CN112578733A - 一种基于高低温湿热试验箱故障维修数据的可靠性评估方法 - Google Patents
一种基于高低温湿热试验箱故障维修数据的可靠性评估方法 Download PDFInfo
- Publication number
- CN112578733A CN112578733A CN202011351876.2A CN202011351876A CN112578733A CN 112578733 A CN112578733 A CN 112578733A CN 202011351876 A CN202011351876 A CN 202011351876A CN 112578733 A CN112578733 A CN 112578733A
- Authority
- CN
- China
- Prior art keywords
- fault
- test
- data
- time
- trend
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012423 maintenance Methods 0.000 title claims abstract description 19
- NGVDGCNFYWLIFO-UHFFFAOYSA-N pyridoxal 5'-phosphate Chemical compound CC1=NC=C(COP(O)(O)=O)C(C=O)=C1O NGVDGCNFYWLIFO-UHFFFAOYSA-N 0.000 claims description 37
- 230000010354 integration Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000000528 statistical test Methods 0.000 claims description 5
- PQKRYXHYWWQULJ-JMKYFRMNSA-N [(8r,9s,10r,13s,14s,17s)-13-methyl-3-oxo-2,6,7,8,9,10,11,12,14,15,16,17-dodecahydro-1h-cyclopenta[a]phenanthren-17-yl] 3-(4-hexoxyphenyl)propanoate Chemical compound C1=CC(OCCCCCC)=CC=C1CCC(=O)O[C@@H]1[C@@]2(C)CC[C@@H]3[C@H]4CCC(=O)C=C4CC[C@H]3[C@@H]2CC1 PQKRYXHYWWQULJ-JMKYFRMNSA-N 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 9
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于高低温湿热试验箱故障维修数据的可靠性评估方法。该方法具体包括对试验箱故障数据收集整合；采用U统计量检验确定有无趋势；根据趋势检验结果进行分组可靠性建模，对试验箱进行整体或者单独的可靠性分析，通过拟合度检验的模型求取MTBF值，得出可靠性指标。泊松过程模型大量应用于数据量较大的数控机床可靠性分析，而高低温湿热试验箱故障数据较少且当前采用故障树分析方法需要采集大量部件级故障数据，构成故障树的多余量相当繁重，本方法首次将泊松过程模型应用于高低温湿热试验箱可靠性分析，避免了因故障数据量较小产生的模型准确度低的问题，并且可靠性模型求取简单易懂，降低了可靠性分析成本。
Description
技术领域：
本发明涉及高低温湿热试验箱可靠性，具体是一种基于高低温湿热试验箱故障维修数据的可靠性评估方法。
背景技术：
高低温湿热试验箱属于复杂的可修系统，高低温湿热试验箱是进行产品可靠性检测的重要设备，因此对于试验设备自身的可靠性提出了更高的要求。目前针对高低温湿热试验箱的可靠性研究较少，如采用故障树分析方法，故障树分析方法可以进行定性以及定量的分析，但故障树需要采集大量部件级故障数据，构成故障树的多余量相当繁重，分析量大，对于分析人员要求较高，难以满足高低温湿热试验箱可靠性评估，泊松过程模型大量应用于数控机床等其它领域，而数控机床故障数据量大，使得可靠性分析结果较为准确，而高低温试验箱往往数据量较小，因此有必要对高低温湿热试验箱的可靠性研究考虑数据量大小的不同情况进行可靠性建模分析。
发明内容：
为了克服以上问题，本发明提供了一种基于高低温湿热试验箱故障维修数据的可靠性评估方法。分别提供了数据量较小的单台，以及可以整合的k台数据可靠性建模方法，以满足不同数据量选择合适模型的需求，本发明的技术方案如下：
