CN110334422B - 一种基于动态故障相关性的焊接设备可靠性的计算方法 - Google Patents
一种基于动态故障相关性的焊接设备可靠性的计算方法 Download PDFInfo
- Publication number
- CN110334422B CN110334422B CN201910553069.XA CN201910553069A CN110334422B CN 110334422 B CN110334422 B CN 110334422B CN 201910553069 A CN201910553069 A CN 201910553069A CN 110334422 B CN110334422 B CN 110334422B
- Authority
- CN
- China
- Prior art keywords
- probability
- reliability
- welding
- equipment
- calculating
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
该发明公开了一种基于动态故障相关性的焊接设备可靠性的计算方法,运用设备历史数据对设备部件的故障相关性进行动态分析领域。本发明考虑引入生命周期的概念,首先度量设备部件的生命周期,得到设备部件的生命周期指数;然后对设备各个部件间的相关性进行分析,并将生命周期指数引入设备部件故障的相关性分析中,得到设备部件的动态故障相关性;最后基于动态故障相关性对设备部件的综合可靠度进行度量,并进一步得到整个设备的整体可靠度。本发明通过引入设备部件的生命周期指数,得到设备部件的动态故障相关性,使得基于动态故障相关性的设备可靠性度量方案能够更准确评估焊接设备的整体可靠性。
Description
技术领域
本发明专利涉及的是一种运用设备历史数据对设备部件的故障相关性进行动态分析,然后度量设备部件的生命周期指数,最后将设备部件生命周期指数引入设备部件间的故障相关性分析之中,最后在此基础上对设备的整体可靠性进行度量的方法。
背景技术
随着技术的发展和企业的扩张,制造现场逐步走向流水性生产线的方向发展,越来越多的企业采用高效的流水性生产线进行生产活动。生产线及其设备优良的设计、装配过程与加工方式是其自有可靠性的重要保障,生产线的设备在生产活动中可能会出现各种失常情况,这些失常情况可引起系统效用和机能的严重破坏(发生故障),一般情况下对设备的故障分析是假设各个设备部件发生的故障是相互独立的,但是事实上生产线设备部件间故障的发生存在一定的关联性与耦合性。例如,当汽车的一个轮胎漏气时,会导致其它几个轮胎的胎压增加,从而使其它几个轮胎的故障率提高。而生产线某一设备一旦发生故障,会波及整个生产线。因此,设备部件故障之间的关联性与耦合性分析,在生产线设备的可靠性度量中的十分重要。
然而当前针对基于故障相关性的可靠性研究,都是假设设备部件故障的相关性恒定不变来进行分析。而事实上,大部分故障并不是一个“突发”的过程,设备部件从完好运行到产生故障之间,有一个健康状态下降的过程,就像人从中年到老年的过程一样。设备在长时间运行后,各个部件处于不同的生命周期,其中一个部件发生故障后,其他部件的负载会产生突变,大部分处于“青年期”的部件,能够承受该突变,而处于“老年期”的设备在这个突变下,很有可能出现故障。因此,部件之间的故障相关性——即部件的被影响度,会随着部件生命周期的改变而发生改变。因此,确定设备部件处于何种生命周期对设备部件间的故障相关性的分析尤为重要。
东北大学的中国专利公布号CN107479494B,公布日2019.05.28,发明名称为“一种基于数控机床子系统相关性的可靠性分配方法”,该方法能够对基于数控机床子系统相关性对其可靠性进行度量和分配,其度量方法充分的考虑了故障相关性,但是未能考虑部件生命周期对故障相关性的影响,将故障间的相关性视为恒定不变进行分析,忽略了部件生命周期前中后期对其他部件故障的被影响度的变化。对前期和后期的可靠性度量影响较大。
发明内容
本发明针对目前对生产线设备进行基于故障相关性的可靠性度量中将故障的相关性视作恒定不变,而没有考虑到部件的生命周期不同导致的部件间故障相关性的变化的问题,设计了一种引入设备生命周期指数的基于动态故障相关性的生产线的可靠性度量方法。
