CN112556087B - 一种机组故障诊断方法、装置和一种控制器 - Google Patents
一种机组故障诊断方法、装置和一种控制器 Download PDFInfo
- Publication number
- CN112556087B CN112556087B CN202011313719.2A CN202011313719A CN112556087B CN 112556087 B CN112556087 B CN 112556087B CN 202011313719 A CN202011313719 A CN 202011313719A CN 112556087 B CN112556087 B CN 112556087B
- Authority
- CN
- China
- Prior art keywords
- unit
- fault
- audio stream
- stream data
- data
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/32—Responding to malfunctions or emergencies
- F24F11/38—Failure diagnosis
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/52—Indication arrangements, e.g. displays
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明涉及一种机组故障诊断方法、装置和一种控制器,所述一种机组故障诊断方法,包括:采集机组在一个时间段内的运行音频流数据;对所述音频流数据进行仿真处理;对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障。本发明通过采集机组在一个时间段内的运行音频流数据,并对数据进行分析,从而得出远程诊断结果,本发明所述方法能够避免因偶发性事件产生的音频而误判机组发生故障,抗干扰性能高,本方法提高了机组故障诊断的准确性。
Description
技术领域
本发明涉及机器故障诊断技术领域,具体涉及一种机组故障诊断方法、装置和一种控制器。
背景技术
随着科学技术的飞速发展,空调大型机组的技术也日益完善,控制参数也不断增多,与之带来的是越来越多的故障类型和造成原因,现有的音频故障诊断方式只是根据机组实时传回的一个时间点的单个音频与机组正常运行时各部件发出的音频频段基准值进行比较,如专利号CN102494894A,目前公开专利提到音频故障诊断都是根据实时传回的单个音频进行对比检测,具有偶发性,抗干扰性能差,也易受外界其他噪音的影响,例如当机组受到撞击如树枝或者小石子的打击,据此所产生的音频则会被判定为机组发生故障。由于单个音频具有偶发性,使得现有方法抗干扰性能差,诊断结果的正确率较低。
发明内容
有鉴于此,本发明的目的在于克服现有的音频故障诊断方法易受外界其他噪音影响,抗干扰性能差的缺陷,提供一种机组故障诊断方法、装置和一种控制器。
为实现以上目的,本发明采用如下技术方案:一种机组故障诊断方法,包括:
采集机组在一个时间段内的运行音频流数据;
对所述音频流数据进行仿真处理;
对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障。
可选的,所述方法还包括:
将仿真处理后的音频流数据以及判定结果进行存储。
可选的,所述对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障,包括:
预先将机组不同部件对应划分为不同的区域,根据不同部件设置不同的故障发生阈值,并将各部件阈值连接形成一个封闭图形;
将仿真处理后的音频流数据在图中进行打点,一个点对应一个单一音频数据,封闭图形内的点为各部件正常运行时音频数据所产生的点,封闭图形外的点为异常点;
通过所述封闭图形外的异常点判断该机组是否发生故障。
可选的,所述通过所述封闭图形外的异常点判断该机组是否发生故障,包括:
当在一个区域内位于所述封闭图形外的异常点的个数超过预设阈值时,判定该机组发生故障。
可选的,所述通过所述封闭图形外的异常点判断该机组是否发生故障,包括:
当在一个区域内位于所述封闭图形外的异常点的个数超过预设阈值,且异常点分布的位置位于该部件的故障区域内,判定该机组发生故障。
可选的,还包括:
当机组发生故障时,发出故障提醒信号。
本发明还提供了一种机组故障诊断装置,包括:
音频采集模块,用于采集机组在一个时间段内的运行音频流数据;
仿真模块,用于对所述音频流数据进行仿真处理;
分析模块,用于对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障。
可选的,该装置还包括:
数据存储模块,用于将仿真处理后的音频流数据以及所述分析模块得到的判定结果进行存储。
可选的,该装置还包括:
