CN113554224A - 多点统计与健康趋势预测相结合的故障诊断方法和系统 - Google Patents

多点统计与健康趋势预测相结合的故障诊断方法和系统 Download PDF

Info

Publication number
CN113554224A
CN113554224A CN202110822086.6A CN202110822086A CN113554224A CN 113554224 A CN113554224 A CN 113554224A CN 202110822086 A CN202110822086 A CN 202110822086A CN 113554224 A CN113554224 A CN 113554224A
Authority
CN
China
Prior art keywords
fault
detected
health
judging
trend prediction
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
CN202110822086.6A
Other languages
English (en)
Other versions
CN113554224B (zh
Inventor
康瑛瑶
李忞詝
魏继栋
于砚
李景旺
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.)
Shanghai Spaceflight Institute of TT&C and Telecommunication
Original Assignee
Shanghai Spaceflight Institute of TT&C and Telecommunication
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 Shanghai Spaceflight Institute of TT&C and Telecommunication filed Critical Shanghai Spaceflight Institute of TT&C and Telecommunication
Priority to CN202110822086.6A priority Critical patent/CN113554224B/zh
Publication of CN113554224A publication Critical patent/CN113554224A/zh
Application granted granted Critical
Publication of CN113554224B publication Critical patent/CN113554224B/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供了一种多点统计与健康趋势预测相结合的故障诊断方法和系统，包括：根据待检测器件存在的故障特征，确定故障检测方法；根据所述故障检测方法，确定延时后判区间长度；对预设参数进行初始化；采集所述待检测器件的传感器输出数据，包括目标时刻下所述待检测器件的量测数据；根据所述待检测器件的自身特性和所述量测数据，确定对应的器件健康变化趋势预测方法，并根据所述器件健康变化趋势预测方法预测健康变化趋势，得到待检测单元失效指数σ；对当前时刻待检测单元进行单点故障检测；更新所述预设参数，并判断后判区间是否结束；若结束，则对所述待检测器件的故障进行分析和诊断，得到故障诊断结果。从而可以提高故障诊断的准确性。

