CN116626574A - 一种信号测试仪的可靠性测试方法、系统及存储介质 - Google Patents
一种信号测试仪的可靠性测试方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116626574A CN116626574A CN202310883625.6A CN202310883625A CN116626574A CN 116626574 A CN116626574 A CN 116626574A CN 202310883625 A CN202310883625 A CN 202310883625A CN 116626574 A CN116626574 A CN 116626574A
- Authority
- CN
- China
- Prior art keywords
- test
- signal tester
- data information
- reliability
- information
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000010998 test method Methods 0.000 title claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 403
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 230000007613 environmental effect Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 14
- 238000007637 random forest analysis Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 8
- 239000007789 gas Substances 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种信号测试仪的可靠性测试方法、系统及存储介质,属于测试技术领域,本发明通过基于信号测试仪的测试场景生成信号测试仪的测试任务;进而通过信号测试仪的测试任务获取每一测试任务的测试数据信息,并将每一测试任务的测试数据信息进行存储,生成数据库;从而获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及数据库进行筛选,生成相关的信号测试仪的推荐信息。本发明充分考虑了使用信号测试仪的目标区域的环境变化情况,从而来根据目标区域的环境变化情况构建测试场景,使得在做信号测试仪的可靠性测试时考虑多方面的因素,提高了信号测试仪在做可靠性测试时的合理性。
Description
技术领域
本发明涉及测试技术领域,尤其涉及一种信号测试仪的可靠性测试方法、系统及存储介质。
背景技术
可靠性测试就是为了评估产品在规定的寿命期间内,在预期的使用、运输或储存等所有环境下,保持功能可靠性而进行的活动。是将产品暴露在自然的或人工的环境条件下经受其作用,以评价产品在实际使用、运输和储存的环境条件下的性能,并分析研究环境因素的影响程度及其作用机理。通过使用各种环境试验设备模拟气候环境中的高温、低温、高温高湿以及温度变化等情况,加速反应产品在使用环境中的状况,来验证其是否达到在研发、设计、制造中预期的质量目标,从而对产品整体进行评估,以确定产品可靠性。现如今的信号测试仪可靠性测试过程并未考虑到多种场景,如大气环境会对信号测试仪的测试过程产生信号测试的影响,如氧气和二氧化碳,以及其他少量元素,这些气体的比例呈基本固定的形态,而可变比例的气体则包括一些根据时间和地点可以随意的改变比例的气体,这些气体在大气环境中度起到了十分重要的作用,人们也在仰仗着这些气体而呼吸,但是大气环境却因为这些成分的因素而使得通信信号的质量可能会随时的改变,因此,需要测定不同场景的信号测试仪的工作情况,以判定其在不同环境之下的可靠性。
发明内容
本发明克服了现有技术的不足,提供了一种信号测试仪的可靠性测试方法、系统及存储介质。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种信号测试仪的可靠性测试方法,包括以下步骤:
获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;
根据所述各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于所述信号测试仪的测试场景生成信号测试仪的测试任务;
通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并将所述每一测试任务的测试数据信息进行存储,生成数据库;
获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息。
进一步的,获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息,具体包括:
通过大数据获取影响信号测试仪可靠性的因子数据信息,获取使用信号测试仪的目标区域,并通过大数据获取每个目标区域的历史影响信号测试仪可靠性的因子数据信息;
基于卷积神经网络构建测试指标偏好数据预测模型,并根据所述每个目标区域的历史影响信号测试仪可靠性的因子数据信息构建基于时间序列的特征训练集,引入随机森林算法;
通过所述随机森林算法对每一时间阶段的特征训练集进行相关性最高的特征数据进行特征提取,生成基于时间序列的相关性最高的特征训练集,并将所述相关性最高的特征训练集输入到所述测试指标偏好数据预测模型中进行编码学习;
通过编码学习之后,通过所述测试指标偏好数据预测模型对每个目标区域的影响信号测试仪可靠性的因子数据信息进行预测,并根据所述每个目标区域的影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息。
