CN113094217B - 一种对电子系统机内自检结果进行故障分析诊断的方法 - Google Patents

一种对电子系统机内自检结果进行故障分析诊断的方法 Download PDF

Info

Publication number
CN113094217B
CN113094217B CN202110320032.XA CN202110320032A CN113094217B CN 113094217 B CN113094217 B CN 113094217B CN 202110320032 A CN202110320032 A CN 202110320032A CN 113094217 B CN113094217 B CN 113094217B
Authority
CN
China
Prior art keywords
basic units
fault
electronic system
fault analysis
weight
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
Application number
CN202110320032.XA
Other languages
English (en)
Other versions
CN113094217A (zh
Inventor
任锋
李钊
刘涛
郎少波
梁龙龙
吴自新
罗绍彬
龚小立
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 CN202110320032.XA priority Critical patent/CN113094217B/zh
Publication of CN113094217A publication Critical patent/CN113094217A/zh
Application granted granted Critical
Publication of CN113094217B publication Critical patent/CN113094217B/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
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2273—Test methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明公开了一种对电子系统机内自检结果进行故障分析诊断的方法，包括如下步骤：S1，构建包含关联、相关参数和权重信息的故障分析诊断模型；S2，利用步骤S1构建的故障分析诊断模型得到与这些报故障的基础单元BU有信号关联的一组基础单元和它们之间的权重值；S3，设置一个权重值下门限，将权重值低于下门限的那些基础单元BU剔除掉；逐渐提高权重值的下门限，将逐步缩小与故障相关的基础单元BU的数量；S4，对步骤S3中保留下来的基础单元BU，按照权重值先后顺序进行更换和维修，从而能够快速排除电子系统的故障等；本发明可以减少对维修人员素质和经验的依赖，缩小故障排查范围，有效缩短排除电子系统故障的工作周期。

