CN111611279A - 一种基于测试指标相似度的微波组件故障诊断系统及方法 - Google Patents

一种基于测试指标相似度的微波组件故障诊断系统及方法 Download PDF

Info

Publication number
CN111611279A
CN111611279A CN202010331261.7A CN202010331261A CN111611279A CN 111611279 A CN111611279 A CN 111611279A CN 202010331261 A CN202010331261 A CN 202010331261A CN 111611279 A CN111611279 A CN 111611279A
Authority
CN
China
Prior art keywords
fault
microwave
index
similarity
product
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
CN202010331261.7A
Other languages
English (en)
Other versions
CN111611279B (zh
Inventor
郝立峰
侯奇峰
赵雪峰
陈忠睿
曾策
黄晓俊
冯国彪
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.)
CETC 29 Research Institute
Original Assignee
CETC 29 Research Institute
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 CETC 29 Research Institute filed Critical CETC 29 Research Institute
Priority to CN202010331261.7A priority Critical patent/CN111611279B/zh
Publication of CN111611279A publication Critical patent/CN111611279A/zh
Application granted granted Critical
Publication of CN111611279B publication Critical patent/CN111611279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/143—Finished product quality control
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明涉及微波组件故障诊断领域，公开了一种基于测试指标相似度的微波组件故障诊断系统及方法，该系统通过故障诊断模块、自动测试模块和故障案例库之间互相配合，完成故障的诊断。本发明中，自动测试模块测试微波产品，并将微波产品的故障指标特征传输至故障诊断模块；故障案例库向故障诊断模块提供故障案例；故障诊断模块在接收自动测试模块传输来的微波产品的故障指标特征后，根据故障案例库提供的故障案例，进行故障指标特征相似度匹配，完成微波产品故障的诊断。本发明不用投入大量专家资源梳理产品的故障树就能完成微波产品的排故工作，同时在微波产品生产过程中自动同步更新故障案例库，使故障诊断结果的准确性得到提高。