步骤1、故障数据的收集与整理：高低温湿热试验箱故障数据应当采集每台试验运行起始时间点，因故障导致试验箱无法继续工作的时刻时间点以及选取故障截尾或者时间截尾的时间点数据；当数据量较小时，单台设备故障维修记录时间不需要进行特别处理，保持原有数据特征；当同型号设备较多时，k(k>1)台高低温湿热试验箱故障数据由于运行时间存在不一致性，需要进行时间线整合。时间线整合方法如下：
其中，t为累计运行时间，t’为整合后累计时间，T为设备截尾时间点，k为试验箱台数；
步骤2、进行U统计检验进行趋势检验：U统计趋势检验包含两个假设：其中零假设为无趋势HPP；备选假设为数据具有单调趋势，U统计检验方法如下所示，其中单台试验箱U统计趋势检验为公式(2)，k台试验箱U统计趋势检验为公式(3)：
其中k为设备数，r为各设备故障次数，T*为各台设备运行总时间，Tij为第i台设备的第j次故障发生时间，选取10％显著水平，比较临界值与实际计算U值的大小，当实际值大于临界值时，表明拒绝零假设，为无趋势的齐次泊松过程，数据存在单调趋势；当实际值小于临界值时，表明接受为恒定值的假设，否则采用PLP模型；
步骤3包含以下步骤：
步骤3-1、测试故障强度是否为恒定值，通过步骤2的趋势检验结果，确定k台或者单台试验箱U统计量趋势检验是否判定失效强度为恒定值；
步骤3-1-1、对k台数据进行失效强度恒定值判定，当判定k台设备故障数据不存在趋势时，表明故障强度为恒定值，因此对故障强度进行常数估计，并采用K-S检验进行指数性检验选取10％置信水平，得出恒定值失效强度函数；否则进行k台设备PLP模型的应用求解；当判定k台设备故障数据存在趋势时，表明故障强度存在趋势变化，通过采用PLP幂律过程模型进行描述；PLP模型包括参数β以及参数λ，参数估计完成后就可得到PLP故障强度函数，参数估计方法如下：
其中式中k为设备数，r为各设备故障次数，T*为各台设备运行总时间，Tij为第i台设备的第j次故障发生时间，得到故障强度函数后需要对故障强度函数进行拟合度检验，采用Cramér-von Mises统计选取10％置信水平：
当为故障截尾数据时M＝N，T＝T*，当为时间截尾数据时M＝N-1，T＝Tn，其中M是故障次数，如果PLP模型假设被拒绝，考虑采用其它扩展NHPP模型，如果PLP模型通过拟合度检优，则得到k台非恒定值失效强度函数；
步骤3-1-2、对单台数据失效强度函数恒定值进行判定，当判定单台设备故障数据不存在趋势时，表明故障强度为恒定值，因此对故障强度进行常数估计：
其中λ为恒定值，r为故障次数，T*为截尾时间；并采用K-S检验进行指数性检验，通过检验则表明HPP模型适用于分析该试验箱的可靠性，得出恒定值失效强度函数；否则需要采用更新过程模型或其他模型，如果恒定值假设被拒绝，则进行PLP模型的应用求解；当判定单台设备故障数据存在趋势时，表明故障强度存在趋势变化，通过采用PLP进行描述，并对构建的模型采用Cramér-von Mises统计进行拟合度检优，拟合度检优方法与步骤3-1-1一致，PLP模型参数计算方法如下:
其中N为故障次数，T*为运行总时间，tj为第j次故障时间，k为试验箱台数；通过PLP模型检优，则得到非恒定值失效强度函数，否则考虑其他模型；
步骤3-2、通过对步骤3-1得到的单台或者k台故障强度函数进行计算，采取累计平均故障间隔时间MTBF进行可靠性评估，k台及单台设备MTBF计算方法如下：
其中t为运行时间，Z(t)为故障强度函数；求解得出MTBF值，对高低温湿热试验箱的可靠性进行评估。
附图说明：
图1为一种基于高低温湿热试验箱故障维修数据的可靠性评估方法数据时间线整合原理图
图2为一种基于高低温湿热试验箱故障维修数据的可靠性评估方法的流程图。
图3为实例多台试验箱的实际故障与模型预测故障次数对比图。
具体实施方式：
图1为一种基于高低温湿热试验箱故障维修数据的可靠性评估方法数据时间线整合原理图。
在图1中，A表示第一台设备的时间线，B为第2台设备的时间线，C为第3台设备的时间线，t为累计运行时间，T为设备截尾时间点。
图2为一种基于高低温湿热试验箱故障维修数据的可靠性评估方法的流程图。
一种基于高低温湿热试验箱故障维修数据的可靠性评估方法包括以下3个步骤：
步骤1、故障数据的收集与整理：高低温湿热试验箱故障数据应当采集每台试验运行起始时间点，因故障导致试验箱无法继续工作的时刻时间点以及选取故障截尾或者时间截尾的时间点数据；故障以及维修过程采用随机点过程处理，即假设当设备出现故障时记录故障发生时间ti，i为故障发生次数，且维修时间忽略不计，当下一次故障发生时继续记录发生时间ti+1，直到整个故障过程结束,单台故障截尾时间为Tj，j为设备编号，当数据量较小时，单台设备故障维修记录时间不需要进行特别处理，保持原有数据特征；当同型号设备较多时，k(k>1)台高低温湿热试验箱故障数据由于运行时间存在不一致性，需要进行时间线整合。时间线整合方法如下：
