CN116176860A - 一种燃油系统测试方法、系统、设备及可读存储介质 - Google Patents
一种燃油系统测试方法、系统、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116176860A CN116176860A CN202310270198.4A CN202310270198A CN116176860A CN 116176860 A CN116176860 A CN 116176860A CN 202310270198 A CN202310270198 A CN 202310270198A CN 116176860 A CN116176860 A CN 116176860A
- Authority
- CN
- China
- Prior art keywords
- parameter
- data
- fault
- correlation
- parameters
- 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
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 37
- 238000012360 testing method Methods 0.000 title claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010998 test method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 239000002828 fuel tank Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种燃油系统测试方法、系统、设备及可读存储介质，其方法包括获取历史数据和待预测数据，历史数据包括多条数据，每条数据包括故障参数和待测试参数；根据相关性确定规则和历史数据，确定故障参数和待测试参数的相关性；根据关系建立规则和相关性，建立故障参数和待测试参数的对应关系；根据预设的训练模型、对应关系和历史数据，确定目标预测模型；根据待预测数据和对应关系，确定目标预测参数；根据故障判断规则、目标预测参数、目标预测模型和待预测数据，输出提示信息。本发明具有提高飞机燃油系统的故障预测准确率的效果。
Description
技术领域
本申请涉及飞机燃油系统测试的技术领域，尤其是涉及一种燃油系统测试方法、系统、设备及可读存储介质。
背景技术
燃油系统作为飞机必不可少的组成部分，它的功能和特性对于飞机的飞行安全和任务的完成起着非常重要的关键作用。飞机在飞行过程中受到各种环境因素的影响，如何利用飞行状态参数监测飞机异常状态，确保飞行安全是目前需要解决的问题。
当前飞机燃油系统没有智能的异常检测方法，需要监测相关的参数并通过阈值判断的方法来实现对燃油系统的故障检测。并且阈值设置主要依赖于飞机的历史故障数据或人为经验，对于不同的飞机，不同的飞行状态，误差较大。
上述中的现有技术方案存在以下缺陷：飞机燃油系统的故障检测存在误差大的问题。
发明内容
为了改善在飞机燃油系统的故障检测存在误差大的问题，本申请提供了一种燃油系统测试方法、系统、设备及可读存储介质。
在本申请的第一方面，提供了一种燃油系统测试方法。该方法包括：
获取历史数据和待预测数据，所述历史数据包括多条数据，每条数据包括故障参数和待测试参数；
根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性；
根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系；
根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型；
根据所述待预测数据和所述对应关系，确定目标预测参数；
根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息。
由以上技术方案可知，通过获取历史数据，对历史数据进行计算分析，确定故障参数和待测试参数之间的相关性，并根据相关性不同，建立待测试参数和故障参数之间的对应关系，进而根据上述对应关系和预设的训练模型训练出目标预测模型，然后获取待预测数据，并根据待预测数据和对应关系调取对应的目标预测参数，将目标预测参数输入至上述目标预测模型中，目标预测模型会输出一个预测阈值，根据故障判断规则，判断预测阈值和待预测数据，输出提示信息。通过对每一个故障参数和待测试参数的相关性分析，根据相关性的不同，确定不同的预测参数，进而实现故障预测，改善了飞机燃油系统的故障检测误差大的问题，提高了飞机燃油系统的故障预测的准确率。
在一种可能的实现方式中，所述根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性，包括：
所述待测试参数包括第一参数和第二参数；
根据所述故障参数的类型，将所述历史数据进行分类；
对每一类历史数据，当第二参数在预设范围内时；
根据相关计算规则、所述第一参数和所述故障参数，确定所述第一参数和所述故障参数的相关性。
在一种可能的实现方式中，所述根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系，包括：
判断所述第一参数和所述故障参数之间的相关性；
当所述相关性在相关阈值范围内时，所述第一参数为相关参数，建立所述相关参数和所述故障参数的对应关系。
