计算机。仿真与数值计算、求解方法的区别在于它首先是一种实验技术。仿真的过程包括建立仿真模型和进行仿真实验两个主要步骤。
20世纪初仿真技术已得到应用。例如在实验室中建立水利模型,进行水利学方面的研究。40~50年代航空、航天和原子能技术的发展推动了仿真技术的进步。60年代计算机技术的突飞猛进,为仿真技术提供了先进的工具,加速了仿真技术的发展。利用计算机实现对于系统的仿真研究不仅方便、灵活,而且也是经济的。因此计算机仿真在仿真技术中占有重要地位。50年代初,连续系统的仿真研究绝大多数是在模拟计算机上进行的。50年代中,人们开始利用数字计算机实现数字仿真。计算机仿真技术遂向模拟计算机仿真和数字计算机仿真两个方向发展。在模拟计算机仿真中增加逻辑控制和模拟存储功能之后,又出现了混合模拟计算机仿真,以及把混合模拟计算机和数字计算机联合在一起的混合计算机仿真。在发展仿真技术的过程中已研制出大量仿真程序包和仿真语言。70年代后期,还研制成功专用的全数字并行仿真计算机。
在动力设备的研制制造过程中,由于动力设备运行中内部物理机理复杂,内部各区域重要参量如温度、压力、物质浓度在动态变化,并相互影响。动力设备在不同工况下的状态与动态响应特性对动力设备稳定、安全、经济运行以及对操作员培训都具有重要意义。目前动力设备建模仿真研究关心的主要是重要参量随时间的变化,参量间的相互关联,及参量动态响应规律尚缺乏可工程化的辨识技术,无法深入反映所建立模型的合理性是否存在多余的数学方程及数学方程是否足以正确描述物理过程、全面性是否缺少数学方程、针对性数学方程是否能够代表所研究对象,不利于提升模型精度与建模计算效率。
因此考虑动力设备中重要参量的关联性与动态响应规律,建立参量间关联性及与动态响应关系的预测方案,用于清晰地表述所研究对象内部物理过程的实质,帮助仿真研究者对模型的理解,指导仿真建模过程辅助动力设备的运行操作,这类研究很有必要。
发明内容
本发明的目的在于公开效率高、层次清晰的一项设备内部参量关联性辨识技术。
本发明的目的是这样实现的:
一项设备内部参量关联性辨识技术,包含如下步骤:
步骤(1):针对动力设备,确定重要参量:
步骤(1.1):根据相关的学科知识,将对动力设备内部物理过程及对设备运行与安全经济性有重要影响的参量划为重要参量;
步骤(1.2):根据相关技术人员及使用者的认知与建议,将对动力设备内部物理过程及对设备运行与安全经济性有重要影响的参量划为重要参量;
步骤(1.3):将能够影响步骤(1.1)和步骤(1.2)确定的重要参量的时间导数项的参量划为重要参量;
步骤(2):确定重要参量时间导数项的影响参量;
步骤(2.1):整理出含重要参量时间导数项的数学方程,整理出方程中除重要参量时间导数项之外的参量,即重要参量时间导数项所受到的第一层直接影响参量;第一层直接影响参量可以包括也可以不包括重要参量本身,根据实际物理过程所对应的数学方程进行确定;
步骤(2.2):对第一层直接影响参量进行分类,将第一层直接影响参量中的边界条件参量、参量值不随时间改变的固定参量排除,得到保留的第一层直接影响参量;
步骤(2.3):对步骤(2.2)中保留的第一层直接影响参量继续进行分析,整理出对保留的第一层直接影响参量具有影响的参量,即重要参量时间导数项所受到的第二层直接影响参量;
步骤(2.4):对第二层直接影响参量进行分类,再整理去除第二层直接影响参量中的边界条件参量、参量值不随时间改变的固定参量,得到保留的第二层直接影响参量;
步骤(2.5):按照步骤(2.1)、步骤(2.2)、步骤(2.3)和步骤(2.4),继续逐层分析,直至得到最终影响参量;
步骤(2.6):对重要参量时间导数项相同的最终影响参量进行合并后,得到的最终影响参量即对重要参量时间导数项建立关联的影响参量;
步骤(3):建立重要参量、重要参量时间导数项、影响参量间相互影响的关联图;
步骤(3.1):建立重要参量与重要参量时间导数项的关联图:写出重要参量和重要参量时间导数项,再画出由重要参量时间导数项指向重要参量的箭头;
步骤(3.2):建立重要参量时间导数项与对应的影响参量的关联图:在一侧写出重要参量时间导数项,在另一侧写出对应的影响参量,再分别画出由对应的影响参量指向重要参量时间导数项的箭头;
步骤(3.3):将重要参量时间导数项的影响参量划为新的重要参量,按照步骤(2),确定新的重要参量时间导数项的影响参量,按照步骤(3.2),建立新的重要参量时间导数项与对应的影响参量的关联图;