Description

一种对电子系统机内自检结果进行故障分析诊断的方法
技术领域
本发明涉及电子系统故障分析诊断技术领域，更为具体的，涉及到一种对电子系统机内自检结果进行故障分析诊断的方法。
背景技术
电子系统通常都有机内自检(Built In Test，简称BIT)功能，但是鉴于软件和硬件的资源限制，一般来说BIT通道不是完全独立于工作通道的，因此，出现故障时，BIT结果包含了与故障单元相关联的较多的基础单元，排查范围比较大，还需要维修人员逐步验证，缩小范围直至找到发生故障的基础单元并进行更换或维修。该方法的排查周期较长，并且要求维修人员对系统组成原理要有相当的了解，具有一定的相关经验。
因此，很有必要采用一种比较科学、客观的方法来对BIT结果进行故障分析诊断，降低维修人员的素质和经验等人为因素的影响，缩小故障排查的范围，减少验证次数，缩短排除故障的工作周期。
发明内容
本发明的目的在于克服现有技术的不足，提供一种对电子系统机内自检结果进行故障分析诊断的方法，以解决背景技术中提到的问题。
本发明的目的是通过以下方案实现的：
一种对电子系统机内自检结果进行故障分析诊断的方法，对电子系统内部的基础单元BU进行编号后，执行如下步骤：
S1，基于基础单元BU之间信号的连接关系、流向，构建包含关联、相关参数和权重信息的故障分析诊断模型；
S2，当得到机内自检结果时报出的有故障的基础单元BU编号之后，利用步骤S1构建的故障分析诊断模型得到与这些报故障的基础单元BU有信号关联的一组基础单元和它们之间的权重值；
S3，设置一个权重值下门限，将权重值低于下门限的那些基础单元BU剔除掉；逐渐提高权重值的下门限，将逐步缩小与故障相关的基础单元BU的数量，从而缩小需要排查故障的基础单元BU的范围；
S4，对步骤S3中保留下来的基础单元BU，按照权重值先后顺序进行更换和维修，从而能够快速排除电子系统的故障。
进一步地，在步骤S1中，所述故障分析诊断模型中每个基础单元BU有一个唯一的编号。
进一步地，在步骤S1中，所述故障分析诊断模型，依据各个基础单元BU之间的信号连接关系和信号流向，每两个基础单元BU之间拥有一个关联值，该关联值至少表示有无信号关联以及信号流向信息。
进一步地，在步骤S1中，所述故障分析诊断模型，每两个信号关联的基础单元BU拥有一个参数值，该参数值至少包含这两个基础单元BU的影响度大小、故障易发程度信息的量化值之和，影响度大小与基础单元BU的信号关联数量、信号流上下游位置关联，故障易发程度与基础单元BU的复杂程度、以往故障发生频率关联。
进一步地，在步骤S1中，对所述的关联值和参数值进行加权计算，得到一个权重值。
进一步地，在步骤S4中，按照权重值由高至低的先后顺序进行更换和维修。
本发明的有益效果是：
本发明可以减少对维修人员素质和经验的依赖，缩小故障排查范围，有效缩短排除电子系统故障的工作周期。具体的，基于电子系统内部各基础单元之间信号的连接关系、流向，建立包含关联、相关参数和权重等信息的故障分析诊断模型，利用该模型对电子系统的机内自检结果进行故障分析诊断，减少对维修人员素质和经验的依赖，缩小故障排查范围，有效缩短排除电子系统故障的工作周期。
采用本发明的方法，对由多个基础单元组成的电子系统建立了故障分析诊断模型，并利用该模型对电子系统的机内自检报告的故障信息进行分析诊断测试，定位到实际发生故障的基础单元的周期比不采用本发明的方法平均缩短20％以上。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基础单元信号关联模型示意图；
图2为本发明实施例中信号关联基础单元之间的参数模型示意图；
图3为本发明实施例中有信号关联基础单元之间的权重值模型示意图；
图4为本发明实施例中利用有信号关联基础单元之间的权重值缩小排查范围示意图；
图5为本发明实施例中方法步骤流程图。
具体实施方式
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
如图1～5所示，一种对电子系统机内自检结果进行故障分析诊断的方法，对电子系统内部的基础单元BU进行编号后，执行如下步骤：
S1，基于基础单元BU之间信号的连接关系、流向，构建包含关联、相关参数和权重信息的故障分析诊断模型；
S2，当得到机内自检结果时报出的有故障的基础单元BU编号之后，利用步骤S1构建的故障分析诊断模型得到与这些报故障的基础单元BU有信号关联的一组基础单元和它们之间的权重值；
S3，设置一个权重值下门限，将权重值低于下门限的那些基础单元BU剔除掉；逐渐提高权重值的下门限，将逐步缩小与故障相关的基础单元BU的数量，从而缩小需要排查故障的基础单元BU的范围；
S4，对步骤S3中保留下来的基础单元BU，按照权重值先后顺序进行更换和维修，从而能够快速排除电子系统的故障。
通常，电子系统内的基础单元的信号连接关系和信号流向是固定的，因此基础单元信号关联模型是稳定的，每个基础单元的影响度大小也基本不变，而故障易发程度等参数与维修经验积累或其他来源的质量信息相关，每次故障排除后可以根据维修的实际结果评估并修订故障分析诊断模型中的参数值或权重值，因此故障分析诊断模型被使用的次数越多，分析诊断的结果越趋于精确。
进一步地，在步骤S1中，所述故障分析诊断模型中每个基础单元BU有一个唯一的编号。
进一步地，在步骤S1中，所述故障分析诊断模型，依据各个基础单元BU之间的信号连接关系和信号流向，每两个基础单元BU之间拥有一个关联值，该关联值至少表示有无信号关联以及信号流向信息。
进一步地，在步骤S1中，所述故障分析诊断模型，每两个信号关联的基础单元BU拥有一个参数值，该参数值至少包含这两个基础单元BU的影响度大小、故障易发程度信息的量化值之和，影响度大小与基础单元BU的信号关联数量、信号流上下游位置关联，故障易发程度与基础单元BU的复杂程度、以往故障发生频率关联。
进一步地，在步骤S1中，对所述的关联值和参数值进行加权计算，得到一个权重值。
进一步地，在步骤S4中，按照权重值由高至低的先后顺序进行更换和维修。
在本发明的具体实施例中，首先，对电子系统建立一个故障分析诊断模型，该模型至少包括了四个方面：1)对基础单元(Base Unit，以下简称BU)进行编号，即电子系统的每个BU有一个唯一的编号；2)依据各BU之间的信号连接关系和信号流向，每两个BU之间拥有一个关联值，该关联值至少表示了有无信号关联以及信号流向等信息，见0示意；3)每两个信号关联的BU拥有一个参数值，该参数值至少包含了这两个BU的影响度大小、故障易发程度等信息的量化值之和。影响度大小与BU的信号关联数量、信号流上下游位置等有关，故障易发程度与BU的复杂程度、以往故障发生频率等有关，见0示意；4)对第2)项与第3)项所述的关联值和参数值等信息进行加权计算，得到一个权重值，见0示意。
通常，电子系统内的基础单元的信号连接关系和信号流向是固定的，因此基础单元信号关联模型是稳定的，每个基础单元的影响度大小也基本不变，而故障易发程度等参数与维修经验积累或其他来源的质量信息相关，每次故障排除后可以根据维修的实际结果评估并修订故障分析诊断模型中的参数值或权重值，因此故障分析诊断模型被使用的次数越多，分析诊断的结果越趋于精确。
本发明基于电子系统内部各基础单元之间信号的连接关系、流向，建立包含关联、相关参数和权重等信息的故障分析诊断模型，利用该模型对电子系统的机内自检结果进行故障分析诊断，减少对维修人员素质和经验的依赖，缩小故障排查范围，有效缩短排除电子系统故障的工作周期。
除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
本发明功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，在一台计算机设备(可以是个人计算机，服务器，或者网络设备等)以及相应的软件中执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器(Random Access Memory，RAM)、随机存取存储器(Random Access Memory，RAM)等。