在一种可能的实现方式中，所述根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型，包括：
根据所述对应关系和所述历史数据，调取所述故障参数和与所述故障参数对应的相关参数；
根据预设的训练模型、所述故障参数和所述相关参数，确定每一类故障参数对应的预测模型；
多个预测模型组成所述目标预测模型。
在一种可能的实现方式中，所述根据所述待预测数据和所述对应关系，确定目标预测参数，包括：
根据所述待预测数据和所述对应关系，调取所述待预测数据和所述故障参数的类型相同时所述故障参数对应的相关参数；
所述相关参数为目标预测参数。
在一种可能的实现方式中，所述根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息，包括：
将所述目标预测参数输入至所述目标预测模型中，确定预测阈值；
判断所述待预测数据是否在所述预测阈值内；
若否，则输出提示信息。
在一种可能的实现方式中，所述相关性为斯皮尔曼相关系数。
在本申请的第二方面，提供了一种燃油系统测试系统。该系统包括：
数据获取模块，用于获取历史数据和待预测数据，所述历史数据包括多条数据，每条数据包括故障参数和待测试参数；
相关性计算模块，用于根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性；
关系建立模块，用于根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系；
模型训练模块，用于根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型；
预测参数确定模块，用于根据所述待预测数据和所述对应关系，确定目标预测参数；
信息输出模块，用于根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息。
在本申请的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的燃油系统测试方法。
在本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本申请的第一方面的方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过获取历史数据并对每一个故障参数和待测试参数的相关性分析，根据相关性的不同，确定不同的预测参数，然后根据预设的训练模型和故障判断规则，实现对故障的预测，改善了飞机燃油系统的故障检测误差大的问题，提高了飞机燃油系统的故障预测的准确率。
附图说明
图1是本申请提供的燃油系统测试方法的流程示意图。
图2是本申请提供的燃油系统测试系统的结构示意图。
图3是本申请提供的电子设备的结构示意图。
图中，200、燃油系统测试系统；201、数据获取模块；202、相关性计算模块；203、关系建立模块；204、模型训练模块；205、预测参数确定模块；206、信息输出模块；301、CPU；302、ROM；303、RAM；304、I/O接口；305、输入部分；306、输出部分；307、存储部分；308、通信部分；309、驱动器；310、可拆卸介质。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供一种燃油系统测试方法，上述方法的主要流程描述如下。
如图1所示：
步骤S101：获取历史数据和待预测数据，历史数据包括故障参数和待测试参数。
具体的，上述历史数据包括多条数据，即包括所有飞机每一次飞行的飞行属性，每一条数据对应一组飞行属性和飞行属性值。上述飞行属性包括但不限于燃油消耗量、飞机的机型、飞机的飞行年限即机龄、飞行高度、装载重量、燃油温度、油箱油量和油箱压力。待预测数据为一组飞行属性和飞行属性值。上述历史数据包括故障参数和待测试参数，故障参数即为出现故障的参数，待测试参数为除了故障参数以外的所有参数。
步骤S102：根据相关性确定规则和历史数据，确定故障参数和待测试参数的相关性。
具体的，待测试参数包括第一参数和第二参数，上述第一参数表示待测试参数中的某一个参数，第二参数表示除了第一参数和故障参数之外的所有参数。根据故障参数的类型，将上述历史数据进行分类。例如，当油箱压力出现故障时，将所有油箱压力有故障的历史数据作为一类、当油箱油量出现异常时，将所有油箱油量异常的历史数据作为一类。对每一类历史数据，当第二参数在预设范围内时，根据相关计算规则、上述第一参数和上述故障参数，确定上述第一参数和上述故障参数的相关性。由于上述第二参数包括多个参数，第二参数在预设范围内表示第二参数的参数值一致或者在正常范围内，这样的设置是为了在计算第一参数和故障参数之间的相关性时可以减少第二参数对上述相关性的影响，可以使第一参数和故障参数之间的相关性更加准确。在本实施例中，故障参数为油箱压力、第一参数为油箱油量，第二参数包括机型、机龄、飞行高度和装载重量。第二参数在预设范围内表示，机型相同，机龄相等，飞行高度在两万英尺到四万英尺之间，装载重量在两万千克到四万千克之间。将符合要求的数据从历史数据中筛选出来，然后计算第一参数和故障参数的斯皮尔曼相关系数，上述斯皮尔曼相关系数为相关性，在其它实施方式中，可以采用其它相关性分析方法确定相关性，在此不作限制。上述斯皮尔曼相关系数的计算为本领域技术人员公知的技术，在此不做赘述。
步骤S103：根据关系建立规则和相关性，建立故障参数和待测试参数的对应关系。