步骤(3.4):将所有重要参量、重要参量时间导数项、影响参量建立的关联图,重新组合为综合关联图,连接依据为:重要参量时间导数项受到当前时刻即n时刻中不同影响参量的影响,而重要参量时间导数项将影响下一时刻即n+1时刻对应的重要参量;
步骤(3.5):在综合关联图中,对比当前时刻即n时刻与下一时刻即n+1时刻的重要参量是否相同,若相同则完成综合关联图的建立;若当前时刻即n时刻比下一时刻即n+1时刻的重要参量多,则继续对当前时刻即n时刻比下一时刻即n+1时刻多的重要参量的时间导数项进行分析,找出影响参量,建立重要参量时间导数项与对应的影响参量的关联图并合并到综合关联图中;再继续对比当前时刻即n时刻与下一时刻即n+1时刻的重要参量是否相同,直到当前时刻即n时刻与下一时刻即n+1时刻的重要参量相同为止。
本发明的有益效果为:
本发明通过建立重要参量、重要参量时间导数项、影响参量间的综合关联图,能够清晰地展示参量间的关联性,能够清晰地反映参量动态变化的原因;本发明在最初确定重要参量时,不需要投入大量时间找出所有重要参量,在建立综合关联图的过程中,即能够逐步找出动力设备中各重要参量;在综合关联图中,关联到新的影响参量时要在建模中增添相应的求解方程,能够防止在建立数学模型中遗漏必要的方程;本发明在设备动态仿真建模中能够辅助研究人员理解所建立数学方程的物理意义,检测所建立方程是否足够模拟所有重要参量的变化,有利于提升建模仿真效率;本发明可以排除那些与所研究问题没有直接或者间接联系的参量以及数学方程,提升仿真计算效率。由于模拟与所研究问题没有直接或者间接联系的参量变化,会增添仿真计算量,影响仿真速度,但本发明能够确定并排除与所关心的主要参量没有直接或者间接联系的参量;本发明有利于指导编程流程,并为程序查错提供帮助。因为所得到的综合关联图能够清晰地表述设备内部重要参量之间的联系,编程过程可以依据该联系而顺次编写对应的仿真模型;同时在仿真结果检查中,如果哪些参量结果偏差明显,可以依据综合关联图顺次向上查找问题所在;本发明不仅适用于设备的仿真建模过程,也可以应用于其它领域的研究之中,用于问题的发现、理解和相关研究。因为所发明技术反映的是参量与参量变化速率间相互影响的关系,而联系和运动普遍存在于客观世界中,对于某一研究对象,可以通过该方法指导,逐次找到其变化和运动的源推动力,以及与其联系的其它对象的相互关系,从而增加对问题的理解,并指导挖掘变化与运动的本质。
附图说明
图1是一项设备内部参量关联性辨识技术实施步骤示意图;
图2是重要参量与重要参量时间导数项间的关联图;
图3是重要参量时间导数项与影响参量间的关联图;
图4是影响参量时间导数项与影响参量间的关联图;
图5是未完成的综合关联图;
图6是新确定影响参量时间导数项与影响参量间的关联图;
图7是完成后的综合关联图。
具体实施方式
下面结合附图来进一步描述本发明:
实施例1:
如图1,一项设备内部参量关联性辨识技术,包含如下步骤:
步骤(1):确定动力设备中所关心的重要参量,建立重要参量所受影响的关联图。具体内容包括:根据传热学、热力学、流体力学等学科知识以及专家、业主、使用者、制造者等相关人员认知,确定对动力设备物理过程、设备运行安全性与经济性等有影响的重要参量以A代表,然后由于重要参量A的动态变化取决于建立参量A与影响关系的关联图,如图2所示。本步骤以及以下所有步骤关联图中箭头所指端的参量为被影响参量,箭头出发端的参量为影响参量。
步骤(2):找出影响重要参量时间导数项的影响参量,建立重要参量时间导数项所受影响的关联图。具体内容包括:根据动力设备运行的物理过程、规律、机理,建立设备运行时内部物理过程的数学方程,通过数学方程确定对重要参量时间导数项产生影响的影响参量,并建立影响的影响参量与间的关联图,如图3所示。
步骤(3):针对步骤(2)所建立关联图左侧的影响参量,将已被确定为重要参量的影响参量排除。具体内容包括:针对步骤(2)中所建立关联图中左侧的3个影响参量,排除重要参量A。
步骤(4):判断步骤(3)后是否存在影响参量,若不剩余任何影响参量,则流程进入步骤(7);若存在剩余影响参量,则进入步骤(5)。具体内容包括:由于经过步骤(3)后,步骤(2)所建立关联图左侧还存在影响参量B与影响参量C,所以进入步骤(5)。
步骤(5):将步骤(3)后所剩余影响参量定义成新的重要参量。具体内容包括:将步骤(2)中所建立关联图中除去重要参量A之外的影响参量B、影响参量C定义为新的重要参量。
步骤(6):针对步骤(5)中新定义的重要参量,确定其时间导数项的影响参量,并建立对应的关联图。具体内容包括:根据动力设备运行的物理过程、规律、机理,建立模拟动力设备物理过程的数学方程,根据所建立数学方程,确定步骤(5)中新定义的重要参量的时间导数项的影响参量,例如确定的影响参量为参量C、参量D,确定的影响参量为参量A、参量B,建立与影响参量A、B、C、D间的关联图,如图4所示。