进一步的,根据所述各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于所述信号测试仪的测试场景生成信号测试仪的测试任务,具体包括:
根据所述各目标区域的测试指标数据信息获取每一个目标区域中存在的环境特征数据信息,并基于所述每一个目标区域中存在的环境特征数据信息构建信号测试仪的测试场景;
获取当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息,并根据所述当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息对所述信号测试仪的测试场景进行测试分配,生成测试分配结果;
基于所述测试分配结果生成信号测试仪的测试任务,并将所述信号测试仪的测试任务输出。
进一步的,通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并将所述每一测试任务的测试数据信息进行存储,生成数据库,具体包括:
通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并设置离群点阈值,引入模糊聚类算法,根据所述离群点阈值初始化聚类中心;
计算每一测试数据信息到所述聚类中心的欧式距离,当所述欧式距离低于预设欧式距离时,将所述欧式距离低于预设欧式距离的样本数据剔除,生成剔除后的测试数据信息;
引入注意力机制,并根据所述注意力机制计算每一剔除后的测试数据信息的注意力分数信息,构建数据库,将所述数据库分为若干个子空间;
将相同注意力分数信息的测试数据进行合并,并根据所述注意力分数信息的大小对每一测试数据信息进行排序,生成排序后的测试数据,将所述排序后的测试数据依次输入到所述数据库的子空间中进行存储。
进一步的,获取当前用户的测试需求信息,并根据用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息,具体包括以下步骤:
获取当前用户的测试需求信息,将所述当前用户的测试需求信息输入到所述数据库中匹配,获取每一类型的信号测试仪的测试数据信息;
判断所述每一类型的信号测试仪的测试数据信息是否存在至少一项异常测试数据,若所述每一类型的信号测试仪的测试数据信息中至少存在一项异常测试数据,则将所述至少存在一项异常测试数据的信号测试仪标记为可靠性不达标的信号测试仪;
若每一类型的信号测试仪的测试数据信息中不存在任何一项异常测试数据,则将所述不存在任何一项异常测试数据对应的信号测试仪标记为可靠性达标的信号测试仪;
根据所述可靠性达标的信号测试仪生成推荐信息,同时,将所述可靠性不达标的信号测试仪生成提示信息,并将所述提示信息按照预设方式进行显示。
进一步的,基于所述每一个目标区域中存在的环境特征数据信息构建信号测试仪的测试场景,包括以下步骤:
通过物联网平台获取每一环境特征数据信息的控制设备,并获取所述每一环境特征数据信息的控制设备的通信协议数据信息,将所述环境特征数据信息作为控制信息;
根据每一环境特征数据信息的控制设备的通信协议数据信息将所述控制信息传输至所述控制设备,同时,获取测试区域中的实时环境参数数据信息;
将所述测试区域中的实时环境参数数据信息与所述环境特征数据信息进行对比,得到环境偏差率,并判断所述环境偏差率是否大于预设环境偏差率阈值;
当所述环境偏差率大于预设环境偏差率阈值时,调整所述测试区域中的实时环境参数数据信息至所述环境特征数据信息,生成信号测试仪的测试场景。
本发明第二方面提供了一种信号测试仪的可靠性测试系统,所述系统包括存储器以及处理器,所述存储器中包含信号测试仪的可靠性测试方法程序,所述信号测试仪的可靠性测试方法程序被所述处理器执行时,实现如下步骤:
获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;
根据所述各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于所述信号测试仪的测试场景生成信号测试仪的测试任务;
通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并将所述每一测试任务的测试数据信息进行存储,生成数据库;
获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息。
在本系统中,获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息,具体包括:
通过大数据获取影响信号测试仪可靠性的因子数据信息,获取使用信号测试仪的目标区域,并通过大数据获取每个目标区域的历史影响信号测试仪可靠性的因子数据信息;
基于卷积神经网络构建测试指标偏好数据预测模型,并根据所述每个目标区域的历史影响信号测试仪可靠性的因子数据信息构建基于时间序列的特征训练集,引入随机森林算法;
通过所述随机森林算法对每一时间阶段的特征训练集进行相关性最高的特征数据进行特征提取,生成基于时间序列的相关性最高的特征训练集,并将所述相关性最高的特征训练集输入到所述测试指标偏好数据预测模型中进行编码学习;
通过编码学习之后,通过所述测试指标偏好数据预测模型对每个目标区域的影响信号测试仪可靠性的因子数据信息进行预测,并根据所述每个目标区域的影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息。
在本系统中,获取当前用户的测试需求信息,并根据用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息,具体包括以下步骤:
获取当前用户的测试需求信息,将所述当前用户的测试需求信息输入到所述数据库中匹配,获取每一类型的信号测试仪的测试数据信息;