具体的，判断第一参数和故障参数之间的相关性,当相关性在相关阈值范围内时，上述第一参数为相关参数，建立相关参数和故障参数的对应关系。上述相关阈值范围可以为人为设定，也可以通过计算得到，对于某一故障参数，获取上述故障参数对应的待测试参数的相关性，然后将上述相关性进行降序排序，并筛选相关性前百分之十的相关性对应的待测试参数，并建立故障参数和筛选出来的待测试参数的对应关系。
步骤S104：根据预设的训练模型、对应关系和历史数据，确定目标预测模型。
具体的，根据故障参数和相关参数的对应关系，上述相关参数表示与上述故障参数相关性较高的参数，调取故障参数和相关参数对应的所有历史数据，将调取到的历史数据输入至预设的训练模型，可以训练出与每一类故障参数对应的预测模型，对于不同类型的故障参数，对应的相关参数不同，所以训练出的预测模型也不同，目标预测模型包括多个预测模型。在本实施例中，上述预设的训练模型为神经网络模型，在其他实施方式中也可以使用灰度预测模型、线性回归模型等其他数据预测模型，在此不做限定。
步骤S105：根据待预测数据和对应关系，确定目标预测参数。
具体的，根据待预测数据和对应关系，调取待预测数据和故障参数的类型相同时故障参数对应的相关参数，相关参数为目标预测参数。例如，待预测数据为油箱压力，从上述建立的对应关系中调取故障参数为油箱压力时，相关性较高的待测试参数，上述相关性较高的待测试参数即为相关参数，对于油箱压力对应的相关参数包括油箱油量和装载重量，油箱油量和装载重量为参数属性，然后调取与待预测数据对应的油箱油量和装载重量的数据，上述数据为参数属性值。
步骤S106：根据故障判断规则、目标预测参数、目标预测模型和待预测数据，输出提示信息。
具体的，上述目标预测参数包括参数属性和参数属性值，将目标预测参数输入至目标预测模型中，确定预测阈值，上述预测阈值表示目标预测参数对应的待预测数据的阈值，进而判断待预测数据是否在预测阈值内，若在预测阈值内，则表示待预测数据未出现故障，若不在预测阈值内，则输出提示信息，上述提示信息会提示工作人员待预测数据和目标预测参数均可能存在故障，需要进行查看。
本申请实施例提供一种燃油系统测试系统200，参照图2，燃油系统测试系统200包括：
数据获取模块201，用于获取历史数据和待预测数据，所述历史数据包括多条数据，每条数据包括故障参数和待测试参数；
相关性计算模块202，用于根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性；
关系建立模块203，用于根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系；
模型训练模块204，用于根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型；
预测参数确定模块205，用于根据所述待预测数据和所述对应关系，确定目标预测参数；
信息输出模块206，用于根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例公开一种电子设备。参照图3，电子设备包括，包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分307加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有系统操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线彼此相连。输入/输出(I/O)接口304也连接至总线。
以下部件连接至I/O接口304：包括键盘、鼠标等的输入部分305；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分306；包括硬盘等的存储部分307；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分308。通信部分308经由诸如因特网的网络执行通信处理。驱动器309也根据需要连接至I/O接口304。可拆卸介质310，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器309上，以便于从其上读出的计算机程序根据需要被安装入存储部分307。
特别地，根据本申请的实施例，上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分308从网络上被下载和安装，和/或从可拆卸介质310被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的装置中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种燃油系统测试方法，其特征在于，包括：
获取历史数据和待预测数据，所述历史数据包括多条数据，每条数据包括故障参数和待测试参数；
根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性；
根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系；
根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型；
根据所述待预测数据和所述对应关系，确定目标预测参数；
根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息。