步骤(7):将步骤(1)到步骤(6)所确定的影响关系统一连接,建立所有重要参量、重要参量时间导数项、影响参量的综合关联图。具体内容包括:如图5所示,将图2、图3、图4中的参量影响关系整合到一张图中,整合依据为当前时刻各重要参量时间导数项受到当前时刻即n时刻中不同影响参量的影响,而各重要参量时间导数项将影响下一时刻即n+1时刻的重要参量,例如n时刻的分别受到n时刻影响参量A、B、C、D的影响,同时n时刻的又将分别影响n+1时刻重要参量A、B、C的取值。
步骤(8):判断综合关联图中当前时刻影响参量与后一时刻的重要参量是否相同,若后一时刻缺少参量,则进入步骤(9);若不缺少则结束。具体内容包括:根据图5,对n时刻与n+1时刻所列参量进行对比,判断n+1时刻是否缺少参量,例如经判断图5中n+1时刻相比于n时刻缺少参量D,这样继续进入步骤(9),如果不缺少参量,即获得完成后的综合关联图,如图7,则整个流程结束。
步骤(9):确定综合关联图中后一时刻所缺参量时间导数项所受到的影响参量,建立后一时刻所缺参量时间导数项与其所对应的影响参量间的关联图,再将新的影响关联图整合到综合关联图中,再返回到步骤(8)。具体内容包括:确定参量D时间导数项所受到的影响参量B、影响参量D,并建立参量B、参量D与参量时间导数项的关联图,如图6所示;再将与其影响参量整合到图5中的综合关联图;最后再进入步骤(8)。
与现有技术相比,本发明通过建立重要参量、重要参量时间导数项、影响参量间的综合关联图,能够清晰地展示参量间的关联性,能够清晰地反映参量动态变化的原因;本发明在最初确定重要参量时,不需要投入大量时间找出所有重要参量,在建立综合关联图的过程中,即能够逐步找出动力设备中各重要参量;在综合关联图中,关联到新的影响参量时要在建模中增添相应的求解方程,能够防止在建立数学模型中遗漏必要的方程;本发明在设备动态仿真建模中能够辅助研究人员理解所建立数学方程的物理意义,检测所建立方程是否足够模拟所有重要参量的变化,有利于提升建模仿真效率;本发明可以排除那些与所研究问题没有直接或者间接联系的参量以及数学方程,提升仿真计算效率。由于模拟与所研究问题没有直接或者间接联系的参量变化,会增添仿真计算量,影响仿真速度,但本发明能够确定并排除与所关心的主要参量没有直接或者间接联系的参量;本发明有利于指导编程流程,并为程序查错提供帮助。因为所得到的综合关联图能够清晰地表述设备内部重要参量之间的联系,编程过程可以依据该联系而顺次编写对应的仿真模型;同时在仿真结果检查中,如果哪些参量结果偏差明显,可以依据综合关联图顺次向上查找问题所在;本发明不仅适用于设备的仿真建模过程,也可以应用于其它领域的研究之中,用于问题的发现、理解和相关研究。因为所发明技术反映的是参量与参量变化速率间相互影响的关系,而联系和运动普遍存在于客观世界中,对于某一研究对象,可以通过该方法指导,逐次找到其变化和运动的源推动力,以及与其联系的其它对象的相互关系,从而增加对问题的理解,并指导挖掘变化与运动的本质。
以上所述并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一项设备内部参量关联性辨识技术,其特征在于:包含如下步骤:
步骤(1):针对动力设备,确定重要参量;
步骤(2):确定重要参量时间导数项的影响参量;
步骤(3):建立重要参量、重要参量时间导数项、影响参量间相互影响的关联图。
2.根据权利要求1所述的一项设备内部参量关联性辨识技术,其特征在于:所述的步骤(1)具体为:
步骤(1.1):根据相关的学科知识,将对动力设备内部物理过程及对设备运行与安全经济性有重要影响的参量划为重要参量;
步骤(1.2):根据相关技术人员及使用者的认知与建议,将对动力设备内部物理过程及对设备运行与安全经济性有重要影响的参量划为重要参量;
步骤(1.3):将能够影响步骤(1.1)和步骤(1.2)确定的重要参量的时间导数项的参量划为重要参量。
3.根据权利要求1所述的一项设备内部参量关联性辨识技术,其特征在于:所述的步骤(2)具体为:
步骤(2.1):整理出含重要参量时间导数项的数学方程,整理出方程中除重要参量时间导数项之外的参量,即重要参量时间导数项所受到的第一层直接影响参量;第一层直接影响参量可以包括也可以不包括重要参量本身,根据实际物理过程所对应的数学方程进行确定;