判断所述每一类型的信号测试仪的测试数据信息是否存在至少一项异常测试数据,若所述每一类型的信号测试仪的测试数据信息中至少存在一项异常测试数据,则将所述至少存在一项异常测试数据的信号测试仪标记为可靠性不达标的信号测试仪;
若每一类型的信号测试仪的测试数据信息中不存在任何一项异常测试数据,则将所述不存在任何一项异常测试数据对应的信号测试仪标记为可靠性达标的信号测试仪;
根据所述可靠性达标的信号测试仪生成推荐信息,同时,将所述可靠性不达标的信号测试仪生成提示信息,并将所述提示信息按照预设方式进行显示。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包含信号测试仪的可靠性测试方法程序,所述信号测试仪的可靠性测试方法程序被处理器执行时,实现任一项所述的信号测试仪的可靠性测试方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取影响信号测试仪可靠性的因子数据信息,并根据影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;进一步根据各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于信号测试仪的测试场景生成信号测试仪的测试任务;进而通过信号测试仪的测试任务获取每一测试任务的测试数据信息,并将每一测试任务的测试数据信息进行存储,生成数据库;从而获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及数据库进行筛选,生成相关的信号测试仪的推荐信息。本发明充分考虑了使用信号测试仪的目标区域的环境变化情况,从而来根据目标区域的环境变化情况构建测试场景,使得在做信号测试仪的可靠性测试时考虑多方面的因素,提高了信号测试仪在做可靠性测试时的合理性。
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的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种信号测试仪的可靠性测试方法的整体方法流程图;
图2示出了一种信号测试仪的可靠性测试方法的第一方法流程图;
图3示出了一种信号测试仪的可靠性测试方法的第二方法流程图;
图4示出了一种信号测试仪的可靠性测试系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了一种信号测试仪的可靠性测试方法,包括以下步骤:
S102:获取影响信号测试仪可靠性的因子数据信息,并根据影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;
S104:根据各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于信号测试仪的测试场景生成信号测试仪的测试任务;
S106:通过信号测试仪的测试任务获取每一测试任务的测试数据信息,并将每一测试任务的测试数据信息进行存储,生成数据库;
S108:获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及数据库进行筛选,生成相关的信号测试仪的推荐信息。
需要说明的是,本发明充分考虑了使用信号测试仪的目标区域的环境变化情况,从而来根据目标区域的环境变化情况构建测试场景,使得在做信号测试仪的可靠性测试时考虑多方面的因素,提高了信号测试仪在做可靠性测试时的合理性。
如图2所示,进一步的,获取影响信号测试仪可靠性的因子数据信息,并根据影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息,具体包括:
S202:通过大数据获取影响信号测试仪可靠性的因子数据信息,获取使用信号测试仪的目标区域,并通过大数据获取每个目标区域的历史影响信号测试仪可靠性的因子数据信息;
示例性的,影响信号测试仪可靠性的因子数据信息包括温度、湿度、空气中的气体浓度、灰尘度等,由于通信信号传输质量好坏直接关系着信息化的传播,而决定通信信号的传输质量的一个重要因素便是大气环境。因此,需要测定在不同大气环境之下的信号测试仪的使用可靠性。
S204:基于卷积神经网络构建测试指标偏好数据预测模型,并根据每个目标区域的历史影响信号测试仪可靠性的因子数据信息构建基于时间序列的特征训练集,引入随机森林算法;
S206:通过随机森林算法对每一时间阶段的特征训练集进行相关性最高的特征数据进行特征提取,生成基于时间序列的相关性最高的特征训练集,并将相关性最高的特征训练集输入到测试指标偏好数据预测模型中进行编码学习;
通过引入随机森林算法,能够获取基于时间序列的相关性最高的特征训练集,从而提高预测的精度。
S208:通过编码学习之后,通过测试指标偏好数据预测模型对每个目标区域的影响信号测试仪可靠性的因子数据信息进行预测,并根据每个目标区域的影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息。
需要说明的是,由于使用信号测试仪的每个目标区域的大气环境、温度情况、湿度的实际情况存在差异性,通过本方法能够获取到目标区域的影响信号测试仪可靠性的因子数据信息,如可获取目标区域中每个季节的影响信号测试仪可靠性的因子数据信息的偏好特性,如在夏季某一目标区域的温度一般为xx摄氏度。
进一步的,根据各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于信号测试仪的测试场景生成信号测试仪的测试任务,具体包括:
根据各目标区域的测试指标数据信息获取每一个目标区域中存在的环境特征数据信息,并基于每一个目标区域中存在的环境特征数据信息构建信号测试仪的测试场景;
获取当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息,并根据当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息对信号测试仪的测试场景进行测试分配,生成测试分配结果;