Description

多点统计与健康趋势预测相结合的故障诊断方法和系统
技术领域
本发明涉及数据处理技术领域，具体地，涉及多点统计与健康趋势预测相结合的故障诊断方法和系统。
背景技术
复杂系统的安全性、可靠性问题越来越受到重视，导致故障检测与诊断技术的迅速发展。
目前，针对各类型量测数据、各类型故障情况的检测方法，日趋成熟，部分单点检测方法已经得到广泛的工程应用。但受到实际工作环境和传感器测量误差的影响，针对单点时刻的故障检测算法通常无法避免一定程度的误警或漏检。对故障诊断方法的要求，不仅限于理想情况下对故障的检测能力，还包括实际应用中的低延时、低误检率和低漏检率。为了降低误检率，多点连续诊断的方法被提出且得到了应用，当连续k时刻的检测结果显示待测单元故障时，可以判定该单元存在故障。多点连续检测避免了传感器量测误差造成的单点误警引起的故障诊断误判，具有较低的误警率，但随机误差导致的单点漏检也增加了连续多点诊断方法的漏检率，且对于传感器的慢变故障检测灵敏度低。
综上所述，目前得到广泛应用的多点连续诊断方法具有较高的故障漏检率。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种多点统计与健康趋势预测相结合的故障诊断方法和系统。
第一方面，本发明提供的一种多点统计与健康趋势预测相结合的故障诊断方法，包括：
步骤1：根据待检测器件存在的故障特征，确定故障检测方法；
步骤2：根据所述故障检测方法，确定延时后判区间长度；
步骤3：对预设参数进行初始化；
步骤4：采集所述待检测器件的传感器输出数据，包括目标时刻下所述待检测器件的量测数据；
步骤5：根据所述待检测器件的自身特性和所述量测数据，确定对应的器件健康变化趋势预测方法，并根据所述器件健康变化趋势预测方法预测健康变化趋势，得到待检测单元失效指数σ；
步骤6：对当前时刻待检测单元进行单点故障检测；
步骤7：更新所述预设参数，并判断后判区间是否结束；若结束，则对所述待检测器件的故障进行分析和诊断，得到故障诊断结果。
可选地，所述步骤3中的预设参数包括：异常数据计数a、延时后判区间长度b0、延后判断计数b、器件失效指数σ；其中：
异常数据计数a的初始值为零，在一个检测窗口内，每发生一次采样参数异常则计数加1；
延后判断计数b的初始值由延时后判区间长度b0决定，延时后判区间内包含b0个采样周期，初始时刻b＝b0；
器件失效指数的取值范围包括0＜σ＜1，σ的值用于表征检测部件在本次检测内的失效可能性，若σ＝0则器件无失效可能，σ值越大，失效可能性越高。
可选地，所述步骤7包括：
若检测到异常，则进入后判区间，令异常计数a＝a+1，延后计数b＝b-1；
通过参数b的值，判断当前时刻是否正处于延时后判区间；
若b＝b0，则判定未开始进行延时后判，返回执行步骤4；
若b＜b0，且b≠0，则判定当前时刻正处于一个延时后判区间内，则延时后判计数减1，令b＝b-1，继续采集数据，直到判定b＝0时，延时后判区间结束。
可选地，所述步骤8包括：
根据异常计数a与失效指数σ的值，诊断所述待检测器件在tk到
Figure BDA0003171301220000021
后判区间内的故障或健康状况；
根据所述待检测器件的健康管理历史统计数据和实际工作环境数据，设置健康判决门限k1、故障判决门限k2，其中0＜k1＜k2＜1，设置失效指数门限τ0，其中0＜τ0＜1；
若异常发生率低于故障判决门限，即a＜k1×b0，则判定待检测器件可继续工作；
若异常发生率高于故障判决门限，即a＞k2×b0，则判定待检测器件故障；
若异常发生率在健康与故障门限之间，即k2×b0＜a＜k1×b0，且失效指数σ≤τ0，则判定待检测器件可继续工作；
若异常发生率在健康与故障门限之间，即k2×b0＜a＜k1×b0，且失效指数σ＞τ0，则判定待检测器件故障。
第二方面，本发明提供一种多点统计与健康趋势预测相结合的故障诊断系统，包括：存储器、处理器，所述存储器用于存储计算机指令，当所述处理器调用所述存储器中存储的计算机指令时，所述处理器用于执行如第一方面中任一项所述的多点统计与健康趋势预测相结合的故障诊断方法。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的多点统计与健康趋势预测相结合的故障诊断方法和系统，可以实现对待检测单元的故障诊断，避免单点检测误警，且与传统的多点连续检测相比，具有更高的检测灵敏度和更低的漏检率，有效提高了故障诊断的准确性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提出的多点统计与健康趋势预测相结合的故障诊断方法的流程示意图；