2.根据权利要求1所述的燃油系统测试方法，其特征在于，所述根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性，包括：
所述待测试参数包括第一参数和第二参数；
根据所述故障参数的类型，将所述历史数据进行分类；
对每一类历史数据，当第二参数在预设范围内时；
根据相关计算规则、所述第一参数和所述故障参数，确定所述第一参数和所述故障参数的相关性。
3.根据权利要求2所述的燃油系统测试方法，其特征在于，所述根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系，包括：
判断所述第一参数和所述故障参数之间的相关性；
当所述相关性在相关阈值范围内时，所述第一参数为相关参数，建立所述相关参数和所述故障参数的对应关系。
4.根据权利要求1所述的燃油系统测试方法，其特征在于，所述根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型，包括：
根据所述对应关系和所述历史数据，调取所述故障参数和所述故障参数对应的相关参数；
根据预设的训练模型、所述故障参数和所述相关参数，确定与每一类故障参数对应的预测模型；
多个预测模型组成所述目标预测模型。
5.根据权利要求1所述的燃油系统测试方法，其特征在于，所述根据所述待预测数据和所述对应关系，确定目标预测参数，包括：
根据所述待预测数据和所述对应关系，调取所述待预测数据和所述故障参数的类型相同时所述故障参数对应的相关参数；
所述相关参数为目标预测参数。
6.根据权利要求1所述的燃油系统测试方法，其特征在于，所述根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息，包括：
将所述目标预测参数输入至所述目标预测模型中，确定预测阈值；
判断所述待预测数据是否在所述预测阈值内；
若否，则输出提示信息。
7.根据权利要求2所述的燃油系统测试方法，其特征在于，所述相关性为斯皮尔曼相关系数。
8.一种燃油系统测试系统，其特征在于，包括：
数据获取模块（201），用于获取历史数据和待预测数据，所述历史数据包括多条数据，每条数据包括故障参数和待测试参数；
相关性计算模块（202），用于根据相关性确定规则和所述历史数据，确定所述故障参数和所述待测试参数的相关性；
关系建立模块（203），用于根据关系建立规则和所述相关性，建立所述故障参数和所述待测试参数的对应关系；
模型训练模块（204），用于根据预设的训练模型、所述对应关系和所述历史数据，确定目标预测模型；
预测参数确定模块（205），用于根据所述待预测数据和所述对应关系，确定目标预测参数；
信息输出模块（206），用于根据故障判断规则、所述目标预测参数、所述目标预测模型和所述待预测数据，输出提示信息。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310270198.4A CN116176860B (zh) | 2023-03-15 | 2023-03-15 | 一种燃油系统测试方法、系统、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310270198.4A CN116176860B (zh) | 2023-03-15 | 2023-03-15 | 一种燃油系统测试方法、系统、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116176860A true CN116176860A (zh) | 2023-05-30 |
| CN116176860B CN116176860B (zh) | 2023-11-07 |
Family
ID=86450656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310270198.4A Active CN116176860B (zh) | 2023-03-15 | 2023-03-15 | 一种燃油系统测试方法、系统、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116176860B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2116711A1 (en) * | 2008-05-08 | 2009-11-11 | Toyota Jidosha Kabushiki Kaisha | Malfunction diagnostic device and malfunction diagnostic method for fuel system |
| US20100043400A1 (en) * | 2008-08-19 | 2010-02-25 | Gm Global Technology Operations, Inc. | Aftertreatment device nox conversion efficiency diagnostics using on board adaptive diagnostic algorithm |
| CN109449899A (zh) * | 2019-01-14 | 2019-03-08 | 华北电力大学 | 一种基于斯皮尔曼等级相关系数的纵联保护方法 |