故障反馈模块,用于当机组发生故障时,将所述分析模块得到的判定结果进行反馈。
本发明还提供了一种控制器,用于执行前面任一项所述的机组故障诊断方法。
本发明采用以上技术方案,所述一种机组故障诊断方法,包括:采集机组在一个时间段内的运行音频流数据;对所述音频流数据进行仿真处理;对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障。本发明通过采集机组在一个时间段内的运行音频流数据,并对数据进行分析,从而得出远程诊断结果,本发明所述方法能够避免因偶发性事件产生的音频而误判机组发生故障,抗干扰性能高,本方法提高了机组故障诊断的准确性。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明一种机组故障诊断装置一个实施例提供的结构示意图;
图2是本发明一种机组故障诊断方法一个实施例提供的流程示意图;
图3是机组不同部件对应不同区域的分布图。
图中:1、音频采集模块;2、仿真模块;3、分析模块;4、数据存储模块;5、故障反馈模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1是本发明一种机组故障诊断装置一个实施例提供的结构示意图。
如图1所示,本实施例所述的一种机组故障诊断装置,包括:
音频采集模块1,用于采集机组在一个时间段内的运行音频流数据;
仿真模块2,用于对所述音频流数据进行仿真处理;
分析模块3,用于对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障。
进一步的,所述机组故障诊断装置还包括:
数据存储模块4,用于将仿真处理后的音频流数据以及所述分析模块得到的判定结果进行存储。
进一步的,所述机组故障诊断装置还包括:
故障反馈模块5,用于当机组发生故障时,将所述分析模块得到的判定结果进行反馈。
图2是本发明一种机组故障诊断方法一个实施例提供的流程示意图。
如图2所示,本实施例所述的一种机组故障诊断方法,包括:
S21:采集机组在一个时间段内的运行音频流数据;
S22:对所述音频流数据进行仿真处理;
S23:对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障。
进一步的,所述机组故障诊断方法还包括:
将仿真处理后的音频流数据以及判定结果进行存储。
进一步的,所述对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障,包括:
预先将机组不同部件对应划分为不同的区域,根据不同部件设置不同的故障发生阈值,并将各部件阈值连接形成一个封闭图形;
将仿真处理后的音频流数据在图中进行打点,一个点对应一个单一音频数据,封闭图形内的点为各部件正常运行时音频数据所产生的点,封闭图形外的点为异常点;
通过所述封闭图形外的异常点判断该机组是否发生故障。
进一步的,所述通过所述封闭图形外的异常点判断该机组是否发生故障,包括:
当在一个区域内位于所述封闭图形外的异常点的个数超过预设阈值时,判定该机组发生故障。
进一步的,所述通过所述封闭图形外的异常点判断该机组是否发生故障,包括:
当在一个区域内位于所述封闭图形外的异常点的个数超过预设阈值,且异常点分布的位置位于该部件的故障区域内,判定该机组发生故障。
进一步的,该方法还包括:
当机组发生故障时,发出故障提醒信号。
本实施例在实际使用时,在机组上安装音频采集模块1,并将采集的音频流数据通过仿真模块2进行音频流仿真,仿真后的音频流数据存入数据存储模块4;后续音频采集模块1不断将机组运行时产生的音频流进行采集,通过仿真模块2将采集到的音频流进行仿真,仿真后的音频流数据传给分析模块3进行分析。
具体的分析过程为:通过将机组不同部件对应划分为不同的区域,根据不同部件设置不同的故障发生阈值,并将各部件阈值连接形成一个封闭图形,如图3所示,仿真后的音频流数据在该图中进行打点,一个点对应单一音频数据,封闭图形内的点为各部件正常运行时音频数据所产生的点,封闭图形外的点为异常点。
例如1、当树枝,小石子撞击机组A部件产生音频时,此时会根据撞击的部件在A区域中的封闭图形范围外进行打点,但这种情况只会产生单一几个点(即异常点),将该异常点的个数与该部件的故障发生阈值进行比较,来判定是否发生故障,从而避免因为偶发性事件产生的音频而误判机组发生故障。
例如2、如果某一部件或某几个部件遭受撞击同时其中有另一个部件正在发生故障,这时根据现有的音频流故障诊断方法,遭受撞击的部件和发生故障的部件都会报故障,但是根据本方案,遭受撞击的部件只会在区域外产生一两个点,而发生故障的部件则会在区域外产生数量多且位置密集的点,点个数超过该部件的故障发生阈值时,则判定为发生故障,从而提高了机组故障诊断的准确性。