示例性的,测试资源数据信息包括信号测试仪的环境调控设备、测试设备等。
需要说明的是,其中,根据当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息对信号测试仪的测试场景进行测试分配,生成测试分配结果,具体包括以下步骤:
根据所述当前信号测试仪的测试资源数据信息获取相应测试设备的历史服役数据信息,并基于贝叶斯网络构建测试设备故障预测模型,将所述相应测试设备的历史服役数据信息输入到所述测试设备故障预测模型中训练;
通过训练之后,获取训练完成的测试设备故障预测模型,并根据所述训练完成的测试设备故障预测模型来预测测试设备的故障时间节点;
获取当前信号测试仪的测试任务信息,并根据所述当前信号测试仪的测试任务信息获取信号测试仪的测试时间信息,判断所述测试设备的故障时间节点是否处于所述信号测试仪的测试时间信息之内;
当所述测试设备的故障时间节点处于所述信号测试仪的测试时间信息之内,将所述测试设备的故障时间节点处于所述信号测试仪的测试时间信息之内的当前相应测试设备剔除,并将所述测试设备的故障时间节点不处于所述信号测试仪的测试时间信息之内的测试设备进行测试分配,生成测试分配结果。
需要说明的是,通过本方法充分考虑了测试设备的故障情况,从而能够保障信号测试仪进行可靠性的测试过程中的有效性,能够进一步提高测试分配的合理性。
基于测试分配结果生成信号测试仪的测试任务,并将信号测试仪的测试任务输出。
需要说明的是,通过本方法能够影响信号测试仪可靠性的因子数据信息,有利于资源的合理配置。
如图3所示,进一步的,通过信号测试仪的测试任务获取每一测试任务的测试数据信息,并将每一测试任务的测试数据信息进行存储,生成数据库,具体包括:
S302:通过信号测试仪的测试任务获取每一测试任务的测试数据信息,并设置离群点阈值,引入模糊聚类算法,根据离群点阈值初始化聚类中心;
示例性的,离群点阈值一般为测试过程中出现小于零的情况,该情况为非正常情况,模糊聚类算法包括k-mean算法、FCM聚类算法等。
S304:计算每一测试数据信息到聚类中心的欧式距离,当欧式距离低于预设欧式距离时,将欧式距离低于预设欧式距离的样本数据剔除,生成剔除后的测试数据信息;
示例性的,通过本方法能够将非正常的测试信息进行剔除,该类测试数据为无效数据,相当于测试失败,即无法评判其可靠性。
S306:引入注意力机制,并根据注意力机制计算每一剔除后的测试数据信息的注意力分数信息,构建数据库,将数据库分为若干个子空间;
S308:将相同注意力分数信息的测试数据进行合并,并根据注意力分数信息的大小对每一测试数据信息进行排序,生成排序后的测试数据,将排序后的测试数据依次输入到数据库的子空间中进行存储。
需要说明的是,通过本方法能够进一步根据注意力分数信息的大小对每一测试数据信息进行排序,生成排序后的测试数据,通过转换为相应的注意力分数,从而提高用户对于测试数据的查询效率。
如图3所示,进一步的,获取当前用户的测试需求信息,并根据用户的测试需求信息以及数据库进行筛选,生成相关的信号测试仪的推荐信息,具体包括以下步骤:
S302:获取当前用户的测试需求信息,将当前用户的测试需求信息输入到数据库中匹配,获取每一类型的信号测试仪的测试数据信息;
示例性,测试需求信息包括用户需求的测试场景、测试指标结果等数据,如在xxx测试场景之下的信号测试仪需要达到的性能结果。
S304:判断每一类型的信号测试仪的测试数据信息是否存在至少一项异常测试数据,若每一类型的信号测试仪的测试数据信息中至少存在一项异常测试数据,则将至少存在一项异常测试数据的信号测试仪标记为可靠性不达标的信号测试仪;
S306:若每一类型的信号测试仪的测试数据信息中不存在任何一项异常测试数据,则将不存在任何一项异常测试数据对应的信号测试仪标记为可靠性达标的信号测试仪;
S308:根据可靠性达标的信号测试仪生成推荐信息,同时,将可靠性不达标的信号测试仪生成提示信息,并将提示信息按照预设方式进行显示。
需要说明的是,提示信息可以是“该型号/类型的信号测试仪不适合在该测试场景所使用”。通过本方法能够根据用户的测试需求来选择出可靠性能达到的信号测试仪,使得用户对于不同场景选择出的信号测试仪更加合理。
进一步的,基于每一个目标区域中存在的环境特征数据信息构建信号测试仪的测试场景,包括以下步骤:
通过物联网平台获取每一环境特征数据信息的控制设备,并获取每一环境特征数据信息的控制设备的通信协议数据信息,将环境特征数据信息作为控制信息;
根据每一环境特征数据信息的控制设备的通信协议数据信息将控制信息传输至控制设备,同时,获取测试区域中的实时环境参数数据信息;
将测试区域中的实时环境参数数据信息与环境特征数据信息进行对比,得到环境偏差率,并判断环境偏差率是否大于预设环境偏差率阈值;
当环境偏差率大于预设环境偏差率阈值时,调整测试区域中的实时环境参数数据信息至环境特征数据信息,生成信号测试仪的测试场景。
需要说明的是,通过本方法能够调整测试区域中的实时环境参数数据信息至环境特征数据信息,使得信号测试仪在可靠性测试的过程中更加合理。
此外,本发明还可以包括以下步骤:
通过所述数据库获取每一类型的信号测试仪的测试数据信息,并根据所述每一类型的信号测试仪的测试数据信息进行在每一测试场景中测试精度进行分类;
通过分类之后,获取每一类型在每一测试场景中的测试精度信息,并获取当前用户需求的测试场景信息;
根据所述当前用户需求的测试场景信息以及每一类型在每一测试场景中的测试精度信息选择出在用户需求的测试场景信息中测试精度最高的信号测试仪类型;
根据所述在用户需求的测试场景信息中测试精度最高的信号测试仪类型生成相关的信号测试仪推荐信息,并将所述相关的信号测试仪推荐信息按照预设方式进行显示。
需要说明的是,通过本方法能够推荐出在用户需求的测试场景信息中测试精度最高的信号测试仪类型,使得用户在特定的场景进行检测时,信号测试仪的检测准确度更高。
