FR3097961A1 - Procédé et dispositif d’évaluation et de sélection de métriques de comparaison de signal - Google Patents
Procédé et dispositif d’évaluation et de sélection de métriques de comparaison de signal Download PDFInfo
- Publication number
- FR3097961A1 FR3097961A1 FR2006107A FR2006107A FR3097961A1 FR 3097961 A1 FR3097961 A1 FR 3097961A1 FR 2006107 A FR2006107 A FR 2006107A FR 2006107 A FR2006107 A FR 2006107A FR 3097961 A1 FR3097961 A1 FR 3097961A1
- Authority
- FR
- France
- Prior art keywords
- signal metric
- signal
- difference
- performance index
- test
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3457—Performance evaluation by simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0426—Programming the control sequence
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23456—Model machine for simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3447—Performance evaluation by modeling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
Titre : Procédé et dispositif d’évaluation et de sélection de métriques de comparaison de signal Procédé (20) d’évaluation d’un modèle de simulation (22), notamment d’un robot partiellement automatique ou d’un véhicule. Pour des cas d’essai (21) sélectionnés, on calcule un premier indice de rendement (24) dans le modèle de simulation (22) pour les mêmes cas de test (21), et dans un environnement réel de tests (23) on détermine un second indice de rendement (24) pour chacun des cas de test (21) ; on détermine la différence (25) entre le premier indice de rendement (24) et le second indice de rendement (24). On détermine une métrique de signal (26), et pour chaque métrique de signal (26) on examine la relation d’alternance (27) entre la différence (25) et la métrique de signal (26) respective et on sélectionne (28) la métrique de signal (26) qui présente la relation d’alternance (27) la plus étroite pour la différence (25). Figure 1
Description
Domaine de l’invention
La présente invention se rapporte à un procédé d’évaluation d’un modèle de simulation. L’invention se rapporte également à un dispositif correspondant ainsi qu’un programme d’ordinateur et à un support de mémoire approprié pour la mise en œuvre du procédé.
Etat de la technique
La technique de programmation utilise des modèles pour automatiser les activités de test et générer des artifices de test dans le procédé de tests regroupés sous la dénomination de « tests fondés sur des modèles » (model based testing, MBT).
On connaît, par exemple, la génération de cas de test de modèles qui décrivent le comportement de consigne du système à tester.
Les systèmes intégrés (embedded systems) utilisent des signaux d’entrée appropriés de capteurs et stimulent leur environnement par des signaux de sortie adressés à des actionneurs les plus différents. Au cours de la vérification et des phases de développement préalables d’un tel système, on simule ainsi une boucle de régulation de ce modèle (simulation numérique du fonctionnement d’un contrôleur (model in the loop, MiL), du programme (simulation numérique du programme (software in the loop Sil), et du processeur (simulation numérique du processeur (processeur loop PiL) ou l’ensemble des circuits (hardware in the loop, HiL) en commun avec un modèle de l’environnement. Dans la technique automobile, les simulateurs correspondant à ce principe pour vérifier les appareils de commandes électroniques, suivant la phase de test et l’objet du test sont connus sous les dénominations de composants, modules ou états de contrôle d’intégration.
Le document DE10303489A1 décrit un tel procédé de test de programme d’une unité de commande d’un véhicule. Selon ce procédé, on simule au moins partiellement par un système de test, un trajet de régulation commandé par l’unité de commande en générant des signaux de sortie de l’unité de commande et en transmettant ces signaux de sortie de l’unité de commande à un premier composant de circuit par une première liaison et les signaux de second composant de circuits, comme signaux d’entrée à l’unité de commande par une seconde liaison ; les signaux de sortie sont fournis comme premières valeurs de commande au programme et en plus ils sont transmis par une interface de communication, rapportée en temps réel au chemin de régulation pour le système de test.
De telles simulations sont développées dans de nombreux domaines de la technique et s’utilisent, par exemple, pour vérifier le bon fonctionnement de systèmes intégrés dans des outils électroniques, des appareils de commande de moteur, pour des systèmes d’entraînement, de direction et de freinage, voire même des véhicules automobiles dans les premières phases de leur développement. Néanmoins les résultats des modèles de simulation selon l’état de la technique ne sont utilisés que de façon très limitée pour prendre les décisions de conformité, à cause de la confiance très limitée dans leur fiabilité.