其中，t为累计运行时间，t’为整合后累计时间，T为设备截尾时间点，k为试验箱台数；
步骤2、进行U统计检验进行趋势检验：U统计趋势检验包含两个假设：其中零假设为无趋势HPP；备选假设为数据具有单调趋势，U统计检验方法如下：
其中k为设备数，r为各设备故障次数，T*为各台设备运行总时间，Tij为第i台设备的第j次故障发生时间，选取10％显著水平，比较临界值与实际计算U值的大小，当实际值大于临界值时，表明拒绝零假设，为无趋势的齐次泊松过程，数据存在单调趋势；当实际值小于临界值时，表明接受为恒定值的假设，否则采用PLP模型；
步骤3包含以下步骤：
步骤3-1、测试故障强度是否为恒定值：通过步骤2的趋势检验结果，确定k台或者单台试验箱U统计量趋势检验是否判定失效强度为恒定值；
步骤3-1-1、对k台数据进行失效强度恒定值判定，当判定k台设备故障数据不存在趋势时，表明故障强度为恒定值，因此对故障强度进行常数估计，并采用K-S检验进行指数性检验选取10％置信水平，得出恒定值失效强度函数；否则进行k台设备PLP模型的应用求解；当判定k台设备故障数据存在趋势时，表明故障强度存在趋势变化，通过采用PLP幂律过程模型进行描述；PLP模型包括参数β以及参数λ，参数估计完成后就可得到PLP故障强度函数，参数估计方法如下：
其中式中k为设备数，r为各设备故障次数，T*为各台设备运行总时间，Tij为第i台设备的第j次故障发生时间，得到故障强度函数后需要对故障强度函数进行拟合度检验，采用Cramér-von Mises统计选取10％置信水平：
当为故障截尾数据时M＝N，T＝T*，当为时间截尾数据时M＝N-1，T＝Tn，其中M是故障次数，如果PLP模型假设被拒绝，考虑采用其它扩展NHPP模型，如果PLP模型通过拟合度检优，则得到k台数据非恒定值失效强度函数；
步骤3-1-2、对单台数据失效强度函数恒定值进行判定，当判定单台设备故障数据不存在趋势时，表明失效强度为恒定值，因此对失效强度进行常数估计：
其中λ为恒定值，r为故障次数，T*为截尾时间；并采用K-S检验进行指数性检验，通过检验则表明HPP模型适用于分析该试验箱的可靠性，得出恒定值失效强度函数；否则需要采用更新过程模型或其他模型，如果恒定值假设被拒绝，则进行PLP模型的应用求解；当判定单台设备故障数据存在趋势时，表明故障强度存在趋势变化，通过采用PLP进行描述，并对构建的模型采用Cramér-von Mises统计进行拟合度检优，拟合度检优方法与步骤3-1-1一致，PLP模型参数计算方法如下；
其中N为故障次数，T*为运行总时间，tj为第j次故障时间，k为试验箱台数；通过PLP模型检优，则得到非恒定值失效强度函数，否则考虑其他模型；
步骤3-2、通过对步骤3-1得到的单台或者k台故障强度函数进行计算，采取累计平均故障间隔时间MTBF进行可靠性评估，k台及单台设备MTBF计算方法如下：
其中t为运行时间，Z(t)为失效强度函数；求解得出MTBF值，对高低温湿热试验箱的可靠性进行评估。
具体示例如下：
根据步骤1收集的故障数据，可以得出单台以及整合后的整体故障维修数据。本方法可以对任意k台设备进行分析，现以同一型号6台试验箱做具体实施例说明。
表1实施例数据汇总
根据步骤2、进行U统计进行趋势检验：
通过求解得出：其中编号为5-7系列3台设备隶属于同一家公司，设备型号完全一致，且具有相同的运行与操作环境，由U统计量检验求得U＝4.53，在α＝0.1显著性水平下，试验统计的绝对值超过Ua＝1.64的临界值，取了较大的正值，因此得出结论，拒绝失效强度为常数的假设，且失效的趋势增大。
编号为2-4系列3台设备同样是隶属于同一家公司相同型号的设备，由U统计量检验公示求得U＝2.05，在α＝0.1显著性水平下，试验统计的绝对值超过Uα＝1.64的临界值，取了较大的正值，拒绝失效强度为常数的假设，且失效的趋势增大。
表2单台试验箱U统计检验结果
步骤3-1、测试故障强度是否为恒定值：通过步骤2的趋势检验结果，确定单台或者k台设备U统计量趋势检验是否判定为恒定值；
选取10％显著水平，比较临界值与实际计算U值的大小，当实际值大于临界值时，表明拒绝零假设，为无趋势齐次泊松过程，数据存在单调趋势；当实际值小于临界值时，表明接受为常数的假设，故障强度为恒定值。
根据步骤3-1-1、k台恒定值判定以及PLP模型参数求解得到：