如图4所示,本发明第二方面提供了一种信号测试仪的可靠性测试系统4,系统包括存储器41以及处理器62,存储器41中包含信号测试仪的可靠性测试方法程序,信号测试仪的可靠性测试方法程序被处理器62执行时,实现如下步骤:
获取影响信号测试仪可靠性的因子数据信息,并根据影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;
根据各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于信号测试仪的测试场景生成信号测试仪的测试任务;
通过信号测试仪的测试任务获取每一测试任务的测试数据信息,并将每一测试任务的测试数据信息进行存储,生成数据库;
获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及数据库进行筛选,生成相关的信号测试仪的推荐信息。
在本系统中,获取影响信号测试仪可靠性的因子数据信息,并根据影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息,具体包括:
通过大数据获取影响信号测试仪可靠性的因子数据信息,获取使用信号测试仪的目标区域,并通过大数据获取每个目标区域的历史影响信号测试仪可靠性的因子数据信息;
基于卷积神经网络构建测试指标偏好数据预测模型,并根据每个目标区域的历史影响信号测试仪可靠性的因子数据信息构建基于时间序列的特征训练集,引入随机森林算法;
通过随机森林算法对每一时间阶段的特征训练集进行相关性最高的特征数据进行特征提取,生成基于时间序列的相关性最高的特征训练集,并将相关性最高的特征训练集输入到测试指标偏好数据预测模型中进行编码学习;
通过编码学习之后,通过测试指标偏好数据预测模型对每个目标区域的影响信号测试仪可靠性的因子数据信息进行预测,并根据每个目标区域的影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息。
在本系统中,获取当前用户的测试需求信息,并根据用户的测试需求信息以及数据库进行筛选,生成相关的信号测试仪的推荐信息,具体包括以下步骤:
获取当前用户的测试需求信息,将当前用户的测试需求信息输入到数据库中匹配,获取每一类型的信号测试仪的测试数据信息;
判断每一类型的信号测试仪的测试数据信息是否存在至少一项异常测试数据,若每一类型的信号测试仪的测试数据信息中至少存在一项异常测试数据,则将至少存在一项异常测试数据的信号测试仪标记为可靠性不达标的信号测试仪;
若每一类型的信号测试仪的测试数据信息中不存在任何一项异常测试数据,则将不存在任何一项异常测试数据对应的信号测试仪标记为可靠性达标的信号测试仪;
根据可靠性达标的信号测试仪生成推荐信息,同时,将可靠性不达标的信号测试仪生成提示信息,并将提示信息按照预设方式进行显示。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包含信号测试仪的可靠性测试方法程序,信号测试仪的可靠性测试方法程序被处理器执行时,实现任一项的信号测试仪的可靠性测试方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献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,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种信号测试仪的可靠性测试方法,其特征在于,包括以下步骤:
获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;
根据所述各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于所述信号测试仪的测试场景生成信号测试仪的测试任务;
通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并将所述每一测试任务的测试数据信息进行存储,生成数据库;
获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息。
2.根据权利要求1所述的一种信号测试仪的可靠性测试方法,其特征在于,获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息,具体包括:
通过大数据获取影响信号测试仪可靠性的因子数据信息,获取使用信号测试仪的目标区域,并通过大数据获取每个目标区域的历史影响信号测试仪可靠性的因子数据信息;
基于卷积神经网络构建测试指标偏好数据预测模型,并根据所述每个目标区域的历史影响信号测试仪可靠性的因子数据信息构建基于时间序列的特征训练集,引入随机森林算法;
通过所述随机森林算法对每一时间阶段的特征训练集进行相关性最高的特征数据进行特征提取,生成基于时间序列的相关性最高的特征训练集,并将所述相关性最高的特征训练集输入到所述测试指标偏好数据预测模型中进行编码学习;
通过编码学习之后,通过所述测试指标偏好数据预测模型对每个目标区域的影响信号测试仪可靠性的因子数据信息进行预测,并根据所述每个目标区域的影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息。
3.根据权利要求1所述的一种信号测试仪的可靠性测试方法,其特征在于,根据所述各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于所述信号测试仪的测试场景生成信号测试仪的测试任务,具体包括:
根据所述各目标区域的测试指标数据信息获取每一个目标区域中存在的环境特征数据信息,并基于所述每一个目标区域中存在的环境特征数据信息构建信号测试仪的测试场景;