步骤(2.2):对第一层直接影响参量进行分类,将第一层直接影响参量中的边界条件参量、参量值不随时间改变的固定参量排除,得到保留的第一层直接影响参量;
步骤(2.3):对步骤(2.2)中保留的第一层直接影响参量继续进行分析,整理出对保留的第一层直接影响参量具有影响的参量,即重要参量时间导数项所受到的第二层直接影响参量;
步骤(2.4):对第二层直接影响参量进行分类,再整理去除第二层直接影响参量中的边界条件参量、参量值不随时间改变的固定参量,得到保留的第二层直接影响参量;
步骤(2.5):按照步骤(2.1)、步骤(2.2)、步骤(2.3)和步骤(2.4),继续逐层分析,直至得到最终影响参量;
步骤(2.6):对重要参量时间导数项相同的最终影响参量进行合并后,得到的最终影响参量即对重要参量时间导数项建立关联的影响参量。
4.根据权利要求1所述的一项设备内部参量关联性辨识技术,其特征在于:所述的步骤(3)具体为:
步骤(3.1):建立重要参量与重要参量时间导数项的关联图:写出重要参量和重要参量时间导数项,再画出由重要参量时间导数项指向重要参量的箭头;
步骤(3.2):建立重要参量时间导数项与对应的影响参量的关联图:在一侧写出重要参量时间导数项,在另一侧写出对应的影响参量,再分别画出由对应的影响参量指向重要参量时间导数项的箭头;
步骤(3.3):将重要参量时间导数项的影响参量划为新的重要参量,按照步骤(2),确定新的重要参量时间导数项的影响参量,按照步骤(3.2),建立新的重要参量时间导数项与对应的影响参量的关联图;
步骤(3.4):将所有重要参量、重要参量时间导数项、影响参量建立的关联图,重新组合为综合关联图,连接依据为:重要参量时间导数项受到当前时刻即n时刻中不同影响参量的影响,而重要参量时间导数项将影响下一时刻即n+1时刻对应的重要参量;
步骤(3.5):在综合关联图中,对比当前时刻即n时刻与下一时刻即n+1时刻的重要参量是否相同,若相同则完成综合关联图的建立;若当前时刻即n时刻比下一时刻即n+1时刻的重要参量多,则继续对当前时刻即n时刻比下一时刻即n+1时刻多的重要参量的时间导数项进行分析,找出影响参量,建立重要参量时间导数项与对应的影响参量的关联图并合并到综合关联图中;再继续对比当前时刻即n时刻与下一时刻即n+1时刻的重要参量是否相同,直到当前时刻即n时刻与下一时刻即n+1时刻的重要参量相同为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910126896.0A CN109871616B (zh) | 2019-02-20 | 2019-02-20 | 一种设备内部参量关联性辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910126896.0A CN109871616B (zh) | 2019-02-20 | 2019-02-20 | 一种设备内部参量关联性辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109871616A true CN109871616A (zh) | 2019-06-11 |
CN109871616B CN109871616B (zh) | 2023-07-25 |
Family
ID=66918963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910126896.0A Active CN109871616B (zh) | 2019-02-20 | 2019-02-20 | 一种设备内部参量关联性辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109871616B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101657827A (zh) * | 2007-04-19 | 2010-02-24 | D-波系统公司 | 用于自动图像识别的系统、方法及装置 |
US20120084068A1 (en) * | 2010-09-30 | 2012-04-05 | University Of Utah Research Foundation | Incorporation of Uncertainty in Simulation Analysis |
CN102741706A (zh) * | 2009-12-16 | 2012-10-17 | 泰勒斯公司 | 地理参照图像区域的方法 |