图3中,A、B、C、D区域相当于是四个不同的机组部件,这里只用了A区域这一个机组部件来举例,实际B、C、D区域只要对应的机组部件有音频传回都会产生相应的点,如果有故障发生则会在相应机组部件的故障区域进行产生点,像例子2遭受撞击或受到影响的部件可能是B、C、D,发生故障的可能是A,则B、C、D区域内的故障区域会产生少量且位置分散的点,而A区域内的故障区域则会产生大量且位置集中的点。
进一步的,当某一部件发生故障产生音频时,相邻的部件也可能会受到发生故障的部件的影响而产生异常点且数量超过该部件的故障发生阈值,根据现有技术则会判定为都发生故障,而本方案根据故障产生的密集点的位置来判定,如果不在该位置上,则判定没有发生故障,提高了抗干扰性。
例如,C部件发生故障,根据音频产生的点都会集中在C区域中的故障区域的某一块打点,而受到C部件影响的正常运行的D部件,传回的音频产生的点会在D区域的封闭图形范围外,同时这段受C故障部件影响的音频时间会和C发生故障时间一致,按照之前通过异常点的个数来判断,则会判定C、D都发生故障,但实际D部件还在正常运行,这样通过异常点的个数来判定是否发生故障就不是很准确,因此这里还可以用密集点分布的位置来判断。当发生故障的时候一般都会在故障区域的某一块产生密集的点,像上面的例子D部件是受故障部件C影响而在D区域的封闭图形范围外产生异常点,但这时产生异常点的位置就和D发生故障时产生点的位置(故障区域)不一样,通过判断异常点的个数和异常点的位置来判断是否发生故障就更准确。
本实施例所述的机组故障诊断方法通过采集机组在一个时间段内的运行音频流数据,并对数据进行分析,从而得出远程诊断结果,本发明所述机组故障诊断方法能够避免因偶发性事件产生的音频而误判机组发生故障,抗干扰性能高,有利于提高机组故障诊断的准确性。
本发明还提供了一种控制器,用于执行图2所述的机组故障诊断方法。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种机组故障诊断方法,其特征在于,包括:
采集机组在一个时间段内的运行音频流数据;
对所述音频流数据进行仿真处理;
对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障;
所述对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障,包括:
预先将机组不同部件对应划分为不同的区域,根据不同部件设置不同的故障发生阈值,并将各部件阈值连接形成一个封闭图形;
将仿真处理后的音频流数据在图中进行打点,一个点对应一个单一音频数据,封闭图形内的点为各部件正常运行时音频数据所产生的点,封闭图形外的点为异常点;
通过所述封闭图形外的异常点判断该机组是否发生故障;
所述通过所述封闭图形外的异常点判断该机组是否发生故障,包括:
当在一个区域内位于所述封闭图形外的异常点的个数超过预设阈值,且异常点分布的位置位于该部件的故障区域内,判定该机组发生故障。
2.根据权利要求1所述的机组故障诊断方法,其特征在于,还包括:
将仿真处理后的音频流数据以及判定结果进行存储。
3.根据权利要求1至2任一项所述的机组故障诊断方法,其特征在于,还包括:
当机组发生故障时,发出故障提醒信号。
4.一种机组故障诊断装置,其特征在于,包括:
音频采集模块,用于采集机组在一个时间段内的运行音频流数据;
仿真模块,用于对所述音频流数据进行仿真处理;
分析模块,用于对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障;
所述对仿真处理后的音频流数据进行数据分析,判定该机组是否发生故障,包括:
预先将机组不同部件对应划分为不同的区域,根据不同部件设置不同的故障发生阈值,并将各部件阈值连接形成一个封闭图形;
将仿真处理后的音频流数据在图中进行打点,一个点对应一个单一音频数据,封闭图形内的点为各部件正常运行时音频数据所产生的点,封闭图形外的点为异常点;
通过所述封闭图形外的异常点判断该机组是否发生故障;
所述通过所述封闭图形外的异常点判断该机组是否发生故障,包括:
当在一个区域内位于所述封闭图形外的异常点的个数超过预设阈值,且异常点分布的位置位于该部件的故障区域内,判定该机组发生故障。
5.根据权利要求4所述的机组故障诊断装置,其特征在于,还包括:
数据存储模块,用于将仿真处理后的音频流数据以及所述分析模块得到的判定结果进行存储。
6.根据权利要求4或5所述的机组故障诊断装置,其特征在于,还包括:
故障反馈模块,用于当机组发生故障时,将所述分析模块得到的判定结果进行反馈。
7.一种控制器,其特征在于,用于执行权利要求1至3任一项所述的机组故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011313719.2A CN112556087B (zh) | 2020-11-20 | 2020-11-20 | 一种机组故障诊断方法、装置和一种控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011313719.2A CN112556087B (zh) | 2020-11-20 | 2020-11-20 | 一种机组故障诊断方法、装置和一种控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112556087A CN112556087A (zh) | 2021-03-26 |