Claims (3)

1.一种对电子系统机内自检结果进行故障分析诊断的方法，其特征在于，对电子系统内部的基础单元BU进行编号后，执行如下步骤：
S1，基于基础单元BU之间信号的连接关系、流向，构建包含关联、相关参数和权重信息的故障分析诊断模型；在步骤S1中，所述故障分析诊断模型，依据各个基础单元BU之间的信号连接关系和信号流向，每两个基础单元BU之间拥有一个关联值，该关联值至少表示有无信号关联以及信号流向信息；所述故障分析诊断模型，每两个信号关联的基础单元BU拥有一个参数值，该参数值至少包含这两个基础单元BU的影响度大小、故障易发程度信息的量化值之和，影响度大小与基础单元BU的信号关联数量、信号流上下游位置关联，故障易发程度与基础单元BU的复杂程度、以往故障发生频率关联；对所述的关联值和参数值进行加权计算，得到一个权重值；
S2，当得到机内自检结果时报出的有故障的基础单元BU编号之后，利用步骤S1构建的故障分析诊断模型得到与这些报故障的基础单元BU有信号关联的一组基础单元和它们之间的权重值；
S3，设置一个权重值下门限，将权重值低于下门限的那些基础单元BU剔除掉；逐渐提高权重值的下门限，将逐步缩小与故障相关的基础单元BU的数量，从而缩小需要排查故障的基础单元BU的范围；
S4，对步骤S3中保留下来的基础单元BU，按照权重值先后顺序进行更换和维修，从而能够快速排除电子系统的故障。
2.根据权利要求1所述的一种对电子系统机内自检结果进行故障分析诊断的方法，其特征在于，在步骤S1中，所述故障分析诊断模型中每个基础单元BU有一个唯一的编号。
3.根据权利要求1所述的一种对电子系统机内自检结果进行故障分析诊断的方法，其特征在于，在步骤S4中，按照权重值由高至低的先后顺序进行更换和维修。
CN202110320032.XA 2021-03-25 2021-03-25 一种对电子系统机内自检结果进行故障分析诊断的方法 Active CN113094217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110320032.XA CN113094217B (zh) 2021-03-25 2021-03-25 一种对电子系统机内自检结果进行故障分析诊断的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110320032.XA CN113094217B (zh) 2021-03-25 2021-03-25 一种对电子系统机内自检结果进行故障分析诊断的方法

Publications (2)

Publication Number Publication Date
CN113094217A CN113094217A (zh) 2021-07-09
CN113094217B true CN113094217B (zh) 2023-04-28

Family

ID=76669893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110320032.XA Active CN113094217B (zh) 2021-03-25 2021-03-25 一种对电子系统机内自检结果进行故障分析诊断的方法

Country Status (1)