图2为本发明提供的多点统计与健康趋势预测相结合的故障诊断方法的性能效果示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提出一种多点统计与健康趋势预测相结合的故障诊断方法，其流程图如附图1所示，该方法通过以下步骤实现：
(1)根据待检测器件存在的故障特征，确定故障检测方法。
(2)根据所述故障检测方法，确定延时后判区间长度。
(3)对预设参数进行初始化，包括异常数据计数a，延时后判区间长度b0，延后判断计数b，器件失效指数σ。
(4)采集所述待检测器件的传感器输出数据，包括目标时刻下所述待检测器件的量测数据。
(5)根据所述待检测器件的自身特性和所述量测数据，确定对应的器件健康变化趋势预测方法，并根据所述器件健康变化趋势预测方法预测进行健康变化趋势，得到待检测单元失效指数σ。
(6)对当前时刻待检测单元进行单点故障检测。
(7)更新所述预设参数，并判断后判区间是否结束；若结束，则对所述待检测器件的故障进行分析和诊断，得到故障诊断结果。
异常数据计数a的初始值为零，在一个检测窗口内，每发生一次采样参数异常则计数加1；
延后判断计数b的初始值由延时后判区间长度b0决定，延时后判区间内包含b0个采样周期，初始时刻b＝b0；
器件失效指数的取值范围包括0＜σ＜1，σ的值用于表征检测部件在本次检测内的失效可能性，若σ＝0则器件无失效可能，σ值越大，失效可能性越高。
若检测到异常，则进入后判区间，令异常计数a＝a+1，延后计数b＝b-1；
通过参数b的值，判断当前时刻是否正处于延时后判区间；
若b＝b0，则判定未开始进行延时后判，返回执行步骤4；
若b＜b0，且b≠0，则判定当前时刻正处于一个延时后判区间内，则延时后判计数减1，令b＝b-1，继续采集数据，直到判定b＝0时，延时后判区间结束。
(8)根据异常计数a与失效指数σ的值，诊断待检测单元在tk到
Figure BDA0003171301220000041
后判区间内的故障或健康状况。
根据所述待检测器件的健康管理历史统计数据和实际工作环境数据，设置健康k1、故障判决门限、k2，其中0＜k1＜k2＜1，设置失效指数门限τ0，其中0＜τ0＜1。
若异常发生率低于故障判决门限，即a＜k1×b0，则判定待检测单元可继续工作；
若异常发生率高于故障判决门限，即a＞k2×b0，则判定待检测单元故障；
若异常发生率在健康与故障门限之间，即k2×b0＜a＜k1×b0，且失效指数σ≤τ0，则判定待检测器件可继续工作；
若异常发生率在健康与故障门限之间，即k2×b0＜a＜k1×b0，且失效指数σ＞τ0，则判定待检测器件故障。
为了验证本发明的合理性、可行性，以惯性/多普勒组合导航系统的多普勒计程仪为检测对象，速度为量测信息，以残差检测法对多普勒计程仪进行故障检测，使用传统的多点连续诊断作为对比，对多点统计与健康趋势预测相结合的故障诊断方法进行仿真实验验证。仿真的方案、条件及结果如下所示：
1)仿真参数设置
仿真时长为350秒，故障检测周期为1秒，延时后判区间长度b0＝5。本次试验中，多普勒计程仪失效指数σ＝0.8，失效指数门限τ0＝0.75，健康判决门限k1＝0.2、故障判决门限k2＝0.8。
2)量测故障设置
在170秒，多普勒计程仪测速发生软故障，量测信息发生慢变斜坡误差。
3)仿真结果
依上述仿真条件，对所设计的多点统计与健康趋势预测相结合的故障诊断方法性能进行仿真验证。
图2为本发明提供的多点统计与健康趋势预测相结合的故障诊断方法性能效果示意图，对多普勒计程仪量测误差、传统多点连续诊断方法和本专利提出的多点统计与健康预测结合的诊断方法进行了对比。图2中展示了多普勒计程仪量测误差、传统多点连续诊断方法标志位变化曲线和本专利提出的多点统计与健康预测结合的诊断方法标志位变化曲线。在170秒，多普勒计程仪发生软故障，量测误差逐渐增大。可以看出，两种诊断方法都可以诊断出多普勒计程仪故障，多点统计诊断时延更短，具有更高的检测灵敏度和更低的漏检率。
综合上述分析，得到如下分析结果：多点统计与健康趋势预测相结合的故障诊断方法，可以实现对待检测器件的故障诊断，避免单点检测误警，且与传统的多点连续检测相比，具有更高的检测灵敏度和更低的漏检率，有效提高了故障诊断的准确性。因此，本发明可以提升故障诊断方法的性能。
需要说明的是，本发明提供的所述多点统计与健康趋势预测相结合的故障诊断方法中的步骤，可以利用多点统计与健康趋势预测相结合的故障诊断系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (5)

1.一种多点统计与健康趋势预测相结合的故障诊断方法，其特征在于，包括：
步骤1：根据待检测器件存在的故障特征，确定故障检测方法；
步骤2：根据所述故障检测方法，确定延时后判区间长度；
步骤3：对预设参数进行初始化；
步骤4：采集所述待检测器件的传感器输出数据，包括目标时刻下，所述待检测器件的量测数据；
步骤5：根据所述待检测器件的自身特性和所述量测数据，确定对应的器件健康变化趋势预测方法，并根据所述器件健康变化趋势预测方法预测健康变化趋势，得到待检测单元失效指数σ；
步骤6：对当前时刻待检测单元进行单点故障检测；
步骤7：更新所述预设参数，并判断后判区间是否结束；若结束，则对所述待检测器件的故障进行分析和诊断，得到故障诊断结果。
2.根据权利要求1所述的多点统计与健康趋势预测相结合的故障诊断方法，其特征在于，所述步骤3中的预设参数包括：异常数据计数a、延时后判区间长度b0、延后判断计数b、器件失效指数σ；其中：
异常数据计数a的初始值为零，在一个检测窗口内，每发生一次采样参数异常则计数加1；
延后判断计数b的初始值由延时后判区间长度b0决定，延时后判区间内包含b0个采样周期，初始时刻b＝b0；
器件失效指数的取值范围包括0＜σ＜1，σ的值用于表征检测部件在本次检测内的失效可能性，若σ＝0则器件无失效可能，σ值越大，失效可能性越高。
3.根据权利要求2所述的多点统计与健康趋势预测相结合的故障诊断方法，其特征在于，所述步骤7包括：
若检测到异常，则进入后判区间，令异常计数a＝a+1，延后计数b＝b-1；
通过参数b的值，判断当前时刻是否正处于延时后判区间；
若b＝b0，则判定未开始进行延时后判，返回执行步骤4；
若b＜b0，且b≠0，则判定当前时刻正处于一个延时后判区间内，则延时后判计数减1，令b＝b-1，继续采集数据，直到判定b＝0时，延时后判区间结束。
4.根据权利要求2所述的多点统计与健康趋势预测相结合的故障诊断方法，其特征在于，所述步骤8包括：
根据异常计数a与失效指数σ的值，诊断所述待检测器件在tk到
Figure FDA0003171301210000021
后判区间内的故障或健康状况；
根据所述待检测器件的健康管理历史统计数据和实际工作环境数据，设置健康判决门限k1、故障判决门限k2，其中0＜k1＜k2＜1，设置失效指数门限τ0，其中0＜τ0＜1；
若异常发生率低于故障判决门限，即a＜k1×b0，则判定待检测器件可继续工作；
若异常发生率高于故障判决门限，即a＞k2×b0，则判定待检测器件故障；
若异常发生率在健康与故障门限之间，即k2×b0＜a＜k1×b0，且失效指数σ≤τ0，则判定待检测器件可继续工作；
若异常发生率在健康与故障门限之间，即k2×b0＜a＜k1×b0，且失效指数σ＞τ0，则判定待检测器件故障。
5.一种多点统计与健康趋势预测相结合的故障诊断系统，其特征在于，包括：存储器、处理器，所述存储器用于存储计算机指令，当所述处理器调用所述存储器中存储的计算机指令时，所述处理器用于执行如权利要求1-4中任一项所述的多点统计与健康趋势预测相结合的故障诊断方法。
CN202110822086.6A 2021-07-20 2021-07-20 多点统计与健康趋势预测相结合的故障诊断方法和系统 Active CN113554224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110822086.6A CN113554224B (zh) 2021-07-20 2021-07-20 多点统计与健康趋势预测相结合的故障诊断方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110822086.6A CN113554224B (zh) 2021-07-20 2021-07-20 多点统计与健康趋势预测相结合的故障诊断方法和系统

Publications (2)

Publication Number Publication Date
CN113554224A true CN113554224A (zh) 2021-10-26
CN113554224B CN113554224B (zh) 2022-11-25

Family

ID=78103654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110822086.6A Active CN113554224B (zh) 2021-07-20 2021-07-20 多点统计与健康趋势预测相结合的故障诊断方法和系统

Country Status (1)

Country Link
CN (1) CN113554224B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101446615A (zh) * 2008-12-19 2009-06-03 艾默生网络能源有限公司 一种太阳能方阵管理方法
CN103760934A (zh) * 2014-02-20 2014-04-30 北京七星华创电子股份有限公司 一种用于半导体热处理设备温度的监控方法及系统
CN105184386A (zh) * 2015-07-22 2015-12-23 中国寰球工程公司 一种结合专家经验和历史数据建立异常事件预警系统的方法
CN105899419A (zh) * 2013-11-22 2016-08-24 日本精工株式会社 中途故障诊断系统及安装了该中途故障诊断系统的电动助力转向装置
CN106468766A (zh) * 2016-09-29 2017-03-01 法乐第(北京)网络科技有限公司 故障检测装置、机动车
CN107561472A (zh) * 2017-09-29 2018-01-09 杭州安脉盛智能技术有限公司 用于变压器的传感器和监测装置的状态诊断方法
CN107633325A (zh) * 2017-09-11 2018-01-26 中国石油大学(北京) 一种页岩气压裂井下事故早期诊断报警方法及装置
CN108154166A (zh) * 2017-11-30 2018-06-12 辽宁科技大学 一种风机智能故障诊断系统及方法
CN109699021A (zh) * 2018-12-31 2019-04-30 宁波工程学院 一种基于时间加权的农业物联网故障诊断方法
CN110779549A (zh) * 2019-10-28 2020-02-11 南京邮电大学 一种水下组合导航系统突变型故障诊断方法
CN111027721A (zh) * 2019-11-22 2020-04-17 中国铁道科学研究院集团有限公司通信信号研究所 一种系统故障定位方法
CN111553590A (zh) * 2020-04-27 2020-08-18 中国电子科技集团公司第十四研究所 一种雷达嵌入式健康管理系统
CN112526378A (zh) * 2019-09-18 2021-03-19 中车时代电动汽车股份有限公司 一种电池不一致性故障预警方法及设备
CN112557069A (zh) * 2019-09-25 2021-03-26 北京国双科技有限公司 一种设备振动故障检测方法、装置、系统及存储介质
CN112731159A (zh) * 2020-12-23 2021-04-30 江苏省电力试验研究院有限公司 一种储能电站电池舱电池故障预判及定位的方法
CN112943465A (zh) * 2019-12-11 2021-06-11 联合汽车电子有限公司 用于废气涡轮增压器的故障诊断方法及装置
CN112949145A (zh) * 2021-03-31 2021-06-11 西南大学 一种基于Duval Pentagons故障BPA函数的变压器故障诊断方法
CN112949683A (zh) * 2021-01-27 2021-06-11 东方红卫星移动通信有限公司 一种低轨星座智能故障诊断及预警方法及系统
CN113077172A (zh) * 2021-04-19 2021-07-06 瑞湖智科数据(苏州)有限公司 一种设备状态趋势分析及故障诊断方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101446615A (zh) * 2008-12-19 2009-06-03 艾默生网络能源有限公司 一种太阳能方阵管理方法
CN105899419A (zh) * 2013-11-22 2016-08-24 日本精工株式会社 中途故障诊断系统及安装了该中途故障诊断系统的电动助力转向装置
CN103760934A (zh) * 2014-02-20 2014-04-30 北京七星华创电子股份有限公司 一种用于半导体热处理设备温度的监控方法及系统
CN105184386A (zh) * 2015-07-22 2015-12-23 中国寰球工程公司 一种结合专家经验和历史数据建立异常事件预警系统的方法
CN106468766A (zh) * 2016-09-29 2017-03-01 法乐第(北京)网络科技有限公司 故障检测装置、机动车
CN107633325A (zh) * 2017-09-11 2018-01-26 中国石油大学(北京) 一种页岩气压裂井下事故早期诊断报警方法及装置
CN107561472A (zh) * 2017-09-29 2018-01-09 杭州安脉盛智能技术有限公司 用于变压器的传感器和监测装置的状态诊断方法
CN108154166A (zh) * 2017-11-30 2018-06-12 辽宁科技大学 一种风机智能故障诊断系统及方法
CN109699021A (zh) * 2018-12-31 2019-04-30 宁波工程学院 一种基于时间加权的农业物联网故障诊断方法
CN112526378A (zh) * 2019-09-18 2021-03-19 中车时代电动汽车股份有限公司 一种电池不一致性故障预警方法及设备
CN112557069A (zh) * 2019-09-25 2021-03-26 北京国双科技有限公司 一种设备振动故障检测方法、装置、系统及存储介质
CN110779549A (zh) * 2019-10-28 2020-02-11 南京邮电大学 一种水下组合导航系统突变型故障诊断方法
CN111027721A (zh) * 2019-11-22 2020-04-17 中国铁道科学研究院集团有限公司通信信号研究所 一种系统故障定位方法
CN112943465A (zh) * 2019-12-11 2021-06-11 联合汽车电子有限公司 用于废气涡轮增压器的故障诊断方法及装置
CN111553590A (zh) * 2020-04-27 2020-08-18 中国电子科技集团公司第十四研究所 一种雷达嵌入式健康管理系统
CN112731159A (zh) * 2020-12-23 2021-04-30 江苏省电力试验研究院有限公司 一种储能电站电池舱电池故障预判及定位的方法
CN112949683A (zh) * 2021-01-27 2021-06-11 东方红卫星移动通信有限公司 一种低轨星座智能故障诊断及预警方法及系统
CN112949145A (zh) * 2021-03-31 2021-06-11 西南大学 一种基于Duval Pentagons故障BPA函数的变压器故障诊断方法
CN113077172A (zh) * 2021-04-19 2021-07-06 瑞湖智科数据(苏州)有限公司 一种设备状态趋势分析及故障诊断方法