CN112556087B true CN112556087B (zh) | 2021-12-10 |
Family
ID=75044386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011313719.2A Active CN112556087B (zh) | 2020-11-20 | 2020-11-20 | 一种机组故障诊断方法、装置和一种控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112556087B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000283555A (ja) * | 1999-03-31 | 2000-10-13 | Toto Ltd | 給湯機のリモコン装置 |
CN1563827A (zh) * | 2004-03-25 | 2005-01-12 | 上海交通大学 | 中央空调水系统温度及流量传感器的在线故障诊断系统 |
JP2010134367A (ja) * | 2008-12-08 | 2010-06-17 | Mitsubishi Electric Corp | 電気機器 |
CN103807980A (zh) * | 2014-03-04 | 2014-05-21 | 施晓亚 | 一种预测中央空调异常的方法 |
CN104931284B (zh) * | 2015-05-29 | 2018-03-27 | 广东美的制冷设备有限公司 | 空调器的故障检测方法、装置和空调器 |
CN108087210A (zh) * | 2017-12-19 | 2018-05-29 | 北京金风科创风电设备有限公司 | 风力发电机组叶片异常识别方法及装置 |
CN109974845A (zh) * | 2019-02-28 | 2019-07-05 | 合肥美的电冰箱有限公司 | 故障警示方法、计算机可读存储介质和制冷设备 |
CN110763493A (zh) * | 2018-07-27 | 2020-02-07 | 珠海格力电器股份有限公司 | 一种故障类型的确定方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101029855A (zh) * | 2007-04-05 | 2007-09-05 | 童军 | 机动车即时故障检测方法及装置 |
CN101848151B (zh) * | 2010-04-27 | 2012-05-30 | 南京乐金熊猫电器有限公司 | 家电装置诊断系统及其诊断方法 |
US9568204B2 (en) * | 2013-01-31 | 2017-02-14 | Johnson Controls Technology Company | Systems and methods for rapid disturbance detection and response |
CN104456862A (zh) * | 2013-09-23 | 2015-03-25 | 广东美的暖通设备有限公司 | 空调系统、空调器故障诊断系统和空调器故障诊断方法 |
CN104168462B (zh) * | 2014-08-27 | 2017-06-13 | 重庆大学 | 基于图像角点集特征的摄像头场景变换检测方法 |
KR20170019254A (ko) * | 2015-08-11 | 2017-02-21 | 엘지전자 주식회사 | 공기조화기 및 그 동작방법 |
CN105115119B (zh) * | 2015-09-18 | 2019-05-03 | 珠海格力电器股份有限公司 | 用于空调机组的故障检测方法、装置和设备 |
CN109236587B (zh) * | 2018-10-19 | 2020-04-21 | 河北建投新能源有限公司 | 一种用于检测风力发电机异常工作的报警系统 |
-
2020
- 2020-11-20 CN CN202011313719.2A patent/CN112556087B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000283555A (ja) * | 1999-03-31 | 2000-10-13 | Toto Ltd | 給湯機のリモコン装置 |
CN1563827A (zh) * | 2004-03-25 | 2005-01-12 | 上海交通大学 | 中央空调水系统温度及流量传感器的在线故障诊断系统 |