Country Link
CN (1) CN113094217B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109446574A (zh) * 2018-09-26 2019-03-08 北京国双科技有限公司 油气开采监测方法、故障识别模型获得方法及相关设备
CN110879351A (zh) * 2019-11-28 2020-03-13 山东科技大学 一种基于rcca-svm的非线性模拟电路故障诊断方法
CN112286751A (zh) * 2020-11-24 2021-01-29 华中科技大学 一种基于边云协同的高端装备故障智能诊断系统及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504248B (zh) * 2014-12-05 2017-10-24 中国航空工业集团公司第六三一研究所 一种基于设计数据分析的故障诊断建模方法
CN105786678B (zh) * 2014-12-25 2018-09-25 北京电子工程总体研究所 一种基于相关性模型的测试性预计方法
CN106650942B (zh) * 2015-11-02 2021-10-22 中国船舶工业系统工程研究院 基于电子装备测试性模型的故障诊断方法
CN105426279B (zh) * 2015-11-23 2019-03-22 北京航空航天大学 基于元胞机的伺服系统故障传播分析方法
CN107103425B (zh) * 2017-04-26 2020-08-07 哈尔滨电机厂有限责任公司 发电设备运行状态计算机智能量化评价系统
CN107607921A (zh) * 2017-10-16 2018-01-19 北京无线电测量研究所 一种雷达频综系统故障检测方法及装置
CN108255649B (zh) * 2017-11-30 2021-04-20 中国航空综合技术研究所 一种基于建模仿真协同分析的诊断策略设计方法
CN110516757A (zh) * 2019-09-02 2019-11-29 广东工业大学 一种变压器故障检测方法及相关装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109446574A (zh) * 2018-09-26 2019-03-08 北京国双科技有限公司 油气开采监测方法、故障识别模型获得方法及相关设备
CN110879351A (zh) * 2019-11-28 2020-03-13 山东科技大学 一种基于rcca-svm的非线性模拟电路故障诊断方法
CN112286751A (zh) * 2020-11-24 2021-01-29 华中科技大学 一种基于边云协同的高端装备故障智能诊断系统及方法

Also Published As

Publication number Publication date
CN113094217A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN111459700B (zh) 设备故障的诊断方法、诊断装置、诊断设备及存储介质
CN107992410B (zh) 软件质量监测方法、装置、计算机设备和存储介质
CN106201829A (zh) 监控阈值确定方法及装置、监控报警方法、装置及系统
CN111061293B (zh) 多参数耦合的飞行器故障定位方法、飞行器及存储介质
Lim et al. Identifying recurrent and unknown performance issues
CN105068901A (zh) 一种磁盘检测的方法
EP3948438B1 (en) Method and system for anomaly detection and diagnosis in industrial processes and equipment
CN110083514B (zh) 软件测试缺陷评估方法、装置、计算机设备及存储介质
CN112217668B (zh) 基于比较模型的自适应网络故障诊断方法
CN109308225B (zh) 一种虚拟机异常检测方法、装置、设备及存储介质
CN111160329A (zh) 一种根因分析的方法及装置
CN110909826A (zh) 一种能源设备的诊断监测方法、装置及电子设备
Kitchenham et al. Design metrics in practice
CN108845927B (zh) 一种测试用例的筛选方法及装置
CN113094217B (zh) 一种对电子系统机内自检结果进行故障分析诊断的方法
Christer et al. The delay-time modelling of preventive maintenance of plant given limited PM data and selective repair at PM
Grottke et al. How does testing affect the availability of aging software systems?
CN116168720A (zh) 一种电机声音异常故障诊断方法、系统、及可存储介质
Garg Investigating coverage-reliability relationship and sensitivity of reliability to errors in the operational profile
CN111965609A (zh) 雷达可靠度评估方法、装置、电子设备及可读存储介质
CN106547690A (zh) 基于新拟合判定标准下的软件可靠性建模方法及装置
CN112799911A (zh) 一种节点健康状态检测方法、装置、设备及存储介质
CN111858213B (zh) 一种服务器合格率测试方法及相关装置
CN117114248B (zh) 一种水质监测系统健康度评价方法、计算机设备及介质
JP7153585B2 (ja) 異常原因推定方法、および、異常原因推定装置

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