编号5-7设备失效强度函数z(t)＝0.001064*1.3168t1.3168-1
编号2-4设备失效强度函数z(t)＝0.000440822*1.5285t1.5285-1
得到故障强度函数后需要对故障强度函数进行拟合度检优，采用Cramér-vonMises统计，得到结果如下：
表3 k台试验箱PLP模型应用结果
由于编号5-7的PLP模型假设被拒绝，考虑采用其他扩展NHPP模型。
如附图3所示，编号2-4实际故障次数与模型预估故障次数对比，实际值与估计值非常接近，因此可以通过模型对下一次故障时刻进行预测。
通过步骤3-1-2、对单台设备通过步骤2的趋势检验结果，存在失效强度函数为恒定值以及存在趋势两种可能，对于失效强度函数为恒定值的设备，故障强度函数进行求解：
表4单台无趋势试验箱失效强度函数恒定值
对于失效强度函数存在趋势的情况，故障强度函数参数估计如下：
表5单台有趋势试验箱PLP模型应用结果
步骤3-2、通过对单台设备或k台设备的累计故障间隔时间MTBF求解可以预估设备运行周期内故障发生时刻。
求得编号为2-4的设备累计平均故障间隔为:62.108。因此可以判断编号为2-4系列试验箱预计运行62.108天后会发生故障。单台MTBF结果如下：
表6单台试验箱累计MTBF
综上所述，本发明提供了一种基于高低温湿热试验箱故障维修数据的可靠性评估方法，应用于高低温湿热试验箱的故障树方法需要大量的部件级数据支持，随机点过程也应用于数控机床领域，而不同点在于数控机床故障数据量相对较大，而高低温湿热试验箱数据量往往不足，因此需要在不同情况下进行数据整合。因此，本发明结合了数据量较小的单台设备以及同型号多台设备的建模方法，首次应用于高低温湿热试验箱故障维修数据可靠性分析，满足不同数据量下的可靠性建模。
尽管本发明的内容已经通过上述实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。本发明的保护范围应由所附的权利要求来限定。
Claims (1)
1.一种基于高低温湿热试验箱故障维修数据的可靠性评估方法，其特征在于，包含以下步骤：
步骤1、故障数据的收集与整理：高低温湿热试验箱故障数据应当采集每台试验箱运行起始时间点，选取故障截尾或者时间截尾的时间点数据，故障以及维修过程采用随机点过程处理，即假设当设备出现故障时记录故障发生时间ti，i为故障发生次数，且维修时间忽略不计，当下一次故障发生时继续记录发生时间ti+1，直到整个故障过程结束,单台故障截尾时间为Tj，j为设备编号，当数据量较小时，单台设备故障维修记录时间不需要进行特别处理，保持原有数据特征；当同型号设备较多时，k>1台高低温湿热试验箱故障数据由于运行时间存在不一致性，需要进行时间线整合，时间线整合方法如下：
其中，t为累计运行时间，t’为整合后累计时间，T为试验箱截尾时间点，k为试验箱台数；
步骤2、进行U统计检验进行趋势检验，U统计趋势检验包含两个假设：其中零假设为无趋势HPP；备选假设为数据具有单调趋势；U统计检验方法如下，其中单台试验箱U统计趋势检验为公式(2)，k台试验箱U统计趋势检验为公式(3)：
其中k为设备数，r为各设备故障次数，T*为各台设备运行总时间，Tij为第i台设备的第j次故障发生时间，选取10％显著水平，比较临界值与实际计算U值的大小，当实际值大于临界值时，表明拒绝零假设，为无趋势的齐次泊松过程，数据存在单调趋势；当实际值小于临界值时，表明接受为恒定值的假设，否则采用PLP模型；
步骤3包含以下步骤：
步骤3-1、测试故障强度是否为恒定值：通过步骤2的趋势检验结果，确定k台或者单台试验箱U统计量趋势检验是否判定为恒定值；
步骤3-1-1、对k台数据进行失效强度恒定值判定，当判定k台设备故障数据不存在趋势时，表明故障强度为恒定值，因此对故障强度进行常数估计，并采用K-S检验进行指数性检验选取10％置信水平，得出恒定值失效强度函数，否则进行k台设备PLP模型的应用求解；当判定k台设备故障数据存在趋势时，表明故障强度存在趋势变化，通过采用PLP幂律过程模型进行描述；PLP模型包括参数β以及参数λ，参数估计完成后就可得到PLP故障强度函数，参数估计方法如下：
其中式中k为设备数，r为各设备故障次数，T*为各台设备运行总时间，Tij为第i台设备的第j次故障发生时间，得到故障强度函数后需要对故障强度函数进行拟合度检验，采用Cramér-von Mises统计选取10％置信水平：
当为故障截尾数据时M＝N，T＝T*，当为时间截尾数据时M＝N-1，T＝Tn，其中M是故障次数，如果PLP模型假设被拒绝，考虑采用其它扩展NHPP模型，如果PLP模型通过拟合度检优，则得到k台非恒定值失效强度函数；