JP2010134367A (ja) * | 2008-12-08 | 2010-06-17 | Mitsubishi Electric Corp | 電気機器 |
CN103807980A (zh) * | 2014-03-04 | 2014-05-21 | 施晓亚 | 一种预测中央空调异常的方法 |
CN104931284B (zh) * | 2015-05-29 | 2018-03-27 | 广东美的制冷设备有限公司 | 空调器的故障检测方法、装置和空调器 |
CN108087210A (zh) * | 2017-12-19 | 2018-05-29 | 北京金风科创风电设备有限公司 | 风力发电机组叶片异常识别方法及装置 |
CN110763493A (zh) * | 2018-07-27 | 2020-02-07 | 珠海格力电器股份有限公司 | 一种故障类型的确定方法及装置 |
CN109974845A (zh) * | 2019-02-28 | 2019-07-05 | 合肥美的电冰箱有限公司 | 故障警示方法、计算机可读存储介质和制冷设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112556087A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1899876B1 (en) | System and method for using model analysis to generate directed test vectors | |
US5144230A (en) | Method and system for testing integrated circuits by cycle stealing | |
JP2004118839A (ja) | 技術設備内で故障した機能ユニットの特定を支援する方法 | |
CN108268023B (zh) | 一种轨道交通站台门远程故障诊断方法及系统 | |
CN111994137B (zh) | 一种基于铁路信号集中监测的报警分析方法 | |
CN108768793B (zh) | 一种存储双活链路故障测试方法及装置 | |
KR20150008396A (ko) | 테스트 셀 동작에서 다수의 엔티티의 상이한 요청을 분리하고 제어하는 테스터와 재료 핸들링 장비 사이의 인터포저 | |
US20030084376A1 (en) | Software crash event analysis method and system | |
KR101936240B1 (ko) | 예방 정비 시뮬레이션 시스템 및 방법 | |
EP3237980B1 (en) | Device and method for distributed diagnostics analysis | |
CN112985578B (zh) | 一种风电机组共振诊断方法及装置 | |
CN112556087B (zh) | 一种机组故障诊断方法、装置和一种控制器 | |
US8799608B1 (en) | Techniques involving flaky path detection | |
US20100251029A1 (en) | Implementing self-optimizing ipl diagnostic mode | |
CN108763005A (zh) | 一种内存ecc故障报错方法及系统 | |
KR101902577B1 (ko) | 부품을 포함하는 제어 시스템의 기능 검사 방법 | |
CN116010828A (zh) | 一种机组故障原因诊断方法及系统 | |
KR102351538B1 (ko) | 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법 | |
CN111291239B (zh) | 机组测试方法、装置、设备和存储介质 | |
CN113554224B (zh) | 多点统计与健康趋势预测相结合的故障诊断方法和系统 | |
US9092315B2 (en) | Method and software program product for determining the quality of an information technology system | |
CN110515367A (zh) | 一种仪器电控系统的可靠性评估方法 | |
CN107665166B (zh) | 信息系统的功能检测方法及系统 | |
CN109032918A (zh) | 一种基于异常任务函数轨迹的感知节点程序异常诊断方法 | |
CN102436254A (zh) | 一种事件顺序记录系统的测试分析方法 |
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 |