获取当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息,并根据所述当前信号测试仪的测试资源数据信息以及信号测试仪的测试数量信息对所述信号测试仪的测试场景进行测试分配,生成测试分配结果;
基于所述测试分配结果生成信号测试仪的测试任务,并将所述信号测试仪的测试任务输出。
4.根据权利要求1所述的一种信号测试仪的可靠性测试方法,其特征在于,通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并将所述每一测试任务的测试数据信息进行存储,生成数据库,具体包括:
通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并设置离群点阈值,引入模糊聚类算法,根据所述离群点阈值初始化聚类中心;
计算每一测试数据信息到所述聚类中心的欧式距离,当所述欧式距离低于预设欧式距离时,将所述欧式距离低于预设欧式距离的样本数据剔除,生成剔除后的测试数据信息;
引入注意力机制,并根据所述注意力机制计算每一剔除后的测试数据信息的注意力分数信息,构建数据库,将所述数据库分为若干个子空间;
将相同注意力分数信息的测试数据进行合并,并根据所述注意力分数信息的大小对每一测试数据信息进行排序,生成排序后的测试数据,将所述排序后的测试数据依次输入到所述数据库的子空间中进行存储。
5.根据权利要求1所述的一种信号测试仪的可靠性测试方法,其特征在于,获取当前用户的测试需求信息,并根据用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息,具体包括以下步骤:
获取当前用户的测试需求信息,将所述当前用户的测试需求信息输入到所述数据库中匹配,获取每一类型的信号测试仪的测试数据信息;
判断所述每一类型的信号测试仪的测试数据信息是否存在至少一项异常测试数据,若所述每一类型的信号测试仪的测试数据信息中至少存在一项异常测试数据,则将所述至少存在一项异常测试数据的信号测试仪标记为可靠性不达标的信号测试仪;
若每一类型的信号测试仪的测试数据信息中不存在任何一项异常测试数据,则将所述不存在任何一项异常测试数据对应的信号测试仪标记为可靠性达标的信号测试仪;
根据所述可靠性达标的信号测试仪生成推荐信息,同时,将所述可靠性不达标的信号测试仪生成提示信息,并将所述提示信息按照预设方式进行显示。
6.根据权利要求3所述的一种信号测试仪的可靠性测试方法,其特征在于,基于所述每一个目标区域中存在的环境特征数据信息构建信号测试仪的测试场景,包括以下步骤:
通过物联网平台获取每一环境特征数据信息的控制设备,并获取所述每一环境特征数据信息的控制设备的通信协议数据信息,将所述环境特征数据信息作为控制信息;
根据每一环境特征数据信息的控制设备的通信协议数据信息将所述控制信息传输至所述控制设备,同时,获取测试区域中的实时环境参数数据信息;
将所述测试区域中的实时环境参数数据信息与所述环境特征数据信息进行对比,得到环境偏差率,并判断所述环境偏差率是否大于预设环境偏差率阈值;
当所述环境偏差率大于预设环境偏差率阈值时,调整所述测试区域中的实时环境参数数据信息至所述环境特征数据信息,生成信号测试仪的测试场景。
7.一种信号测试仪的可靠性测试系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包含信号测试仪的可靠性测试方法程序,所述信号测试仪的可靠性测试方法程序被所述处理器执行时,实现如下步骤:
获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息;
根据所述各目标区域的测试指标数据信息构建信号测试仪的测试场景,并基于所述信号测试仪的测试场景生成信号测试仪的测试任务;
通过所述信号测试仪的测试任务获取每一测试任务的测试数据信息,并将所述每一测试任务的测试数据信息进行存储,生成数据库;
获取当前用户的测试需求信息,并根据当前用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息。
8.根据权利要求7所述的一种信号测试仪的可靠性测试系统,其特征在于,获取影响信号测试仪可靠性的因子数据信息,并根据所述影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息,具体包括:
通过大数据获取影响信号测试仪可靠性的因子数据信息,获取使用信号测试仪的目标区域,并通过大数据获取每个目标区域的历史影响信号测试仪可靠性的因子数据信息;
基于卷积神经网络构建测试指标偏好数据预测模型,并根据所述每个目标区域的历史影响信号测试仪可靠性的因子数据信息构建基于时间序列的特征训练集,引入随机森林算法;
通过所述随机森林算法对每一时间阶段的特征训练集进行相关性最高的特征数据进行特征提取,生成基于时间序列的相关性最高的特征训练集,并将所述相关性最高的特征训练集输入到所述测试指标偏好数据预测模型中进行编码学习;
通过编码学习之后,通过所述测试指标偏好数据预测模型对每个目标区域的影响信号测试仪可靠性的因子数据信息进行预测,并根据所述每个目标区域的影响信号测试仪可靠性的因子数据信息生成各目标区域的测试指标数据信息。
9.根据权利要求7所述的一种信号测试仪的可靠性测试系统,其特征在于,获取当前用户的测试需求信息,并根据用户的测试需求信息以及所述数据库进行筛选,生成相关的信号测试仪的推荐信息,具体包括以下步骤:
获取当前用户的测试需求信息,将所述当前用户的测试需求信息输入到所述数据库中匹配,获取每一类型的信号测试仪的测试数据信息;
判断所述每一类型的信号测试仪的测试数据信息是否存在至少一项异常测试数据,若所述每一类型的信号测试仪的测试数据信息中至少存在一项异常测试数据,则将所述至少存在一项异常测试数据的信号测试仪标记为可靠性不达标的信号测试仪;
若每一类型的信号测试仪的测试数据信息中不存在任何一项异常测试数据,则将所述不存在任何一项异常测试数据对应的信号测试仪标记为可靠性达标的信号测试仪;