步骤3-1-2、对单台数据失效强度函数恒定值进行判定，当判定单台设备故障数据不存在趋势时，表明故障强度为恒定值，因此对故障强度进行常数估计：
其中λ为恒定值，r为故障次数，T*为截尾时间；并采用K-S检验进行指数性检验，通过检验则表明HPP模型适用于分析该试验箱的可靠性，得出恒定值失效强度函数；否则需要采用更新过程模型或其他模型，如果恒定值假设被拒绝，则进行PLP模型的应用求解；当判定单台设备故障数据存在趋势时，表明故障强度存在趋势变化，通过采用PLP进行描述，并对构建的模型采用Cramér-von Mises统计进行拟合度检优，拟合度检优方法与步骤3-1-1一致，PLP模型参数计算方法如下：
其中N为故障次数，T*为运行总时间，tj为第j次故障时间，k为试验箱台数；通过PLP模型检优，则得到非恒定值失效强度函数，否则考虑其他模型；
步骤3-2、通过对步骤3-1计算得到的单台或者k台故障强度函数，采取求解累计平均故障间隔时间MTBF进行可靠性评估，k台及单台设备MTBF计算方法如下：
其中t为运行时间，Z(t)为故障强度函数；求解得出MTBF值，对高低温湿热试验箱的可靠性进行评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011351876.2A CN112578733A (zh) | 2020-11-27 | 2020-11-27 | 一种基于高低温湿热试验箱故障维修数据的可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011351876.2A CN112578733A (zh) | 2020-11-27 | 2020-11-27 | 一种基于高低温湿热试验箱故障维修数据的可靠性评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112578733A true CN112578733A (zh) | 2021-03-30 |
Family
ID=75123727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011351876.2A Pending CN112578733A (zh) | 2020-11-27 | 2020-11-27 | 一种基于高低温湿热试验箱故障维修数据的可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112578733A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202661863U (zh) * | 2012-06-27 | 2013-01-09 | 上海海事大学 | 一种可靠性试验远程监控系统 |
| CN102981452A (zh) * | 2012-12-28 | 2013-03-20 | 吉林大学 | 数控机床三类功能部件的可靠性建模与可靠性评估方法 |
| CN203479923U (zh) * | 2013-07-05 | 2014-03-12 | 北京航空航天大学 | 一种电子设备综合环境加速贮存试验装置 |
| CN104932481A (zh) * | 2015-05-22 | 2015-09-23 | 中国石油化工股份有限公司 | 一种炼油化工设备故障管控及检维修优化系统 |
| CN105844050A (zh) * | 2016-04-12 | 2016-08-10 | 吉林大学 | 基于时间相关的数控机床组件更换时间方法 |
| CN109377044A (zh) * | 2018-10-17 | 2019-02-22 | 国网重庆市电力公司电力科学研究院 | 一种智能变电站保护设备的故障检修成本分析方法 |
| CN110457654A (zh) * | 2019-08-08 | 2019-11-15 | 哈尔滨理工大学 | 一种基于现场数据的机载设备可靠性预测方法 |
-
2020
- 2020-11-27 CN CN202011351876.2A patent/CN112578733A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202661863U (zh) * | 2012-06-27 | 2013-01-09 | 上海海事大学 | 一种可靠性试验远程监控系统 |
| CN102981452A (zh) * | 2012-12-28 | 2013-03-20 | 吉林大学 | 数控机床三类功能部件的可靠性建模与可靠性评估方法 |