因此,本发明考虑引入生命周期的概念,首先度量设备部件的生命周期,得到设备部件的生命周期指数;然后对设备各个部件间的相关性进行分析,并将生命周期指数引入设备部件故障的相关性分析中,得到设备部件的动态故障相关性;最后基于动态故障相关性对设备部件的综合可靠度进行度量,并进一步得到整个设备的整体可靠度。
本发明的技术方案是一种基于动态故障相关性的焊接设备可靠性的计算方法,该方法包括:
步骤1:确定焊接设备中的部件包括:焊接电源、送丝机、焊枪、清枪站;观测焊接设备中焊接电源的电流值,送丝机的电流、焊枪的温度、清枪站的流量,得到各个部件的观测序列O=(o1,o2,…ot,…,oT),ot表示时刻t的观测量,T为观测的时刻总数;
步骤2:计算参数λ={π,X,Y},其中:X为转移概率矩阵、Y为观测概率矩阵、π为概率分布向量;所述转移概率矩阵X中每个元素xk,m表示从状态k转移到状态m的概率;观测概率矩阵Y中每个元素的估计值ym(l),表示当实际状态为m时,观测到的观测值为l的概率ym(l);概率分布向量π中每个元素的估计值为πk,表示某部件处于状态k的概率;
步骤2.1:定义前向变量:
αt(k)=P(o1o2…ot,st=hk|λ)
其中,αt(k)表示当前参数下,在t时刻隐状态st为hk时,之前的观测序列为o1o2…ot的概率;前向变量可以通过下面的递推算法计算:
步骤2.2:定义后向变量:
βt(k)=P(ot+1ot+2…oT|st=hk,λ)
定义后向变量也可以通过递推算法计算:
初始化:
βt(k)=1,1≤k≤N
递推:
βt(k)=xk,mym(ot+1)βt+1(m),t=T-1,T-2,...,1,1≤m≤N
步骤2.3:根据前向变量和后向变量定义,可得终止条件:
其中,αt(k)表示当前参数下,在t时刻隐状态st为hk时,之前的观测序列为o1o2…ot的概率;βt(k)表示在当前参数下,在t时刻隐变量st为hk时,之后的t+1时刻一直到观测终止时刻的观测序列为ot+1ot+2…oT的概率;
步骤2.4:定义隐含状态转移概率,即已知观测序列O和参数λ={π,X,Y},t时刻为隐状态st=hk且t+1时刻该状态变为hm的条件概率ξt(k,m)为:
ξt(k,m)=P(st=hk,st+1=hm|O,λ)
使用前向变量和后向变量计算ξt(k,m):
步骤2.5:定义已知参数λ={π,X,Y}和给定观测序列下在t时刻设备部件生命周期指数st=hk的条件概率γt(k):
得到:
步骤2.6:初始化参数λ0={π0,X0,Y0},前向变量α1(k)=πkyk(o1),1≤k≤N,后向变量βt(k)=1,1≤k≤N,代入观测序列O=(o1,o2,…,oT),按照步骤3.4到步骤3.5的方法计算出参数λ1;再根据λ1再按照步骤3.1到步骤3.5的方法计算出λ2,再根据λ2计算出λ3,依次循环计算直到P(O|λ)小于设定的阈值或循环次数大于N,此时的参数λ为求得的参数;
步骤3:根据步骤2计算得到的参数λ,采用动态规划的方法计算出各部件观测序列O=(o1,o2,…ot,…,oT)对应的最大可能性的维特比路径,即表示该部件的生命周期指数序列(h1,h2...ht...hT),ht表示t时刻的周期指数;
步骤4:设定焊接电源与送丝机、焊枪、清枪站之间存在故障传递,送丝机与焊接电源、焊枪之间存在故障传递,焊枪与焊接电源、送丝机、清枪站之间存在故障传递,清枪站与焊接电源、焊枪之间存在故障传递;
步骤5:采用网页排名算法计算各部件的被影响度CK;CK=(CK(1),CK(2),...CK(i)...CK(n))T,CK(i)表示部件i的被影响度表示其他设备部件发生故障时i也同时发生故障的概率,n表示部件的总个数;
步骤6:采用如下公式计算出引入生命周期理论后各部件的故障相关度;
CK(ht)i=(1-ht)CKi
CK(ht)i表示基于部件生命周期的被影响度,CK表示部件的被影响度,i表示设备编号;
进一步的,所述步骤3的具体方法为:
δ1(k)=πkyk(o1),1≤k≤N
其中:δ1(k)是指在t=1时刻,隐藏状态序列S所有的可能的路径中概率最大的(s1,s2,…,st)的概率值,st表示该部件在t时刻的状态,yk(o1)表示观测值为o1时,设备部件的隐状态为sk的概率;N表示生命周期指数集合中元素个数,表示t=1时刻生命周期指数为s的所有单个状态转移路径中,概率最大的路径的第t-1个节点隐状态;
步骤3.2:采用如下公式动态规划递推计算;
其中,xk,m表示状态转移概率矩阵X中的第(k,m)元素值;;