Description

一种基于测试指标相似度的微波组件故障诊断系统及方法
技术领域
本发明涉及微波组件故障诊断领域，尤其涉及一种基于指标特征相似度匹配的微波组件故障诊断系统及方法。
背景技术
随着电子技术和工艺的发展，微波组件的集成密度和性能指标不断提高，在其生产过程中的排故难度直线上升。
故障诊断方法主要分为传统基于产品故障树推理的故障定位和新兴的基于数据的故障定位。基于产品故障树的故障推理定位方案中最关键步骤为故障树的建立，但对于功能结构复杂度不断提升的微波产品，梳理其完备的故障树难度较大；专利CN 106155035A“基于维修类数据的故障诊断方法及故障诊断系统”其主要是针对飞机生产制造过程中的故障产生的故障信息根据故障隔离手册、故障案例库推送故障解决方式，然而针对微波组件指标较为复杂多样，故障信息之间强耦合使得应用该种方式进行故障诊断时，建立故障案例库、编制故障隔离手册难度较大，且可行性差。因此目前针对微波产品故障诊断目前尚未有效通用的解决方案
发明内容
本发明所要解决的技术问题是：针对上述存在的问题，提供了一种基于指标特征相似度匹配的微波组件故障诊断系统及方法，通过提升微波组件历史测试数据和排故质量数据的利用率，为微波组件故障诊断快速推送有效的解决方案。
本发明采用的技术方案如下：一种基于测试指标相似度的微波组件故障诊断系统，包括：故障诊断模块、自动测试模块和故障案例库；所述故障诊断模块分别与自动测试模块和故障案例库相连；
所述自动测试模块测试微波产品，并将微波产品的故障指标特征传输至故障诊断模块；
所述故障案例库向故障诊断模块提供故障案例；
所述故障诊断模块在接收自动测试模块传输来的微波产品的故障指标特征后，根据故障案例库提供的故障案例，进行故障指标特征相似度匹配，完成微波产品故障的诊断。
进一步的，所述故障诊断模块通过API与自动测试模块连接；通过API可实现两者之间的无缝连接，保证数据传输的可靠性。
进一步的，所述故障案例库包括实际故障案例和仿真故障案例。
进一步的，所述实际故障案例的构建如下：
以时间先后为判断依据，从微波产品的数据中进行清洗、提取和装载处理；
得到产品故障指标所对应的故障原因和故障解决方案作为实际故障案例。
实际故障案例的构建过程在微波组件实际生产过程中同步进行，可以持续保持故障案例库的实时性和全面性。
进一步的，所述仿真故障案例的构建如下：
通过改变微波产品仿真模型中的相关参数，模拟生成微波产品发生故障后的仿真结果；而后针对仿真结果进行数据处理和信息采集后得到仿真故障案例。
通过构建仿真故障案例，可以有效的补充故障案例库中的故障案例数量。
进一步的，所述相似度匹配的计算方法采用pearson相关系数和带阈值归一化的欧氏距离相关系数两者结合构成。
一种基于测试指标相似度的微波组件故障诊断方法，包括：
步骤1：对微波组件进行指标合格测试；
步骤2：提取不合格微波组件的故障指标特征；
步骤3：根据该微波组件的故障指标特征与故障案例库中的故障案例的故障指标特征的进行相似度匹配，根据匹配相似度的大小，从大到小依次推送故障案例库中对应的故障案例；
步骤4：排故人员根据推送的故障案例所对应的排故流程开展排故工作，若故障解决则反馈故障案例库将此故障案例频次加一，若故障现象没有解决，则通过人工进行故障定位解决故障。
进一步的，所述故障诊断方法还包括：在解决故障后，将人工故障定位结果作为故障案例进行提交，该案例经人工审批通过后，更新至对应的故障案例库。
进一步的，所述步骤3中，故障指标特征相似度匹配的计算方法采用pearson相关系数和带阈值归一化的欧氏距离相关系数两者结合构成。
与现有技术相比，采用上述技术方案的有益效果为：本专利不用投入大量专家资源梳理产品的故障树，以产品故障指标特征数据和故障案例库中对应特征数据相似度的匹配情况推送历史故障案例的形式指导微波产品的排故工作；同时在微波产品生产制造过程中自动同步更新故障诊断系统的故障案例库，使得故障诊断结果的准确性得到提高。
附图说明
图1是本发明的系统架构示意图。
图2是本发明故障案例库的具体构架示意图。
图3是本发明诊断方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
实施例1
如图1所示，本发明提供一种基于测试指标相似度的微波组件故障诊断系统，该系统主要包括用于诊断微波组件的故障诊断模块、用于测试微波产品并将微波产品的故障指标特征传输至故障诊断模块的自动测试模块、以及用于提供故障案例的故障案例库。
其中，故障案例库对应的是数据层，该层主要是完成故障案例库的构建，是故障诊断的案例的匹配推送的数据基础。
故障诊断模块对应的是应用层，应用层主要是完成和自动测试模块的无缝集成，通过自动测试模块提供的产品测试指标信息并结合故障案例库，完成最优故障案例的推送。
本实施例中，通过API接口实现自动测试模块和故障诊断模块的无缝连接，当微波产品发生故障后，对故障产品的已测指标测试信息(包含已检测合格的指标)结合对应判据信息进行归一化处理，以两者之间的超差百分比作为故障指标特征。
本实施例中，故障诊断模块接收自动测试模块传输来的故障微波产品的故障指标特征以及故障案例库中提供的相关型号产品的故障指标特征，将两者进行匹配，根据故障指标特征匹配的相似度高低来推送相似的故障案例，并在这些故障案例中寻出最优的故障解决方案。
故障指标特征相似度匹配算法采用pearson相关系数和带阈值归一化的欧氏距离相关系数两者结合构成。
以产品单个测试指标j的特征数据
Figure BDA0002465025190000041
和故障案例库中对应指标特征数据
Figure BDA0002465025190000051
为例进行算法的介绍，两测试特征之间的综合相似度Sxyj表达式如下式(1)所示，式中rxyj和dxyj分别为Person相关系数和带阈值的归一化欧氏距离，表达式分别为式(2)和(3)，q1、q2为对应系数的权值，且权值之间满足式(4)。
Sxyj＝q1rxyj+q2(1-dxyj) (1)
Figure BDA0002465025190000052
Figure BDA0002465025190000053
q1+q2＝1 (4)
多指标耦合的故障指标特征和数据库中对应型号产品故障案例的指标故障指标特征之间相似度是由以上单指标测试数据故障相似度加权得到，当m个指标耦合样本中前n个指标为故障指标时，n个故障指标特征相似度的权重为
Figure BDA0002465025190000054
m-n个合格指标特征相似度权重为
Figure BDA0002465025190000055
两样本之间的相似度S总以及对应权重的表达式分别如式(5)和式(6)所示。
Figure BDA0002465025190000056
Figure BDA0002465025190000057
本实施例中，故障案例库包括实际故障案例和基于仿真的仿真故障案例两部分，实际故障案例由产品的历史测试数据结合产品返工返修数据进行数据清洗后得到，针对实际案例较少的微波产品型号，由此型号产品的ADS射频链路仿真模型得到基于仿真的故障案例作为案例库的补充，同时在故障诊断系统运行过程中不断更新丰富故障案例库，保证案例库的实时性。
故障案例库中实际故障案例和仿真故障案例的具体构建过程如图2所示。
实际故障案例的构建过程为：以时间先后为判断依据，基于ETL技术从产品工艺设计数据、调测过程数据、物料数据以及质量数据中进行提取、清洗、转换以及装载，得到产品故障指标(现象)所对应的故障原因和故障解决方案作为故障案例。该过程在微波产品实际生产过程中同步进行，可以持续保持故障案例库的实时性和全面性。
仿真故障案例的构建过程为：基于微波产品设计过程中的ADS射频链路仿真模型，对模型中各链路模块的参数进行超差设置来模拟微波产品的故障，在此基础上得到微波产品的仿真结果数据，以此仿真结果数据所对应的产品模块的指标超差情况来生成仿真故障案例。
本发明还提供一种基于测试指标相似度的微波组件故障诊断方法，如图3所示，包括以下步骤：
1、自动测试系统对微波产品进行指标合格测试。
2、自动测试系统结合指标判据，提取不合格微波组件的故障指标特征。
3、根据该微波组件的故障指标特征与故障案例库中的故障案例的故障指标特征的进行相似度匹配，根据匹配相似度的大小，从大到小依次推送故障案例库中对应的故障案例。
4、排故人员根据推送案例所对应的排故流程开展排故工作，若故障解决则反馈故障案例库将此故障案例频次加一，若故障现象没有解决，则通过人工进行故障定位，解决故障。
5、解决故障后将人工故障定位结果作为故障案例进行提交，该案例经专业人员审批通过后，更新至对应的故障案例库。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (9)

1.一种基于测试指标相似度的微波组件故障诊断系统，其特征在于，包括：故障诊断模块、自动测试模块和故障案例库；所述故障诊断模块分别与自动测试模块和故障案例库相连；
所述自动测试模块测试微波产品，并将微波产品的故障指标特征传输至故障诊断模块；
所述故障案例库向故障诊断模块提供故障案例；
所述故障诊断模块在接收自动测试模块传输来的微波产品的故障指标特征后，根据故障案例库提供的故障案例，进行故障指标特征相似度匹配，完成微波产品故障的诊断。
2.根据权利要求1所述的一种基于测试指标相似度的微波组件故障诊断系统，其特征在于，所述故障诊断模块通过API与自动测试模块连接。
3.根据权利要求1所述的一种基于测试指标相似度的微波组件故障诊断系统，其特征在于，所述故障案例库包括实际故障案例和仿真故障案例。
4.根据权利要求3所述的一种基于测试指标相似度的微波组件故障诊断系统，其特征在于，所述实际故障案例的构建如下：
以时间先后为判断依据，从微波产品的数据中进行清洗、提取和装载处理；
得到产品故障指标所对应的故障原因和故障解决方案作为实际故障案例。
5.根据权利要求3所述的一种基于测试指标相似度的微波组件故障诊断系统，其特征在于，所述仿真故障案例的构建如下：
通过改变微波产品仿真模型中的相关参数，模拟生成微波产品发生故障后的仿真结果；而后针对仿真结果进行数据处理和信息采集后得到仿真故障案例。
6.根据权利要求1所述的一种基于测试指标相似度的微波组件故障诊断系统，其特征在于，所述相似度匹配的计算方法采用pearson相关系数和带阈值归一化的欧氏距离相关系数两者结合构成。
7.根据权利要求1所述的一种基于测试指标相似度的微波组件故障诊断方法，其特征在于，包括：
步骤1：对微波组件进行指标合格测试；
步骤2：提取不合格微波组件的故障指标特征；
步骤3：根据该微波组件的故障指标特征与故障案例库中的故障案例的故障指标特征的进行相似度匹配，根据匹配相似度的大小，从大到小依次推送故障案例库中对应的故障案例；
步骤4：排故人员根据推送的故障案例所对应的排故流程开展排故工作，若故障解决则反馈故障案例库将此故障案例频次加一，若故障现象没有解决，则通过人工进行故障定位解决故障。
8.根据权利要求7所述的一种基于测试指标相似度的微波组件故障诊断方法，其特征在于，所述故障诊断方法还包括：在解决故障后，将人工故障定位结果作为故障案例进行提交，该案例经人工审批通过后，更新至对应的故障案例库。
9.根据权利要求7所述的一种基于测试指标相似度的微波组件故障诊断方法，其特征在于，所述步骤3中，故障指标特征相似度匹配的计算方法采用pearson相关系数和带阈值归一化的欧氏距离相关系数两者结合构成。
CN202010331261.7A 2020-04-24 2020-04-24 一种基于测试指标相似度的微波组件故障诊断系统及方法 Active CN111611279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010331261.7A CN111611279B (zh) 2020-04-24 2020-04-24 一种基于测试指标相似度的微波组件故障诊断系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010331261.7A CN111611279B (zh) 2020-04-24 2020-04-24 一种基于测试指标相似度的微波组件故障诊断系统及方法

Publications (2)

Publication Number Publication Date
CN111611279A true CN111611279A (zh) 2020-09-01
CN111611279B CN111611279B (zh) 2023-09-12

Family

ID=72199641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010331261.7A Active CN111611279B (zh) 2020-04-24 2020-04-24 一种基于测试指标相似度的微波组件故障诊断系统及方法

Country Status (1)

Country Link
CN (1) CN111611279B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113655770A (zh) * 2021-07-02 2021-11-16 上海乐意修科技有限公司 一种汽车故障诊断教学系统及方法

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101634605A (zh) * 2009-04-10 2010-01-27 北京工业大学 基于混合推理和神经网络的齿轮箱故障智能诊断方法
CN101666711A (zh) * 2009-09-16 2010-03-10 中国人民解放军海军航空工程学院 一种基于模糊语义网络的发动机综合故障诊断方法
CN103473409A (zh) * 2013-08-25 2013-12-25 浙江大学 一种基于知识库的fpga故障自动诊断方法
CN104454785A (zh) * 2014-09-25 2015-03-25 中南大学 一种工程机械液压缸故障诊断系统及与之适用的故障样本信号采集方法
US20150168271A1 (en) * 2012-11-30 2015-06-18 Fifth Electronics Research Institute Of Ministry Of Industry And Information Technology Method and system for performing components fault problem close loop analysis
CN105094106A (zh) * 2014-05-08 2015-11-25 佛山市恒力泰机械有限公司 一种输入电信号指令与阀芯反馈信号的比较方法
CN105302112A (zh) * 2015-10-23 2016-02-03 中国电子科技集团公司第十研究所 Icni系统智能故障诊断系统
CN106779066A (zh) * 2016-12-02 2017-05-31 上海无线电设备研究所 一种雷达电路板故障诊断方法
CN107065834A (zh) * 2017-05-25 2017-08-18 东北大学 湿法冶金过程中浓密机的故障诊断方法
CN107958288A (zh) * 2017-12-19 2018-04-24 浙江大学 一种基于案例推理的汽轮机加热器故障诊断方法
CN109783500A (zh) * 2019-01-21 2019-05-21 北京邮电大学 一种基于故障树和案例相似性的故障诊断方法
CN109948808A (zh) * 2017-11-15 2019-06-28 许继集团有限公司 变电站设备故障案例库的建库方法、故障诊断方法及系统
CN109975661A (zh) * 2019-04-22 2019-07-05 西南交通大学 一种基于斯皮尔曼相关系数的输电线路故障检测方法
CN110046377A (zh) * 2019-02-28 2019-07-23 昆明理工大学 一种基于异构相似度的选择性集成即时学习软测量建模方法
CN110133444A (zh) * 2019-06-05 2019-08-16 国网江苏省电力有限公司检修分公司 一种基于正序电压变化量的故障定位方法、装置及系统
CN110275879A (zh) * 2019-05-16 2019-09-24 浙江浙能技术研究院有限公司 一种基于故障数据状态矩阵进行故障匹配和预警的方法
CN110336534A (zh) * 2019-07-15 2019-10-15 龙源（北京）太阳能技术有限公司 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法
CN110879377A (zh) * 2019-11-22 2020-03-13 国网新疆电力有限公司电力科学研究院 基于深度信念网络的计量装置故障溯源方法
CN113139251A (zh) * 2021-04-23 2021-07-20 桂林电子科技大学 一种优化主题相关性分析的变工况滚动轴承故障诊断方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101634605A (zh) * 2009-04-10 2010-01-27 北京工业大学 基于混合推理和神经网络的齿轮箱故障智能诊断方法
CN101666711A (zh) * 2009-09-16 2010-03-10 中国人民解放军海军航空工程学院 一种基于模糊语义网络的发动机综合故障诊断方法
US20150168271A1 (en) * 2012-11-30 2015-06-18 Fifth Electronics Research Institute Of Ministry Of Industry And Information Technology Method and system for performing components fault problem close loop analysis
CN103473409A (zh) * 2013-08-25 2013-12-25 浙江大学 一种基于知识库的fpga故障自动诊断方法
CN105094106A (zh) * 2014-05-08 2015-11-25 佛山市恒力泰机械有限公司 一种输入电信号指令与阀芯反馈信号的比较方法
CN104454785A (zh) * 2014-09-25 2015-03-25 中南大学 一种工程机械液压缸故障诊断系统及与之适用的故障样本信号采集方法
CN105302112A (zh) * 2015-10-23 2016-02-03 中国电子科技集团公司第十研究所 Icni系统智能故障诊断系统
CN106779066A (zh) * 2016-12-02 2017-05-31 上海无线电设备研究所 一种雷达电路板故障诊断方法
CN107065834A (zh) * 2017-05-25 2017-08-18 东北大学 湿法冶金过程中浓密机的故障诊断方法
CN109948808A (zh) * 2017-11-15 2019-06-28 许继集团有限公司 变电站设备故障案例库的建库方法、故障诊断方法及系统
CN107958288A (zh) * 2017-12-19 2018-04-24 浙江大学 一种基于案例推理的汽轮机加热器故障诊断方法
CN109783500A (zh) * 2019-01-21 2019-05-21 北京邮电大学 一种基于故障树和案例相似性的故障诊断方法
CN110046377A (zh) * 2019-02-28 2019-07-23 昆明理工大学 一种基于异构相似度的选择性集成即时学习软测量建模方法
CN109975661A (zh) * 2019-04-22 2019-07-05 西南交通大学 一种基于斯皮尔曼相关系数的输电线路故障检测方法
CN110275879A (zh) * 2019-05-16 2019-09-24 浙江浙能技术研究院有限公司 一种基于故障数据状态矩阵进行故障匹配和预警的方法
CN110133444A (zh) * 2019-06-05 2019-08-16 国网江苏省电力有限公司检修分公司 一种基于正序电压变化量的故障定位方法、装置及系统
CN110336534A (zh) * 2019-07-15 2019-10-15 龙源（北京）太阳能技术有限公司 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法
CN110879377A (zh) * 2019-11-22 2020-03-13 国网新疆电力有限公司电力科学研究院 基于深度信念网络的计量装置故障溯源方法
CN113139251A (zh) * 2021-04-23 2021-07-20 桂林电子科技大学 一种优化主题相关性分析的变工况滚动轴承故障诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SUNITA RANI 等: "Design and development of virtual instrument for fault diagnosis in fractal antenna array", 《RF AND MICROWAVE COMPUTER-AIDED ENGINEERING》, vol. 30, no. 1, pages 1 - 10 *
战国璋: "基于模糊理论的数控立式车床可靠性预计及故障分析技术", 《中国优秀硕士学位论文全文数据库 工程科技I辑》, no. 09, pages 022 - 227 *
石君友 等: "扩展FMECA方法应用研究", 《测控技术》, no. 05, pages 110 - 114 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113655770A (zh) * 2021-07-02 2021-11-16 上海乐意修科技有限公司 一种汽车故障诊断教学系统及方法

Also Published As

Publication number Publication date
CN111611279B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
WO2020156348A1 (zh) 基于总体经验模态分解与卷积神经网络的结构损伤识别法
CN110647830B (zh) 基于卷积神经网络和高斯混合模型的轴承故障诊断方法
US11657335B2 (en) Method for evaluating reliability of a sealing structure in a multi-failure mode based on an adaboost algorithm
CN108520301A (zh) 一种基于深度置信网络的电路间歇故障诊断方法
WO2021139317A1 (zh) 语料数据的数据特征增强方法、装置、计算机设备及存储介质
CN112039687A (zh) 一种面向小样本特征的基于改进生成对抗网络的故障诊断方法
CN111597760B (zh) 一种实现小样本条件下获取气路参数偏差值的方法
CN110991737A (zh) 一种基于深度置信网络的超短期风电功率预测方法
CN109508864B (zh) 一种基于xgboost的企业违约风险模型的建立方法
CN111611279B (zh) 一种基于测试指标相似度的微波组件故障诊断系统及方法
He et al. Fault diagnosis and location based on graph neural network in telecom networks
CN102867104B (zh) 一种电子设备的电磁环境影响因素的定量分析装置及方法
CN112947080B (zh) 一种基于场景参数变换的智能决策模型性能评估系统
CN112731098B (zh) 一种射频低噪放电路故障诊断方法、系统、介质及应用
CN111553073B (zh) 高可靠电子产品可靠性验证方法
CN116452154B (zh) 一种适用于通信运营商的项目管理系统
CN111091292B (zh) 一种核电站实时风险动态建模分析系统
CN106202668A (zh) 基于质量问题数据和反向传导神经网络的复杂装备质量风险评估方法
CN111965995B (zh) 一种三库合一飞机航电系统健康评估与预测系统及其方法
CN116224950A (zh) 面向无人生产线自组织重构的智能故障诊断方法和系统
CN111474905B (zh) 一种机电产品制造过程参数漂移故障诊断方法
CN104182528B (zh) 基于偏序模式的教育信息化课程关联模式发现方法及系统
CN114707098B (zh) 一种基于多源传感器状态距离的航空发动机性能退化状态评价方法
CN115905989A (zh) 一种基于协同训练技术的航空发动机故障诊断方法
CN117692940B (zh) 一种基于微波链路的微波系统性能检测方法

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