| CN203479923U (zh) * | 2013-07-05 | 2014-03-12 | 北京航空航天大学 | 一种电子设备综合环境加速贮存试验装置 |
| CN104932481A (zh) * | 2015-05-22 | 2015-09-23 | 中国石油化工股份有限公司 | 一种炼油化工设备故障管控及检维修优化系统 |
| CN105844050A (zh) * | 2016-04-12 | 2016-08-10 | 吉林大学 | 基于时间相关的数控机床组件更换时间方法 |
| CN109377044A (zh) * | 2018-10-17 | 2019-02-22 | 国网重庆市电力公司电力科学研究院 | 一种智能变电站保护设备的故障检修成本分析方法 |
| CN110457654A (zh) * | 2019-08-08 | 2019-11-15 | 哈尔滨理工大学 | 一种基于现场数据的机载设备可靠性预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112384924B (zh) | 产品性能预测模型的建立方法和装置、计算机设备、计算机可读存储介质、产品性能预测方法及预测系统 | |
| CN109524139A (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
| CN101330030B (zh) | 检测数据中异常点的去除方法 | |
| CN110486350B (zh) | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 | |
| CN107967398A (zh) | 一种产品可靠性分析方法及装置 | |
| CN111931334A (zh) | 一种用于评估电缆设备运行可靠性的方法及系统 | |
| Che et al. | Reliability analysis of load-sharing man-machine systems subject to machine degradation, human errors, and random shocks | |
| CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
| CN103608815B (zh) | 用于辅助在技术系统中引导的故障查找的方法和诊断系统 | |
| CN106017924B (zh) | 滚珠丝杠副可靠性加速试验评估方法 | |
| CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
| CN113642209B (zh) | 基于数字孪生的结构植入故障响应数据获取及评判方法 | |
| CN112578733A (zh) | 一种基于高低温湿热试验箱故障维修数据的可靠性评估方法 | |
| CN116773239A (zh) | 一种智能燃气表控制器可靠性寿命预测方法 | |
| KR101982235B1 (ko) | 생존 함수 기반의 특질 추출 방법을 이용한 유사 설비 군집화 방법 및 장치 | |
| CN110907135A (zh) | 一种制程设备的控制方法及装置 | |
| CN115034094A (zh) | 一种金属加工机床运行状态预测方法及系统 | |
| CN115186860A (zh) | 基于压力数据聚类的供水管网复杂多漏损识别方法、设备、介质、产品 | |
| Jodejko-Pietruczuk et al. | A Delay-Time Model with Imperfect Inspections for Multi-Unit Systems/Model Opóźnień Czasowych Z Nieperfekcyjną Diagnozą Stanu Systemu Dla Systemów Wieloelementowych | |
| CN113887990A (zh) | 电气设备维修决策优化方法 | |
| CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
| CN107885075B (zh) | 一种对过程控制智能整定的检测方法及系统 | |
| CN109946069B (zh) | 一种基于载荷谱的数控装备拖链可靠性加速试验方法 | |
| CN112445632A (zh) | 基于故障数据建模的hpc可靠性评估方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |