CN114239146A - 基于贝叶斯网络的船舶动力输出系统安全评估方法及系统 - Google Patents
基于贝叶斯网络的船舶动力输出系统安全评估方法及系统 Download PDFInfo
- Publication number
- CN114239146A CN114239146A CN202111570260.9A CN202111570260A CN114239146A CN 114239146 A CN114239146 A CN 114239146A CN 202111570260 A CN202111570260 A CN 202111570260A CN 114239146 A CN114239146 A CN 114239146A
- Authority
- CN
- China
- Prior art keywords
- power output
- ship power
- output system
- bayesian network
- nodes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005336 cracking Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229910000897 Babbitt (metal) Inorganic materials 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了基于贝叶斯网络的船舶动力输出系统安全评估方法及系统，属于船舶动力输出系统安全评估和故障检测领域。本发明通过给定该贝叶斯网络的条件概率和根节点先验概率可定量得到船舶动力输出系统可靠度，和故障发生时各根节点后验概率值。该方法能够针对船舶动力输出系统多态、动态、不确定性等特征，进行较为准确的安全评价及给出故障发生时最佳诊断顺序。本方法亦可为网络拓扑结构和部分概率参数未知下的船舶动力输出系统相关研究奠定基础。
Description
技术领域
本发明属于船舶动力输出系统安全评估和故障检测领域，更具体地，涉及基于贝叶斯网络的船舶动力输出系统安全评估方法及系统。
背景技术
船舶动力输出系统主要由四部分组成：主机、传动设备、轴系和推进器。其主要作用是将主机发出的动力，通过传动设备、轴系传递到推进器，使得船舶克服阻力前进。由于船舶动力输出系统各装置在实际运行过程中，可能产生各种故障，将严重威胁动力输出系统安全性。由于船舶动力输出系统各类工况复杂，且存在工况间切换，故障状态多样性及动态性特征明显，此外，由于存在冗余系统与系统不确定等特征，船舶故障状态亦常常表现为概率的不确定性。传统的船舶动力输出系统安全评估方法是故障树法，故障树法不能很好解决带有上述特征的系统安全性评价问题。开发一个能有效处理多态、动态、不确定性等特性的船舶动力输出系统安全评估方法，具有重要的意义。
贝叶斯网络法由贝叶斯推理和贝叶斯学习两大模块组成。如图1所示，贝叶斯推理在处理故障原因与故障模式间复杂的相互关联，节点故障状态的多样性和故障概率的不确定性，以及复杂系统动态性等问题上，较故障树法有不可替代的优势。此外，贝叶斯学习以贝叶斯推理为基础，可克服船舶动力输出系统网络拓扑结构和部分概率参数未知的不确定性困难，对于更深入地研究高度不确定和变化的船舶动力输出系统安全问题有极大潜力。
此外，贝叶斯推理法相比故障树法，还可解决在发生故障后，船舶动力输出系统应率先排查哪些系统设备与故障事件这一有重大实际意义的问题。对于船舶动力输出系统安全问题，使用贝叶斯网络法进行分析无疑是一种高效、可靠且有潜力的方法。
发明内容
针对现有技术的缺陷，本发明的目的在于提供基于贝叶斯网络的船舶动力输出系统安全评估方法及系统，该方法基于贝叶斯网络算法，通过构建精炼高效的贝叶斯推理网络，以及提出基于该网络的故障检测方法，实现高效快速地对船舶动力输出系统进行安全评估，并得到在失效后，最应排查的系统设备与故障事件。
为实现上述目的，本发明一方面提供了一种基于贝叶斯网络的船舶动力输出系统安全评估方法，包括以下基本操作步骤：
S1.构建用于船舶动力输出系统安全评估的贝叶斯网络，该贝叶斯网络由船舶动力输出系统各薄弱环节组成节点，每个节点表示船舶动力输出系统的一个潜在可能故障，节点之间根据船舶动力输出系统故障机理与特性通过有向边建立联系，形成拓扑结构；
S2.对S1构造的贝叶斯网络中的各个根节点，设置先验概率；
S3.设置S1构造的贝叶斯网络中节点间的条件概率；
S4.计算船舶动力输出系统可靠度指标，评价系统可靠性
S5.计算船舶动力输出系统各故障节点的后验概率，找出系统应抢先排查的故障环节。
进一步地，所述的根节点先验概率，依据维修系统指数分布理论进行设置。
进一步地，节点间的条件概率，依据船舶动力输出系统工程师经验和故障逻辑进行设置。
进一步地，所述的根节点后验概率和系统可靠度(叶节点可靠度)由先验概率和条件概率，通过贝叶斯定理得到。
本发明另一方面提供了一种基于贝叶斯网络的船舶动力输出系统安全评估系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行上述的基于贝叶斯网络的船舶动力输出系统安全评估方法。
通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：
(1)基于图论理论，构建船舶动力输出系统贝叶斯网络，定性与定量地描述了船舶动力输出系统各故障的成因。
(2)该贝叶斯网络通过修改根节点概率状态表和条件概率表，可有效解决故障树算法较难处理的船舶动力输出系统多态、动态、不确定性问题。
(3)该贝叶斯网络可通过后验概率，得到在动力输出系统失效后，应最先排查的设备与故障事件。
(4)本发明所提供算法可扩展至贝叶斯学习算法，更进一步克服船舶动力输出安全系统可能的拓扑结构和部分概率参数未知的不确定性困难。
附图说明
图1为贝叶斯法与故障树法比较示意图；
图2为船舶动力输出系统贝叶斯网络图；
图3为贝叶斯算法的使用流程图；
图4为贝叶斯网络法原理示例；
图5为后验概率折线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间不构成冲突就可以相互组合。
基于贝叶斯网络的船舶动力输出系统安全评估方法包括以下步骤：
(1)通过对船舶动力输出系统失效机理进行深入剖析，借助历史研究结果、现场维修人员经验、专家知识等，归纳总结出船舶动力输出系统的典型故障表。
(2)仅在不考虑各类主机等大型系统与设备故障时，基于贝叶斯网络法对船舶动力输出系统进行安全分析。本方法极易推广到考虑主机的动力输出系统。研究表明动力输出失效(T)分为推力轴失效(E1)，中间轴失效(E2)，螺旋桨轴失效(E3)，船艉管密封失效(E4)，推进器失效(E5)，高弹性橡胶联轴节失效(E6)，传动设备失效(E7)七部分，共包含29个子因素，如图2所示。由于先验统计概率获取的限制，仅进行二回路贝叶斯网络建模，将更底层的事件归并在一类。推力轴失效(E1)包含：推力环失效(B1，含划伤和烧坏)、推力块失效(B2，含划伤和烧坏)、推力轴承失效(B3，含龟裂、剥离和磨损)等3个子因素。中间轴失效(E2)包含：龟裂(B4)、烧坏(B5)、腐蚀(B6)以及轴承金属失效(B7，含磨损、剥离、划伤和烧坏)等4个子因素。螺旋桨轴失效(E3)包含：腐蚀(B8)、疲劳(B9)、龟裂(B10)等3个子因素。船艉管密封失效(E4)包含：对唇密封失效(B11，含铬衬套磨损、划伤、点状腐蚀、密封环龟裂、磨损、水泡和硬化等)和机械密封失效(B12，含密封环龟裂、磨损、划伤等)等2个子因素。推进器失效(E5)包含：毂部龟裂(B13)、叶根部龟裂(B14)、叶端受碰撞弯曲损伤(B15)、叶端金属疲劳折损(B16)等4个子因素。高弹性橡胶联轴节失效(E6)包括：烧坏(B17)、破损(B18)、龟裂(B19)、剥离(B20)、劣化(B21)和变形(B22)等6个子因素。传动设备失效(E7)包括：齿轮箱不上油(B23)、油泵故障(B24)、阀件故障引起的油路系统故障(B25)、齿轮磨损胶合点蚀(B26)、轴承磨损螺孔滑扣(B27)、离合器损坏(B28)、其他传扭件失效及辅助装置故障(B29)等7个子因素。
(3)由此建立船舶动力输出系统贝叶斯网络结构。贝叶斯网络由有向无圈图和条件概率分布表两部分构成的，这两部分分别代表了贝叶斯网络的结构和参数。其中，有向无圈图表征定性部分，条件概率分布表表征定量部分。有向无圈图由节点和有向边组成。船舶动力输出系统贝叶斯网络中每个节点都存在不同的取值，称为节点状态，常用的是二值状态(正常和异常)，也可依据动力系统的复杂程度设置三个以上的状态(多态)。节点间的有向边代表了节点间的互相关系，而条件概率分布表用于描述节点之间的关系强度，可实现动力输出系统动态、不确定性特征的刻画(如图1所示)。
(4)确定贝叶斯推理网络中节点间的条件概率和根节点的先验概率。实际情况中，部件或者系统存在多种故障状态。为方便起见，本例选取系统为二态系统，多态系统能很方便从本例方法中扩展得到。由于是二态系统，假设为故障状态与无故障状态。通常情况下，可以选择数字来表示部件或者系统的故障状态，对于只有两个故障状态的系统，一般选取自然数“0”与“1”来表示。“0”代表系统此时为无故障的状态，而“1”则代表系统此时为故障状态。在船舶实际动力输出系统中，由于工况变化，系统不确定性等特征，条件概率表中故障逻辑参数很可能发生变化，或者不再是简单与/或/表决门/异或门等常用逻辑，而出现动态、不确定性等特征。为方便起见，本例仅选取系统逻辑为简单“与”逻辑，对于动态、不确定性特征，仅仅只需仿效图1，进行条件概率表中数值修改即可。由于篇幅原因，这里仅得出T和中间节点E4，E7的条件概率表，如表1、2、3所示。其他节点的条件概率表在此不再赘述。船舶动力输出系统各根节点先验概率可依据维修理论，通过指数分布求得，如表4所示。
表1节点T条件概率表
表2节点E4条件概率表
表3节点E7条件概率表
表4先验概率表
(5)如图3所示，当故障发生的先验概率以及条件概率确定之后，贝叶斯网络算法基于贝叶斯定理可得到根节点后验概率和系统可靠度(叶节点可靠度)。
下面以图4所示简单算例，说明利用贝叶斯定理求得根节点后验概率和系统可靠度方法的原理。在图4中，F和T分别表示为假(False)和为真(True)，C、S、R和W则分别表示大浪、船员注意力不集中、船员操作失当和船舶失控。图中四张表格分别为相应事件条件概率表。1)现根据贝叶斯原理求解后验概率P(S＝T|W＝T)。后验概率表示发生W＝T时，S＝T的概率。2)叶节点船舶失控概率P(W＝T)。
1)根据贝叶斯定理，有：
下面求P(W＝T|S＝T)，P(W＝T|S＝F)，P(S＝T)和P(S＝F)。
由条件概率定义有：
P(S＝T)＝P(S＝T|C＝T)·P(C＝T)+P(S＝T|C＝F)·P(C＝F)＝0.3
因此，P(S＝F)＝0.7，同理，P(R＝T)＝0.5，P(R＝F)＝0.5。
又，
P(W＝T|S＝T)＝P(W＝T|S＝T,R＝T)·P(R＝T|S＝T)+P(W＝T|S＝T,R＝F)·P(R＝F|S＝T)
要求解P(W＝T|S＝T)，还需求解P(R＝T|S＝T)和P(R＝F|S＝T)。
又因为，
P(R＝T|S＝T)＝P(R＝T,S＝T)/P(S＝T)
且有，
P(R＝T,S＝T)＝P(C＝T)P(R＝T,S＝T|C＝T)+P(C＝F)P(R＝T,S＝T|C＝F)
上式中，
P(R＝T,S＝T|C＝T)＝P(R＝T|C＝T)·P(S＝T|C＝T)＝0.08
同理，P(R＝T,S＝T|C＝F)＝0.1。
于是，
P(R＝T|S＝T)＝0.3，P(R＝F|S＝T)＝0.7，P(W＝T|S＝T)＝0.927。同理，P(W＝T|S＝F)＝0.5271。
最终得到：
P(S＝T|W＝T)＝0.4298
如计算出P(R＝T|W＝T)与P(S＝T|W＝T)进行大小比较，则可推理W＝T时(最终故障发生时，这里指船舶失控)，R＝T(船员操作失当)，S＝T(船员注意力不集中)发生的可能性大小，进行安全指标重要性分析。
2)下面求叶节点船舶失控概率P(W＝T)。
由于：
因此，可求得：
P(W＝T)＝0.6471
于是叶节点船舶失控概率为0.6471。
以下为本发明提供的仿真实例计算结果。
判断系统安全的重要依据是贝叶斯网络中叶节点在故障状态下的概率。根据建立的船舶动力输出贝叶斯网络的仿真模型，最终叶节点在故障状态下的概率为：
P(T＝1)＝6.01E-05
叶节点在无故障的状态下的概率为：
P(T＝0)＝0.99994
由此可知船舶动力输出系统的可靠度为：
Rs＝0.99994
根节点的后验概率如图5所示。由图5可知，当船舶动力输出系统出现故障即叶节点T＝1时，计算得到的根节点后验概率中B16(推进器叶端金属疲劳折损)、B25(阀件故障引起的油路系统故障)、B11(船艉管对唇密封失效)、B12(船艉管机械密封失效)、B26(齿轮磨损胶合点蚀)的数值较大，即推进器、传动设备、船艉管为船舶动力输出系统发生故障时的较为薄弱的部分。维修人员平时对船舶动力输出系统进行日常维护和故障诊断的工作时，需要对这三个部件及其所在的系统加以关注。在发生系统处于不正常的工作状态时，对针对三个部件进行优先排查的处理。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.基于贝叶斯网络的船舶动力输出系统安全评估方法，其特征在于，包括以下步骤：
S1.构建用于船舶动力输出系统安全评估的贝叶斯网络，该贝叶斯网络由船舶动力输出系统各薄弱环节组成节点，每个节点表示船舶动力输出系统的一个潜在可能故障，节点之间根据船舶动力输出系统故障机理与特性通过有向边建立联系，形成拓扑结构；
S2.对S1构造的贝叶斯网络中的各个根节点，设置先验概率；
S3.设置S1构造的贝叶斯网络中的所有节点的条件概率；
S4.根据上述先验概率和条件概率计算船舶动力输出系统可靠度指标，对系统安全性进行评估。
2.如权利要求1所述的基于贝叶斯网络的船舶动力输出系统安全评估方法，其特征在于，该方法还包括：
根据所述先验概率和条件概率，计算船舶动力输出系统各故障节点的后验概率，找出故障发生时，应抢先排查的环节。
3.如权利要求1所述的基于贝叶斯网络的船舶动力输出系统安全评估方法，其特征在于，所述贝叶斯网络包括有向无圈图和条件概率分布表；所述有向无圈图包括节点和有向边，节点从底层向外依次分为根节点、中间节点和叶节点，节点间的有向边代表了节点间的互相关系；所述条件概率分布表用于描述节点之间的关系强度。
4.如权利要求1所述的基于贝叶斯网络的船舶动力输出系统安全评估方法，其特征在于，所述各个根节点的先验概率，依据维修系统指数分布理论进行设置。
5.如权利要求1所述的基于贝叶斯网络的船舶动力输出系统安全评估方法，其特征在于，所述节点的条件概率，依据船舶动力输出系统工程师经验和故障逻辑进行设置。
6.如权利要求2所述的基于贝叶斯网络的船舶动力输出系统安全评估方法，其特征在于，所述的根节点后验概率和可靠度指标由先验概率和条件概率，通过贝叶斯定理得到。
7.基于贝叶斯网络的船舶动力输出系统安全评估系统，其特征在于，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至6任一项所述的基于贝叶斯网络的船舶动力输出系统安全评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111570260.9A CN114239146A (zh) | 2021-12-21 | 2021-12-21 | 基于贝叶斯网络的船舶动力输出系统安全评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111570260.9A CN114239146A (zh) | 2021-12-21 | 2021-12-21 | 基于贝叶斯网络的船舶动力输出系统安全评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114239146A true CN114239146A (zh) | 2022-03-25 |
Family
ID=80760174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111570260.9A Pending CN114239146A (zh) | 2021-12-21 | 2021-12-21 | 基于贝叶斯网络的船舶动力输出系统安全评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114239146A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117151377A (zh) * | 2023-08-14 | 2023-12-01 | 华中科技大学 | 一种船上救援人员指派方案生成方法、装置及电子设备 |
-
2021
- 2021-12-21 CN CN202111570260.9A patent/CN114239146A/zh active Pending
Non-Patent Citations (1)
| Title |
|---|
| 焦文健: "基于贝叶斯网络的船舶核动力装置可靠性分析与模型研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 July 2019 (2019-07-15), pages 036 - 50 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117151377A (zh) * | 2023-08-14 | 2023-12-01 | 华中科技大学 | 一种船上救援人员指派方案生成方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marinai et al. | Prospects for aero gas-turbine diagnostics: a review | |
| US8903750B1 (en) | Adaptive learning network for fusion of remaining useful life with machinery condition | |
| CN110119518B (zh) | 一种采用神经网络模型诊断发动机故障原因的方法 | |
| CN102662831B (zh) | 一种容错系统诊断策略优化方法 | |
| CN112810772B (zh) | 基于多维特征知识提取的船舶设备故障诊断方法及设备 | |
| CN117763449A (zh) | 一种多源故障自主定位与分类方法 | |
| CN111192379A (zh) | 一种飞机整机的综合故障诊断方法 | |
| CN114239146A (zh) | 基于贝叶斯网络的船舶动力输出系统安全评估方法及系统 | |
| CN111651933A (zh) | 基于统计推断的工业锅炉故障预警方法及系统 | |
| CN114169683A (zh) | 基于模糊综合评价理论的发电机励磁系统状态评价方法 | |
| Mast et al. | Bayesian belief networks for fault identification in aircraft gas turbine engines | |
| Gu et al. | Fault diagnosis of gearbox based on improved DUCG with combination weighting method | |
| Hess et al. | The maintenance aware design environment: Development of an aerospace phm software tool | |
| Song et al. | Research on preventive maintenance strategies and systems for in-service ship equipment | |
| Peng et al. | Fuzzy cost-based FMECA for wind turbines considering condition monitoring systems | |
| CN108825482B (zh) | 一种飞机轴向柱塞泵的故障检测方法及检测系统 | |
| Malkoff | A framework for real-time fault detection and diagnosis using temporal data | |
| CN116611523A (zh) | 涡轮风扇发动机的可解释故障预测方法及系统 | |
| Aikhuele | Intuitionistic fuzzy hamming distance model for failure detection in a slewing gear system | |
| Zhang et al. | A knowledge transfer platform for fault diagnosis of industrial gas turbines | |
| CN116049642A (zh) | 一种故障诊断方法、系统、电子设备及计算机存储介质 | |
| Zhao et al. | Remote intelligent expert system for operation state of marine gas turbine engine | |
| Yu et al. | Radar fault diagnosis based on chaos genetic reduction algorithm | |
| CN112101797B (zh) | 一种复杂工业系统动态故障诊断方法及系统 | |
| Vychuzhanin et al. | Intellectualization Method and Model of Complex Technical System's Failures Risk Estimation and Prediction. |
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 |