WO2013140266A2 (en) * | 2012-03-19 | 2013-09-26 | Goji Ltd. | Applying rf energy according to time variations in em feedback |
US20150109617A1 (en) * | 2012-04-30 | 2015-04-23 | Mayo Foundation For Medical Education And Research | Spectrometric systems and methods for improved focus localization of time- and space-varying measurements |
CN106529041A (zh) * | 2016-11-14 | 2017-03-22 | 国网河南省电力公司电力科学研究院 | 一种汽轮机精细化建模及辨识方法 |
CN106682376A (zh) * | 2017-04-01 | 2017-05-17 | 国网河南省电力公司电力科学研究院 | 参数随工况变化实际特性的全过程汽轮机建模及辨识方法 |
CN107430772A (zh) * | 2015-03-30 | 2017-12-01 | 卡尔蔡司工业测量技术有限公司 | 机器的运动测量系统以及用于操作运动测量系统的方法 |
-
2019
- 2019-02-20 CN CN201910126896.0A patent/CN109871616B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101657827A (zh) * | 2007-04-19 | 2010-02-24 | D-波系统公司 | 用于自动图像识别的系统、方法及装置 |
CN102741706A (zh) * | 2009-12-16 | 2012-10-17 | 泰勒斯公司 | 地理参照图像区域的方法 |
US20120084068A1 (en) * | 2010-09-30 | 2012-04-05 | University Of Utah Research Foundation | Incorporation of Uncertainty in Simulation Analysis |
WO2013140266A2 (en) * | 2012-03-19 | 2013-09-26 | Goji Ltd. | Applying rf energy according to time variations in em feedback |
US20150109617A1 (en) * | 2012-04-30 | 2015-04-23 | Mayo Foundation For Medical Education And Research | Spectrometric systems and methods for improved focus localization of time- and space-varying measurements |
CN107430772A (zh) * | 2015-03-30 | 2017-12-01 | 卡尔蔡司工业测量技术有限公司 | 机器的运动测量系统以及用于操作运动测量系统的方法 |
CN106529041A (zh) * | 2016-11-14 | 2017-03-22 | 国网河南省电力公司电力科学研究院 | 一种汽轮机精细化建模及辨识方法 |
CN106682376A (zh) * | 2017-04-01 | 2017-05-17 | 国网河南省电力公司电力科学研究院 | 参数随工况变化实际特性的全过程汽轮机建模及辨识方法 |
Non-Patent Citations (5)
Title |
---|
GANG NIU 等: "Faultdiagnosisoflocomotiveelectro-pneumaticbrake throughuncertainbondgraphmodelingandrobust onlinemonitoring", 《MECHANICALSYSTEMSANDSIGNALPROCESSING》, vol. 50, pages 676 - 691 * |
姜博 等: "池式钠冷快堆事故余热排出系统一回路仿真研究", 《原子能科学技术》, vol. 49, no. 5, pages 863 - 870 * |