根据所述可靠性达标的信号测试仪生成推荐信息,同时,将所述可靠性不达标的信号测试仪生成提示信息,并将所述提示信息按照预设方式进行显示。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含信号测试仪的可靠性测试方法程序,所述信号测试仪的可靠性测试方法程序被处理器执行时,实现如权利要求1-6任一项所述的信号测试仪的可靠性测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310883625.6A CN116626574B (zh) | 2023-07-19 | 2023-07-19 | 一种信号测试仪的可靠性测试方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310883625.6A CN116626574B (zh) | 2023-07-19 | 2023-07-19 | 一种信号测试仪的可靠性测试方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116626574A true CN116626574A (zh) | 2023-08-22 |
CN116626574B CN116626574B (zh) | 2023-09-19 |
Family
ID=87617355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310883625.6A Active CN116626574B (zh) | 2023-07-19 | 2023-07-19 | 一种信号测试仪的可靠性测试方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116626574B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005127729A (ja) * | 2003-10-21 | 2005-05-19 | Sharp Corp | 信頼性試験装置および信頼性試験方法 |
US20060174162A1 (en) * | 2005-02-03 | 2006-08-03 | Satyam Computer Services Ltd. | System and method for self-testing of mobile wireless devices |
CN203444030U (zh) * | 2013-07-29 | 2014-02-19 | 兰州吉利汽车工业有限公司 | 一种汽车仪表可靠性测试系统 |
CN103823199A (zh) * | 2014-03-03 | 2014-05-28 | 国家电网公司 | 智能变电站继电保护测试仪自动化检测系统及检测方法 |
CN103995192A (zh) * | 2014-04-29 | 2014-08-20 | 中国人民解放军装备学院 | 一种电子装备电磁环境适应性能的测试评估方法及设备 |
CN112001740A (zh) * | 2020-06-19 | 2020-11-27 | 南京理工大学 | 一种基于自适应神经网络的组合预测方法 |
CN112277004A (zh) * | 2020-10-27 | 2021-01-29 | 中国计量大学 | 一种巡检机器人性能量化测评方法及系统 |
CN113703004A (zh) * | 2021-08-10 | 2021-11-26 | 一汽解放汽车有限公司 | 一种车载雷达运行可靠性检测系统、方法和计算机设备 |
CN113934159A (zh) * | 2021-10-25 | 2022-01-14 | 中国船舶工业综合技术经济研究院 | 一种无人船可靠性测试环境模型构建方法 |
CN114002640A (zh) * | 2021-10-29 | 2022-02-01 | 国网黑龙江省电力有限公司佳木斯供电公司 | 智能电表性能评价方法 |
CN114258067A (zh) * | 2021-12-22 | 2022-03-29 | 深圳星航物连科学技术有限公司 | 一种检测电子设备无线通信模块可靠性的方法 |
CN115203025A (zh) * | 2022-06-24 | 2022-10-18 | 中国银行股份有限公司 | 一种测试缺陷分析方法及装置 |
CN115455089A (zh) * | 2022-11-09 | 2022-12-09 | 西安弘捷电子技术有限公司 | 一种无源组件的性能评估方法、系统及存储介质 |
CN115603331A (zh) * | 2022-12-16 | 2023-01-13 | 深圳市三和电力科技有限公司(Cn) | 基于统一潮流控制器的运行优化方法、系统及介质 |
CN115712099A (zh) * | 2023-01-10 | 2023-02-24 | 北京东远润兴科技有限公司 | 雷达干扰对抗测试方法、装置、设备及储存介质 |
-
2023
- 2023-07-19 CN CN202310883625.6A patent/CN116626574B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005127729A (ja) * | 2003-10-21 | 2005-05-19 | Sharp Corp | 信頼性試験装置および信頼性試験方法 |
US20060174162A1 (en) * | 2005-02-03 | 2006-08-03 | Satyam Computer Services Ltd. | System and method for self-testing of mobile wireless devices |