步骤3.5:设定某时刻t各部件对应的生命周期指数ht为时间段[t-T,t]内的平均值,其中T表示一个观测周期。
进一步的,所述步骤5的具体方法为:
根据步骤4得到的故障传递关系建立故障传递邻接矩阵,再根据故障传递邻接矩阵计算出状态转移矩阵C',初始化CK为全1向量,然后根据下式进行迭代计算,直至收敛:
E为元素全为1的n×1矩阵,d为阻尼因子。
进一步的,所述布步骤7的具体方法为:
电源可靠度函数为:
焊枪可靠度函数为:
送丝机可靠度函数为:
清枪站可靠度函数为:
最后焊接设备的整体可靠性由下式所得:
进一步的,所述步骤5中d=N/M,N表示生命周期指数集合中元素个数,M表示焊接设备出现故障的总次数。
本发明通过在焊接设备基于故障相关性的可靠性度量过程中,考虑设备部件间的故障相关性随设备部件的生命周期的变化而变化的特点,再设备部件的静态故障相关性的度量基础上,通过引入设备部件的生命周期指数,得到设备部件的动态故障相关性,使得基于动态故障相关性的设备可靠性度量方案能够更准确评估焊接设备的整体可靠性。
附图说明:
图1为焊枪生命周期指数示意图;
图2为焊接系统结构图;
图3为焊接系统功能关系图;
图4为故障传递有向图;
图5为基于故障相关性的可靠性度量流程图;
图6为设备生命周期划分标准示意图;
图7为隐马尔可夫模型示意图;
图8为隐含的状态转移示意图;
图9为Baum-Welch算法步骤示意图;
图10为设备部件生命周期判定步骤示意图;
图11为本发明采用网页排名算法计算各部件的被影响度的流程图。
具体实施方式
下面对本发明的实施例程详细说明,如图5所示,本实施例程在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但是本发明的保护范围不限于下述的实施例程。实施方式主要分为以下几个步骤:
步骤1:设备部件的生命周期判定
步骤1.1:设备部件生命周期划分
采用生命周期指数模型对设备部件的生命周期进行划分,利用生命周期指数H表征设备的生命周期划分。当处于[1,0.9)、[0.9,0.7)、[0.7,0.5)、[0.5,0.3)、[0.3,0]区间时,分别表示设备生命周期为“青年期”、“成年期”、“中年期”、“老年期”、“失效”,并分别记为h1、h2、h3、h4、h5。生命周期的划分及其与状态分值之间的对应关系如图6所示。
步骤1.2:基于历史数据通过HMM法得到设备部件生命周期指数序列HI
因为本专利研究对象是焊接生产线,因此这里设备部件的生命周期判定,以焊接设备中的部件焊枪为例;不同的部件选取不同的观测指标,这里焊枪选取温度为观测指标。
具体的步骤生命周期序列判定,如图10设备部件生命周期判定步骤所示,判定结果如图1;
步骤2:设备部件间的相关性分析
步骤2.1:分析设备结构及部件故障相关性建模
每个设备由不同的部件组成,每个部件有着不同的故障率和故障模式,并且同一设备不同部件间的故障存在相关性。这里以焊接设备为例进行设备部件故障相关性建模:
a)分析焊接设备部件间的故障相互影响,得到设备的总体构造图和部件间的功能关系图。
根据焊接设备具体构造,可以得到设备由焊接电源,焊枪,清枪站等部件组成,并且可以进一步得到如图2所示的总体构造图:
b)根据设备总体结构图进一步得到设备的功能关系图,如图3,该图包含了设备间的关系和设备间传递的具体内容。
c)根据历史故障数据,得到部件的故障发生频次和具体故障情况等数据。根据上面的分析,进一步得到故障传递有向图,并进行矩阵化处理。首先得到故障传递有向图,如图4故障传递有向图所示,箭头表示故障传递方向
然后由设备部件的编号{焊接电源,焊枪,送丝机,清枪站}对应{1,2,3,4},得到有向图相应的矩阵:
步骤2.2:设备部件间的故障相关度计算
根据设备故障传递有向图和故障传递邻接矩阵,由PR算法并进一步分析得到子系统的被影响度和影响度。
表1焊接设备部件CK值表
设备名称 | CK值 | 部件编号 | 归一化CK |
电源 | 0.0123 | 1 | 0.0284 |
焊枪 | 0.1246 | 2 | 0.2874 |
送丝机 | 0.1542 | 3 | 0.3556 |
清枪站 | 0.1425 | 4 | 0.3286 |
步骤2.3:引入生命周期理论的故障相关度计算
影响度和被影响度就是设备部件故障相关性的表征,其中被影响度表征了故障概率的相关性,影响度则是设备的维修重要度的一个因素。而设备的故障相关性不是恒定不变的,这里引入设备部件的生命周期指数,得到基于设备生命周期的被影响度。