柳晖: "基于能量和量纲分析的高温蠕变分析方法研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》, no. 06, pages 022 - 4 * |
田兆斐 等: "船舶蒸汽系统管道仿真方法研究", 《系统仿真学报》, vol. 18, no. 4, pages 835 - 837 * |
莫小波: "复杂信号环境下的数据关联技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 03, pages 140 - 339 * |
Also Published As
Publication number | Publication date |
---|---|
CN109871616B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103514369B (zh) | 一种基于主动学习的回归分析系统及方法 | |
CN110472846A (zh) | 核电厂热工水力安全分析最佳估算加不确定性方法 | |
CN105893256A (zh) | 基于机器学习算法的软件故障定位方法 | |
CN106095684B (zh) | 一种预测性变异测试方法 | |
US20220261655A1 (en) | Real-time prediction method for engine emission | |
CN103278343B (zh) | 一种结构关键疲劳构件的识别方法 | |
CN104978275B (zh) | 一种面向do‑178c软件测试过程的目标验证及证据模型提取方法 | |
CN111259517A (zh) | 一种隧道爆破设计方法、装置及设备 | |
CN110399675A (zh) | 一种基于遗传算法的电梯层门多目标优化设计方法 | |
CN108763096A (zh) | 基于深度信念网络算法支持向量机的软件缺陷预测方法 | |
CN112879024A (zh) | 一种盾构姿态动态预测方法、系统及设备 | |
CN115687115A (zh) | 一种移动应用程序自动化测试方法及系统 | |
Zhong et al. | Assembly unit partitioning for hull structure in shipbuilding | |
CN105868115A (zh) | 软件密集型系统软件测试模型的构建方法和系统 | |
Rath et al. | Hybrid software reliability prediction model using feature selection and support vector classifier | |
CN105631135B (zh) | 基于abaqus基坑开挖快速建模分析系统及其应用方法 | |
CN106990768A (zh) | 基于Limited‑DTW的MKPCA间歇过程故障监测方法 | |
CN109871616A (zh) | 一项设备内部参量关联性辨识技术 | |
CN109711665A (zh) | 一种基于金融风控数据的预测模型构建方法及相关设备 | |
Zhang et al. | Analysis of automatic code generation tools based on machine learning | |
CN113742941B (zh) | 一种基于系统结构层次化分析的复杂装备系统测试性建模平台 | |
CN105045698A (zh) | 使用python的matplotlib分析芯片验证进度的方法 | |
CN111474905B (zh) | 一种机电产品制造过程参数漂移故障诊断方法 | |
Lu et al. | Physics guided neural network: Remaining useful life prediction of rolling bearings using long short-term memory network through dynamic weighting of degradation process | |
CN106874611A (zh) | 一种基于超体积迭代策略的含区间参数结构响应区间的分析方法 |
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 |