CN203444030U (zh) * | 2013-07-29 | 2014-02-19 | 兰州吉利汽车工业有限公司 | 一种汽车仪表可靠性测试系统 |
CN103823199A (zh) * | 2014-03-03 | 2014-05-28 | 国家电网公司 | 智能变电站继电保护测试仪自动化检测系统及检测方法 |
CN103995192A (zh) * | 2014-04-29 | 2014-08-20 | 中国人民解放军装备学院 | 一种电子装备电磁环境适应性能的测试评估方法及设备 |
CN112001740A (zh) * | 2020-06-19 | 2020-11-27 | 南京理工大学 | 一种基于自适应神经网络的组合预测方法 |
CN112277004A (zh) * | 2020-10-27 | 2021-01-29 | 中国计量大学 | 一种巡检机器人性能量化测评方法及系统 |
CN113703004A (zh) * | 2021-08-10 | 2021-11-26 | 一汽解放汽车有限公司 | 一种车载雷达运行可靠性检测系统、方法和计算机设备 |
CN113934159A (zh) * | 2021-10-25 | 2022-01-14 | 中国船舶工业综合技术经济研究院 | 一种无人船可靠性测试环境模型构建方法 |
CN114002640A (zh) * | 2021-10-29 | 2022-02-01 | 国网黑龙江省电力有限公司佳木斯供电公司 | 智能电表性能评价方法 |
CN114258067A (zh) * | 2021-12-22 | 2022-03-29 | 深圳星航物连科学技术有限公司 | 一种检测电子设备无线通信模块可靠性的方法 |
CN115203025A (zh) * | 2022-06-24 | 2022-10-18 | 中国银行股份有限公司 | 一种测试缺陷分析方法及装置 |
CN115455089A (zh) * | 2022-11-09 | 2022-12-09 | 西安弘捷电子技术有限公司 | 一种无源组件的性能评估方法、系统及存储介质 |
CN115603331A (zh) * | 2022-12-16 | 2023-01-13 | 深圳市三和电力科技有限公司(Cn) | 基于统一潮流控制器的运行优化方法、系统及介质 |
CN115712099A (zh) * | 2023-01-10 | 2023-02-24 | 北京东远润兴科技有限公司 | 雷达干扰对抗测试方法、装置、设备及储存介质 |
Non-Patent Citations (1)
Title |
---|
谢锐 等: "火炮发射恶劣环境下存储测试仪的可靠性设计", 火炮发射与控制学报, vol. 38, no. 3, pages 79 - 84 * |
Also Published As
Publication number | Publication date |
---|---|
CN116626574B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108777873B (zh) | 基于加权混合孤立森林的无线传感网络异常数据检测方法 | |
CN111177714B (zh) | 异常行为检测方法、装置、计算机设备和存储介质 | |
CN114170513B (zh) | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 | |
CN106549813A (zh) | 一种网络性能的评估方法及系统 | |
CN110166991A (zh) | 用于定位电子设备的方法、设备、装置以及存储介质 | |
CN116862081B (zh) | 一种污染治理设备运维方法及系统 | |
CN112199805B (zh) | 一种输电线路隐患识别模型评估方法及装置 | |
CN116366374A (zh) | 基于大数据的电网网络管理的安全评估方法、系统及介质 | |
CN111368862A (zh) | 室内外标记的区分方法、分类器的训练方法及设备和介质 | |
CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
CN118094266B (zh) | 一种智能终端核辐射检测分析方法及系统 | |
CN113720968B (zh) | 气体浓度检测方法、装置、系统及存储介质 | |
CN113098912B (zh) | 用户账户异常的识别方法、装置、电子设备及存储介质 | |
CN116626574B (zh) | 一种信号测试仪的可靠性测试方法、系统及存储介质 | |
CN111861141B (zh) | 一种基于模糊故障率预测的配电网可靠性评估方法 | |
CN111832599A (zh) | 一种基于机器学习随机森林的加油站预测方法 | |
CN115810409A (zh) | VOCs污染物分析方法及其装置、电子设备、存储介质 | |
CN115082767A (zh) | 随机森林模型训练方法和装置 | |
CN111314926B (zh) | 覆盖关系确定方法、装置及计算机可读存储介质 | |
CN114334696A (zh) | 质量检测方法及装置、电子设备和计算机可读存储介质 | |
CN113032998A (zh) | 医疗器械寿命评估方法和装置 | |
CN116757311B (zh) | 基于大数据的生态环境污染监测方法及系统 | |
CN117688501A (zh) | 一种矫正空气质量预报系统的误差方法 | |
CN118410418B (zh) | 一种产品质量监测方法及系统 | |
CN117789723B (zh) | 一种基于人工智能的视频内容处理方法及系统 |
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 |