引入生命周期后得到的基于生命周期的被影响度由如下公式决定:
CK(ht)i=(1-ht)CK
步骤3:度量设备的整体可靠性
由上面两步计算得到各个部件的可靠度函数如下所示,其中ht取对应时刻的设备生命周期指数的值,即代入t后可以得到具体的可靠度的值。
电源可靠度函数为:
焊枪可靠度函数为:
送丝机可靠度函数为:
清枪站可靠度函数为:
最后设备的整体可靠性由下式所得:
Claims (5)
1.一种基于动态故障相关性的焊接设备可靠性的计算方法,该方法包括:
步骤1:确定焊接设备中的部件包括:焊接电源、送丝机、焊枪、清枪站;观测焊接设备中焊接电源的电流值,送丝机的电流、焊枪的温度、清枪站的流量,得到各个部件的观测序列O=(o1,o2,…ot,…,oT),ot表示时刻t的观测量,T为观测的时刻总数;
步骤2:计算参数λ={π,X,Y},其中:X为转移概率矩阵、Y为观测概率矩阵、π为概率分布向量;所述转移概率矩阵X中每个元素xk,m表示从状态k转移到状态m的概率;观测概率矩阵Y中每个元素的估计值ym(l),表示当实际状态为m时,观测到的观测值为l的概率ym(l);概率分布向量π中每个元素的估计值为πk,表示某部件处于状态k的概率;
步骤2.1:定义前向变量:
αt(k)=P(o1o2…ot,st=hk|λ)
其中,αt(k)表示当前参数下,在t时刻隐状态st为hk时,之前的观测序列为o1o2…ot的概率;前向变量可以通过下面的递推算法计算:
步骤2.2:定义后向变量:
βt(k)=P(ot+1ot+2…oT|st=hk,λ)
定义后向变量也可以通过递推算法计算:
初始化:
βt(k)=1,1≤k≤N
递推:
βt(k)=xk,mym(ot+1)βt+1(m),t=T-1,T-2,...,1,1≤m≤N
步骤2.3:根据前向变量和后向变量定义,可得终止条件:
其中,αt(k)表示当前参数下,在t时刻隐状态st为hk时,之前的观测序列为o1o2…ot的概率;βt(k)表示在当前参数下,在t时刻隐变量st为hk时,之后的t+1时刻一直到观测终止时刻的观测序列为ot+1ot+2…oT的概率;
步骤2.4:定义隐含状态转移概率,即已知观测序列O和参数λ={π,X,Y},t时刻为隐状态st=hk且t+1时刻该状态变为hm的条件概率ξt(k,m)为:
ξt(k,m)=P(st=hk,st+1=hm|O,λ)
使用前向变量和后向变量计算ξt(k,m):
步骤2.5:定义已知参数λ={π,X,Y}和给定观测序列下在t时刻设备部件生命周期指数st=hk的条件概率γt(k):
得到:
步骤2.6:初始化参数λ0={π0,X0,Y0},前向变量α1(k)=πkyk(o1),1≤k≤N,后向变量βt(k)=1,1≤k≤N,代入观测序列O=(o1,o2,…,oT),按照步骤3.4到步骤3.5的方法计算出参数λ1;再根据λ1再按照步骤3.1到步骤3.5的方法计算出λ2,再根据λ2计算出λ3,依次循环计算直到P(O|λ)小于设定的阈值或循环次数大于N,此时的参数λ为求得的参数;
步骤3:根据步骤2计算得到的参数λ,采用动态规划的方法计算出各部件观测序列O=(o1,o2,…ot,…,oT)对应的最大可能性的维特比路径,即表示该部件的生命周期指数序列(h1,h2...ht...hT),ht表示t时刻的周期指数;
步骤4:设定焊接电源与送丝机、焊枪、清枪站之间存在故障传递,送丝机与焊接电源、焊枪之间存在故障传递,焊枪与焊接电源、送丝机、清枪站之间存在故障传递,清枪站与焊接电源、焊枪之间存在故障传递;
步骤5:采用网页排名算法计算各部件的被影响度CK;CK=(CK(1),CK(2),...CK(i)...CK(n))T,CK(i)表示部件i的被影响度表示其他设备部件发生故障时i也同时发生故障的概率,n表示部件的总个数;
步骤6:采用如下公式计算出引入生命周期理论后各部件的故障相关度;
CK(ht)i=(1-ht)CKi
CK(ht)i表示基于部件生命周期的被影响度,CK表示部件的被影响度,i表示设备编号;
2.如权利要求1所述的一种基于动态故障相关性的焊接设备可靠性的计算方法,其特征在于所述步骤3的具体方法为:
δ1(k)=πkyk(o1),1≤k≤N
其中:δ1(k)是指在t=1时刻,隐藏状态序列S所有的可能的路径中概率最大的(s1,s2,…,st)的概率值,st表示该部件在t时刻的状态,yk(o1)表示观测值为o1时,设备部件的隐状态为sk的概率;N表示生命周期指数集合中元素个数,表示t=1时刻生命周期指数为s的所有单个状态转移路径中,概率最大的路径的第t-1个节点隐状态;
步骤3.2:采用如下公式动态规划递推计算;
其中,xk,m表示状态转移概率矩阵X中的第(k,m)元素值;;
步骤3.5:设定某时刻t各部件对应的生命周期指数ht为时间段[t-T,t]内的平均值,其中T表示一个观测周期。
5.如权利要求3所述的一种基于动态故障相关性的焊接设备可靠性的计算方法,其特征在于所述步骤5中d=N/M,N表示生命周期指数集合中元素个数,M表示焊接设备出现故障的总次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910553069.XA CN110334422B (zh) | 2019-06-25 | 2019-06-25 | 一种基于动态故障相关性的焊接设备可靠性的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910553069.XA CN110334422B (zh) | 2019-06-25 | 2019-06-25 | 一种基于动态故障相关性的焊接设备可靠性的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110334422A CN110334422A (zh) | 2019-10-15 |
CN110334422B true CN110334422B (zh) | 2022-05-03 |
Family
ID=68142226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910553069.XA Active CN110334422B (zh) | 2019-06-25 | 2019-06-25 | 一种基于动态故障相关性的焊接设备可靠性的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334422B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0328876D0 (en) * | 2002-12-13 | 2004-01-14 | Gen Electric | Sensor device for detection of dissolved hydrocarbon gases in oil filled high-voltage electrical equipment |
CN104331572A (zh) * | 2014-11-17 | 2015-02-04 | 南京工程学院 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
CN108491860A (zh) * | 2018-02-24 | 2018-09-04 | 中国石油大学(北京) | 页岩气压裂装备全生命周期实时可靠性动态评估方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7689945B2 (en) * | 2005-09-15 | 2010-03-30 | D&R Solutions, LLC | Product reliability analysis |
US8489530B2 (en) * | 2007-12-03 | 2013-07-16 | Infosys Limited | System and method for root cause analysis of the failure of a manufactured product |
-
2019
- 2019-06-25 CN CN201910553069.XA patent/CN110334422B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0328876D0 (en) * | 2002-12-13 | 2004-01-14 | Gen Electric | Sensor device for detection of dissolved hydrocarbon gases in oil filled high-voltage electrical equipment |
CN104331572A (zh) * | 2014-11-17 | 2015-02-04 | 南京工程学院 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
CN108491860A (zh) * | 2018-02-24 | 2018-09-04 | 中国石油大学(北京) | 页岩气压裂装备全生命周期实时可靠性动态评估方法及装置 |
Non-Patent Citations (2)
Title |
---|
"基于故障相关性分析的可靠性配置";杜雷等;《计算机集成制造系统》;20110915;第17卷(第09期);第1973-1980页 * |
"白车身焊接生产线设备健康状态评估研究";朱品朝,李波等,;《装备应用与研究》;20190524(第15期);第42-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110334422A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107991870B (zh) | 一种电扶梯设备的故障预警与寿命预测方法 | |
CN109214708B (zh) | 基于交叉熵理论优化支持向量机的电力系统风险评估方法 | |
CN110348615B (zh) | 基于蚁群优化支持向量机的电缆线路故障概率预测方法 | |
CN112284440B (zh) | 一种传感器数据偏差自适应修正方法 | |
CN105468850B (zh) | 基于多残差回归预测算法的电子产品退化趋势预测方法 | |
CN113570138B (zh) | 一种时间卷积网络的设备剩余使用寿命预测方法及装置 | |
CN111798095A (zh) | 一种基于神经网络电力电缆状态评价方法 | |
CN109670625A (zh) | 基于无迹卡尔曼滤波最小二乘支持向量机的NOx排放浓度预测方法 | |
CN109617046B (zh) | 一种电力系统中配电网稳定性分析方法 | |
CN111723925A (zh) | 一种在途智能列车空调机组故障诊断方法、装置、设备及介质 | |
CN113033015A (zh) | 考虑两阶段自适应Wiener过程的退化设备剩余寿命预测方法 | |
CN113722906B (zh) | 基于数字孪生的数据中心空调系统可靠性评估方法 | |
CN110334422B (zh) | 一种基于动态故障相关性的焊接设备可靠性的计算方法 | |
KR20190126186A (ko) | 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램 | |
CN113435613B (zh) | 一种面向多维修事件的机会维修决策方法 | |
CN113489605B (zh) | 一种基于健康度的网络节点重要度评估方法 | |
CN112415337B (zh) | 一种基于动态集合覆盖的配电网故障诊断方法 | |
CN113962038A (zh) | 基于异质属性网络的功能交联复杂机械系统故障监测方法 | |
KR20200009081A (ko) | 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조 | |
CN112364446A (zh) | 基于ec-rbelm算法的发动机整机性能衰减预测方法 | |
CN112100919B (zh) | 一种基于re-cf-ekf算法的滚动轴承剩余寿命预测方法 | |
CN114971076A (zh) | 一种供水管网监测点多目标优化布置方法 | |
CN110456191B (zh) | 一种超大规模电池储能电站运行单元检测的方法及系统 | |
Hanshuo et al. | Research on fault prediction method of electronic equipment based on improved SVR algorithm | |
CN113946960A (zh) | 一种基于空间划分的实用动态安全域边界生成系统及方法 |
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 |