Also Published As

Publication number Publication date
CN113554224B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
CN108604360B (zh) 设施异常监测方法及其系统
CN111459695B (zh) 根因定位方法、装置、计算机设备和存储介质
WO2020215721A1 (zh) 一种激光雷达的寿命预测方法
CN106528975B (zh) 一种应用于电路与系统的故障预测与健康管理方法
Coble et al. Applying the general path model to estimation of remaining useful life
EP1643332A2 (en) Hybrid model based fault detection and isolation system
CN111414999B (zh) 一种设备运行状态的监测方法及装置
CN109783903A (zh) 一种基于时间序列的工业用水管道故障诊断方法及系统
EP2613207A2 (en) Adaptive trend-change detection and function fitting system and method
CN111208802A (zh) 控制系统前端冗余智能诊断方法和系统及存储器和控制器
CN111400850A (zh) 设备故障分析方法、装置、设备和存储介质
CN116994641A (zh) 一种半导体老化测试方法及其系统
CN115659768A (zh) 一种igbt剩余使用寿命预测方法及装置
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
CN111314110B (zh) 一种用于分布式系统的故障预警方法
CN117075578A (zh) 车辆故障分析方法、装置、电子设备及存储介质
EP3072046B1 (en) Latency tolerant fault isolation
CN109254898A (zh) 一种软件模块执行顺序监视方法及监视系统
CN112556087B (zh) 一种机组故障诊断方法、装置和一种控制器
CN111930081A (zh) 用于监控agv状态的方法、装置、边缘设备和存储介质
CN114443398B (zh) 内存故障预测模型的生成方法、检测方法、装置及设备
CN117312635B (zh) 在线检测数据分析处理方法、系统、电子设备及存储介质
CN115327953B (zh) 智能驾驶算法的仿真测试方法、装置、电子设备及介质
CN115855480A (zh) 一种电磁阀的故障诊断方法、装置、设备和存储介质
CN116055357A (zh) 性能数据告警的回测方法、装置及电子设备

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