CN111027721A - 一种系统故障定位方法 - Google Patents

一种系统故障定位方法 Download PDF

Info

Publication number
CN111027721A
CN111027721A CN201911156247.1A CN201911156247A CN111027721A CN 111027721 A CN111027721 A CN 111027721A CN 201911156247 A CN201911156247 A CN 201911156247A CN 111027721 A CN111027721 A CN 111027721A
Authority
CN
China
Prior art keywords
fault
tested
point
node
matrix
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
CN201911156247.1A
Other languages
English (en)
Other versions
CN111027721B (zh
Inventor
冯浩楠
王俊高
臧永立
郜洪民
邢科家
王鲲
段宏伟
范楷
滕达
陈新建
高玉余
王彦
姜庆阳
唐凯林
白广争
黄苏苏
陈宁宁
封鹏瑞
高勇山
崔亦博
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.)
China Academy of Railway Sciences Corp Ltd CARS
Signal and Communication Research Institute of CARS
Beijing Ruichi Guotie Intelligent Transport Systems Engineering Technology Co Ltd
Beijing Huatie Information Technology Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Signal and Communication Research Institute of CARS
Beijing Ruichi Guotie Intelligent Transport Systems Engineering Technology Co Ltd
Beijing Huatie Information Technology 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 China Academy of Railway Sciences Corp Ltd CARS, Signal and Communication Research Institute of CARS, Beijing Ruichi Guotie Intelligent Transport Systems Engineering Technology Co Ltd, Beijing Huatie Information Technology Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN201911156247.1A priority Critical patent/CN111027721B/zh
Publication of CN111027721A publication Critical patent/CN111027721A/zh
Application granted granted Critical
Publication of CN111027721B publication Critical patent/CN111027721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种系统故障定位方法，包括：建立节点‑故障‑测试相关矩阵；基于待测系统的几何拓扑模型和测试结果，并结合待测系统监测传感器故障检测率与建立的节相关矩阵，计算待测系统的单点报警概率矩阵，进而建立待测系统的整体报警概率矩阵；计算实时故障观察向量和待测系统的整体报警概率矩阵的马氏距离，按马氏距离的从大到小排序，选取前s个马氏距离值对应的单点故障或者故障组合，按照从大到小原则输出系统故障定位结果。该方法在考虑监测设备故障检测率的基础上，通过衡量实时故障观测向量与待测系统的测试结果的概率空间相似度，实时快速定位系统故障原因，适用于单点故障和多点故障的情况，具有强操作性和高正确性，便于工程实现。

Description

一种系统故障定位方法
技术领域
本发明涉及系统故障定位技术领域，尤其涉及一种系统故障定位方法。
背景技术
随着技术的飞速发展，在高铁、地铁、航空、航天领域的大型复杂系统应运而生，安全性和可靠性问题是此类系统长期需要关注的重点方向。作为系统可测试性设计为基础，故障诊断一直是此类系统安全和可靠分析的重要手段，故障诊断使用测试的方法获得故障现象，进而确定故障原因并开展维修，传统的故障诊断一般以单故障模型为基础，但系统的复杂性也加剧了多故障并发的可能，给故障诊断提出了诸多挑战。
传统故障定位存在以下问题：1)没有考虑系统监测设备报警率，会造成误报警和报警正确率低；2)缺少对系统几何特点和容错率的估算，造成报警正确率低；3)在对故障信息处理的时候，并没有对信息进行去耦合处理，造成报警正确率低。
发明内容
本发明的目的是提供一种系统故障定位方法，在考虑监测设备故障检测率的基础上，通过衡量实时故障观测向量与待测系统的测试结果的概率空间相似度，实时快速定位系统故障原因，适用于单点故障和多点故障的情况，具有强操作性和高正确性，便于工程实现。
本发明的目的是通过以下技术方案实现的：
一种系统故障定位方法，包括：
对待测系统进行几何拓扑模型和可测性分析，建立节点-故障-测试相关矩阵；
基于待测系统的几何拓扑模型和测试结果，并结合待测系统监测传感器故障检测率以及节点-故障-测试相关矩阵，计算待测系统的单点报警概率矩阵，进而建立待测系统的整体报警概率矩阵；
计算实时故障观察向量和待测系统的整体报警概率矩阵的马氏距离，按马氏距离的从大到小排序，选取前s个马氏距离值对应的单点故障或者故障组合，按照从大到小原则输出系统故障定位结果。
由上述本发明提供的技术方案可以看出，(1)考虑系统监测设备报警正确率和误报警率、系统几何特点和容错率的参数，提升报警正确率；(2)故障信息采用马氏距离进行处理评估，克服了传统使用欧式距离判断产生的特性耦合引起的判断失误，冗余计算等缺点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种系统故障定位方法的流程图。
具体实施方式
下面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，都属于本发明的保护范围。
本发明实施例在考虑监测设备(监测传感器)的故障检测率(FDR)和误报警率(FAR)条件下，提出了一种系统故障定位方法，如图1所述，其主要包括：
1、对待测系统进行几何拓扑模型和可测性分析，建立节点-故障-测试相关矩阵。
本发明实施例中，将系统中的模块(例如，通信模块、处理模块、存储模块等)作为节点，对待测系统进行几何拓扑模型和可测性分析后，可以建立节点-故障-测试相关矩阵：D＝[dijk],1≤i≤m,1≤j≤n,1≤k≤l；其中，m为待测系统包含的节点总个数，n为待测系统单点故障的总个数，l为对整个系统进行测试的总次数；矩阵元素dijk值为1或者0；当第k次测试，在第i个节点处的第j个发生单点故障时，dijk＝1，当第k次测试，在第i个节点处的第j个未发生单点故障时，dijk＝0。
2、基于待测系统的几何拓扑模型和测试结果，并结合待测系统监测传感器故障检测率以及节点-故障-测试相关矩阵，计算待测系统的单点报警概率矩阵，进而建立待测系统的整体报警概率矩阵。
本发明实施例中，考虑了监测设备故障检测率，来计算待测系统的单点报警概率矩阵，计算出的待测系统的单点报警概率矩阵表示为：
P＝[pij],1≤i≤m,1≤j≤n
pij计算公式为：
Figure BDA0002284875170000031
Figure BDA0002284875170000032
其中，pij为第i个节点的j个单点故障的发生概率，ωi为待测系统中第i个节点在待测系统的几何拓扑模型中的节点介数，ωmax为待测系统中所有节点的节点介数的最大值；λj为第j个单点故障发生的强度，ρi为待测系统第i个节点的容错能力；FDRij表示对l次测试结果进行统计，待测系统的监测设备在第i个节点处正确报警第j个单点故障的概率，FARij表示对l次测试结果进行统计，待测系统的监测设备在第i个节点处错误报警第j个单点故障的概率；根据当前测试的次数序号k，以及dijk的数值计算pij，当dijk＝1时，将通过FDRij计算出来的pij来替代节点-故障-测试相关矩阵中元素dijk中的1值；当dijk＝0时，将通过FARij计算出来的pij来替代节点-故障-测试相关矩阵中元素dijk中的0值。
本领域技术人员可以理解，节点介数是指为待测系统中所有最短路径中经过相应节点的路径的数目占最短路径总数的比例。
此后，可以将单点故障扩展到多点故障的情况，即矩阵中的将n个单点故障进行排列组合，将待测系统的单点报警概率空间扩展为待测系统的整体报警概率矩阵空间，多点故障能够分解为若干个单点故障组合方式进行表述，则待测系统的整体报警概率矩阵表示为PA＝[qiu],1≤i≤m,1≤u≤2n-1，其中，u表示由若干单点故障组合的多点故障或者一个单点故障，2n-1表示多点故障与单点故障的总数。
3、计算实时故障观察向量和待测系统的整体报警概率矩阵的马氏距离，按马氏距离的从大到小排序，选取前s个马氏距离值对应的单点故障或者故障组合，按照从大到小原则输出系统故障定位结果。
为了克服了传统使用欧式距离判断产生的特性耦合引起的判断失误，冗余计算等缺点，本发明实施例计算实时故障观察向量和待测系统的整体报警概率矩阵的马氏距离。
实时故障观察向量表示为：B＝[b1,b2,...bm](与矩阵D类似，区别在于此时是实测阶段)，其中，bi,1≤i≤m表示第i个节点是否发生故障，bi＝1或0分别表示发生故障与未发生故障；待测系统的整体报警概率矩阵表示为：PA＝[qiu],1≤i≤m,1≤u≤2n-1。
计算实时故障观测向量与待测系统的整体报警概率矩阵之间的马氏距离向量Mi,1≤i≤m。
根据计算出的马氏距离向量Mi,1≤i≤m，从大到小排序，并选取前s个马氏距离值对应的单点故障或者故障组合，按照从大到小原则输出系统故障定位结果；其中，s为自然数，其具体数值可以由用户根据实际情况来设定。
本发明实施例上述方案，在考虑监测设备故障检测率的基础上，通过衡量实时故障观测向量与待测系统的测试结果的概率空间相似度，实时快速定位系统故障原因，适用于单点故障和多点故障的情况，具有强操作性和高正确性，便于工程实现。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种系统故障定位方法，其特征在于，包括：
对待测系统进行几何拓扑模型和可测性分析，建立节点-故障-测试相关矩阵；
基于待测系统的几何拓扑模型和测试结果，并结合待测系统监测传感器故障检测率以及节点-故障-测试相关矩阵，计算待测系统的单点报警概率矩阵，进而建立待测系统的整体报警概率矩阵；
计算实时故障观察向量和待测系统的整体报警概率矩阵的马氏距离，按马氏距离的从大到小排序，选取前s个马氏距离值对应的单点故障或者故障组合，按照从大到小原则输出系统故障定位结果。
2.根据权利要求1所述的一种系统故障定位方法，其特征在于，所述对待测系统进行几何拓扑模型和可测性分析，建立节点-故障-测试相关矩阵包括：
将系统中的模块作为节点，所建立的节点-故障-测试矩阵表示为：D＝[dijk],1≤i≤m,1≤j≤n,1≤k≤l；其中，m为待测系统包含的节点总个数，n为待测系统单点故障的总个数，l为对整个系统进行测试的总次数；矩阵元素dijk值为1或者0；当第k次测试，在第i个节点处的第j个发生单点故障时，dijk＝1，当第k次测试，在第i个节点处的第j个未发生单点故障时，dijk＝0。
3.根据权利要求2所述的一种系统故障定位方法，其特征在于，计算出的待测系统的单点报警概率矩阵表示为：
P＝[pij],1≤i≤m,1≤j≤n
其中，m为待测系统包含的节点总个数，n为待测系统单点故障的总个数；
pij计算公式为：
Figure FDA0002284875160000011
Figure FDA0002284875160000012
其中，pij为第i个节点的j个单点故障的发生概率，ωi为待测系统中第i个节点在待测系统的几何拓扑模型中的节点介数，ωmax为待测系统中所有节点的节点介数的最大值；λj为第j个单点故障发生的强度，ρi为待测系统第i个节点的容错能力；FDRij表示对l次测试结果进行统计，待测系统的监测设备在第i个节点处正确报警第j个单点故障的概率，FARijk表示对l次测试结果进行统计，待测系统的监测设备在第i个节点处错误报警第j个单点故障的概率；根据当前测试的次数序号k，以及dijk的数值计算pij，当dijk＝1时，将通过FDRij计算出来的pij来替代节点-故障-测试相关矩阵中元素dijk中的1值；当dijk＝0时，将通过FARij计算出来的pij来替代节点-故障-测试相关矩阵中元素dijk中的0值。
4.根据权利要求3所述的一种系统故障定位方法，其特征在于，
将单点故障扩展到多点故障的情况，即矩阵中的将n个单点故障进行排列组合，将待测系统的单点报警概率空间扩展为待测系统的整体报警概率矩阵空间，多点故障能够分解为若干个单点故障组合方式进行表述，则待测系统的整体报警概率矩阵表示为PA＝[qiu],1≤i≤m,1≤u≤2n-1，其中，u表示由若干单点故障组合的多点故障或者一个单点故障，2n-1表示多点故障与单点故障的总数。
5.根据权利要求1或4所述的一种系统故障定位方法，其特征在于，计算实时故障观察向量和待测系统的整体报警概率矩阵的马氏距离包括：
实时故障观察向量表示为：B＝[b1,b2,...bm]，其中，bi,1≤i≤m表示第i个节点是否发生故障，bi＝1或0分别表示发生故障与未发生故障；待测系统的整体报警概率矩阵表示为：PA＝[qiu],1≤i≤m,1≤u≤2n-1，其中，m为待测系统包含的节点总个数，n为待测系统单点故障的总个数，u表示由若干单点故障组合的多点故障；
计算实时故障观测向量与待测系统的整体报警概率矩阵之间的马氏距离向量Mi,1≤i≤m。
CN201911156247.1A 2019-11-22 2019-11-22 一种系统故障定位方法 Active CN111027721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911156247.1A CN111027721B (zh) 2019-11-22 2019-11-22 一种系统故障定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911156247.1A CN111027721B (zh) 2019-11-22 2019-11-22 一种系统故障定位方法

Publications (2)

Publication Number Publication Date
CN111027721A true CN111027721A (zh) 2020-04-17
CN111027721B CN111027721B (zh) 2023-07-18

Family

ID=70206953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911156247.1A Active CN111027721B (zh) 2019-11-22 2019-11-22 一种系统故障定位方法

Country Status (1)

Country Link
CN (1) CN111027721B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554224A (zh) * 2021-07-20 2021-10-26 上海航天测控通信研究所 多点统计与健康趋势预测相结合的故障诊断方法和系统
CN114372592A (zh) * 2021-11-30 2022-04-19 深圳供电局有限公司 Tn接地系统的安全评估方法、控制装置和存储介质
CN115712840A (zh) * 2022-11-15 2023-02-24 中国人民解放军陆军工程大学 一种电子信息系统多故障诊断方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070028220A1 (en) * 2004-10-15 2007-02-01 Xerox Corporation Fault detection and root cause identification in complex systems
CN105119734A (zh) * 2015-07-15 2015-12-02 中国人民解放军防空兵学院 基于健壮多元概率校准模型的全网络异常检测定位方法
US20160116377A1 (en) * 2014-10-23 2016-04-28 Fuji Xerox Co., Ltd. Failure prediction apparatus and failure prediction system
CN106250631A (zh) * 2016-08-03 2016-12-21 中国科学院西安光学精密机械研究所 一种基于故障‑测试相关矩阵的故障诊断方法
CN106959400A (zh) * 2017-02-28 2017-07-18 中国南方电网有限责任公司 一种基于异常点监测和大数据分析的二次设备隐患故障诊断方法
CN107957269A (zh) * 2016-10-14 2018-04-24 北京自动化控制设备研究所 一种惯导系统故障特性判定及测试性预计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070028220A1 (en) * 2004-10-15 2007-02-01 Xerox Corporation Fault detection and root cause identification in complex systems
US20160116377A1 (en) * 2014-10-23 2016-04-28 Fuji Xerox Co., Ltd. Failure prediction apparatus and failure prediction system
CN105119734A (zh) * 2015-07-15 2015-12-02 中国人民解放军防空兵学院 基于健壮多元概率校准模型的全网络异常检测定位方法
CN106250631A (zh) * 2016-08-03 2016-12-21 中国科学院西安光学精密机械研究所 一种基于故障‑测试相关矩阵的故障诊断方法
CN107957269A (zh) * 2016-10-14 2018-04-24 北京自动化控制设备研究所 一种惯导系统故障特性判定及测试性预计方法
CN106959400A (zh) * 2017-02-28 2017-07-18 中国南方电网有限责任公司 一种基于异常点监测和大数据分析的二次设备隐患故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙懋珩等: "基于复杂网络理论的WSN拓扑控制与安全维护", 《同济大学学报(自然科学版)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554224A (zh) * 2021-07-20 2021-10-26 上海航天测控通信研究所 多点统计与健康趋势预测相结合的故障诊断方法和系统
CN113554224B (zh) * 2021-07-20 2022-11-25 上海航天测控通信研究所 多点统计与健康趋势预测相结合的故障诊断方法和系统
CN114372592A (zh) * 2021-11-30 2022-04-19 深圳供电局有限公司 Tn接地系统的安全评估方法、控制装置和存储介质
CN115712840A (zh) * 2022-11-15 2023-02-24 中国人民解放军陆军工程大学 一种电子信息系统多故障诊断方法及系统
CN115712840B (zh) * 2022-11-15 2023-06-13 中国人民解放军陆军工程大学 一种电子信息系统多故障诊断方法及系统

Also Published As

Publication number Publication date
CN111027721B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN111027721B (zh) 一种系统故障定位方法
JP4308437B2 (ja) センサの性能確認装置および方法
CN109447263B (zh) 一种基于生成对抗网络的航天异常事件检测方法
JP4783394B2 (ja) センサの故障適応方法
CN112799898B (zh) 基于分布式故障检测的互联系统故障节点定位方法及系统
CN103970997B (zh) 一种无人直升机传感器故障快速诊断方法
CN111814999B (zh) 一种故障工单生成方法、装置、设备
CN105512011B (zh) 一种电子装备测试性建模评估方法
CN107391335B (zh) 一种用于检查集群健康状态的方法和设备
JPH08234832A (ja) プラント監視診断装置および方法
CN111596317A (zh) 一种多维故障的检测和识别方法
CN108682140A (zh) 一种基于压缩感知和自回归模型的增强型异常检测方法
CN107168842A (zh) 基于pmc模型的自适应顺序故障诊断方法
CN102184291A (zh) 一种针对全测试无反馈系统的系统级故障诊断方法
CN105137324B (zh) 一种基于仿真分类模型的多探测点故障元器件定位方法
WO2020177706A1 (zh) 配电网故障区段与故障时刻的判定方法
Celis et al. Steady state detection in industrial gas turbines for condition monitoring and diagnostics applications
CN108988496B (zh) 一种智能变电站二次系统故障的诊断方法、装置及设备
CN104331602A (zh) 基于马尔科夫链的gnss完好性检测率估计方法
CN110489260B (zh) 故障识别方法、装置及bmc
Huang et al. False phasor data detection under time synchronization attacks: A neural network approach
CN111309584A (zh) 数据处理方法、装置、电子设备及存储介质
CN117149486B (zh) 告警和根因定位方法、模型训练方法、装置、设备及介质
CN109889258B (zh) 一种光网络故障校验方法和设备
CN111046331A (zh) 一种基于信号异常的健康监控方法

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