| CN110570544A (zh) * | 2019-09-19 | 2019-12-13 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 飞机燃油系统故障识别方法、装置、设备和存储介质 |
| CN111221919A (zh) * | 2018-11-27 | 2020-06-02 | 波音公司 | 用于生成飞机故障预测分类器的系统和方法 |
-
2023
- 2023-03-15 CN CN202310270198.4A patent/CN116176860B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2116711A1 (en) * | 2008-05-08 | 2009-11-11 | Toyota Jidosha Kabushiki Kaisha | Malfunction diagnostic device and malfunction diagnostic method for fuel system |
| US20100043400A1 (en) * | 2008-08-19 | 2010-02-25 | Gm Global Technology Operations, Inc. | Aftertreatment device nox conversion efficiency diagnostics using on board adaptive diagnostic algorithm |
| CN111221919A (zh) * | 2018-11-27 | 2020-06-02 | 波音公司 | 用于生成飞机故障预测分类器的系统和方法 |
| CN109449899A (zh) * | 2019-01-14 | 2019-03-08 | 华北电力大学 | 一种基于斯皮尔曼等级相关系数的纵联保护方法 |
| CN110570544A (zh) * | 2019-09-19 | 2019-12-13 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 飞机燃油系统故障识别方法、装置、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵鲁宁等: "飞机燃油智能诊断系统的开发与研究", 《飞机设计》, vol. 38, no. 4, pages 34 - 36 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116176860B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
| CN107958268A (zh) | 一种数据模型的训练方法及装置 | |
| JP2013186899A (ja) | 構造物を監視するための方法及びシステム | |
| CN111881023B (zh) | 一种基于多模型对比的软件老化预测方法及装置 | |
| CN115437339A (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
| CN112633461A (zh) | 应用辅助系统和方法以及计算机可读记录介质 | |
| CN112905435A (zh) | 基于大数据的工作量评估方法、装置、设备及存储介质 | |
| CN111190406A (zh) | 一种起落架控制系统软件的测试方法 | |
| CN116451514A (zh) | 桥梁结构状态评估方法、装置以及电子设备 | |
| CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及系统 | |
| CN116337135A (zh) | 一种仪表故障诊断方法、系统、电子设备及可读存储介质 | |
| JP2019158684A (ja) | 検査システム、識別システム、及び識別器評価装置 | |
| CN113342692B (zh) | 测试用例自动生成方法、装置、电子设备及存储介质 | |
| CN116176860B (zh) | 一种燃油系统测试方法、系统、设备及可读存储介质 | |
| CN115952098A (zh) | 一种性能测试调优方案推荐方法及系统 | |
| CN115994093A (zh) | 测试用例推荐方法和装置 | |
| CN115048290A (zh) | 软件质量的评估方法、装置、存储介质及计算机设备 | |
| CN115617670A (zh) | 软件测试管理方法、存储介质及系统 | |
| CN113569970B (zh) | 量化特征指标对标签影响的分析方法、系统、介质和终端 | |
| CN114968821A (zh) | 基于强化学习的测试数据生成方法及装置 | |
| CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
| CN115222691A (zh) | 图像缺陷检测方法、系统及相关装置 | |
| CN114564391A (zh) | 确定测试用例的方法、装置、存储介质及电子设备 | |
| CN111352840B (zh) | 上线行为风险评估方法、装置、设备和可读存储介质 | |
| CN109815134A (zh) | 结合数据库自动分析软件测试结果的方法、装置和系统 |
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 |