Exposé et avantages de l’invention
La présente invention a pour objet un procédé d’évaluation d’un modèle de simulation, notamment d’au moins un robot partiellement automatique ou d’un véhicule, ce procédé étant caractérisé en ce que pour des cas d’essai sélectionnés, on calcule un premier indice de rendement dans le modèle de simulation et pour les mêmes cas de test, dans un environnement réel de tests, on détermine un second indice de rendement et pour chacun des cas de test on détermine la différence entre le premier indice de rendement et le second indice de rendement et on détermine une métrique de signal, et pour chaque métrique de signal on examine une relation d’alternance entre la différence et la métrique de signal respective et on sélectionne la métrique de signal qui présente la relation d’alternance la plus étroite pour la différence.
L’invention repose sur la considération que la qualité des modèles de simulation est un élément décisif pour un travail de prévision correct des résultats de test que l’on peut obtenir. Dans le domaine de la technique MBT, une partie de la discipline concerne la validation avec pour mission de comparer des mesures réelles à des résultats de simulation. Pour cela, on utilise différentes métriques, différentes mesures et autres comparateurs qui combinent entre eux des signaux et qui seront appelés ci-après, de manière résumée « les métriques de signal SM ». Des exemples de telles métriques de signal sont des métriques qui comparent les dimensions, le déphasage et les corrélations. Certaines métriques de signal sont définies par des normes telles que, par exemple, la norme ISO 18571.
Pour la vérification, on examine, de façon caractéristique, un système à tester (system under test SUT) à l’aide d’une requête, de spécifications ou d’un nombre caractéristique de rendement, appelé ci-après, de manière globale « indice de rendement clef » (key performance index, KPI). Il faut veiller à ce que les requêtes boolénnes ou les spécifications puissent être transformées en des mesures quantitatives en ce que l’on utilise des formalismes tels qu’un signal en logique temporelle (signal temporal logic, TL). Un indice KPI peut s’exploiter selon une réalisation physique ou une simulation.
La différence entre les indices KPI et les métriques de signal est représentée à la figure 1. Le signal S1 mesuré dans un environnement de tests, réel et le signal S2 fourni par une simulation sont analogues. C’est pourquoi la métrique de signal concernée est faible mais l’indice de rendement KPI des deux signaux est au-dessus d’un seuil prédéfini 10 qui sépare les valeurs avantageuses 11 et les valeurs désavantageuses 12 des indices. L’indice de rendement KPI est ainsi à exploiter dans ce cas comme défavorable 12. Le décalage absolu portant la référence 13 ne provient pas d’un défaut de signal de la métrique de signal, mais de l’indice de rendement KPI.
Les autres indications reposent sur les éléments présentés ci-après.
Une métrique de signal est une mesure de la similitude entre deux signaux et compare, de manière caractéristique un signal d’une expérience réelle à un signal de simulation. La signature est la suivante SM:S X S →R, dans laquelle S est la quantité de base des signaux possibles.
Un indice KPI est une métrique définie d’une manière compréhensible par l’homme et qui peut s’exploiter par le calcul, indiquant la qualité d’un rendement de système (représenté par un signal) : KPI:S→R.
Une requête à un signal (s) fondé sur un seuil (t) pour un indice KPI est définie comme suit (Req(s) :=KPI(s)<t), indiquant si un comportement de signal matérialisé par le signal est acceptable et permet ainsi de prendre une décision binaire : Req :S→B.
Les métriques de signal et les indices KPI ont ainsi des signatures différentes. De façon correspondante, les métriques de signal et les indices KPI traitent des contenus différents. Comme le montre la figure 1, la métrique de signal peut être faible entre le signal réel (S1) et le signal de sortie simulé (S2) mais les deux signaux (S1, S2) peuvent ne pas répondre à des requêtes systématiques et ainsi avoir un petit indice KPI ou un indice KPI négatif.
Le procédé proposé tient en outre compte du fait qu’il n’est pas clair quelle métrique de signal parmi les métriques nombreuses doit être utilisée pour valider un modèle de simulation à l’aide de mesures. Cela se fait surtout à cause des requêtes et des indicateurs de rendement de l’ensemble de la destination SUT pour la validation qui ne sont pas encore fixées. Le procédé décrit rencontre ce problème et résout, par le choix de la métrique de signal, chaque fois celle la mieux adaptée en se fondant sur un certain indice KPI.
La distinction entre l’indice KPI et la requête résout le problème selon lequel souvent les humains ne peuvent émettre un seuil significatif. La fixation d’un seuil peut naturellement nécessiter de l’expérience accumulée au cours d’essais et trouver un compromis approprié. La séparation entre l’indice KPI et les requêtes permet de décaler la décision concernant un seuil acceptable.
Il existe également des cas dans lesquels on a une relation triviale entre un indice KPI et une métrique de signal. Cela est le cas si l’indice KPI contient un signal de référence et que celui-ci est défini par une métrique de signal. Dans ce cas il n’est intéressant que de manière limitée, d’utiliser le procédé proposé car le résultat est sans intérêt.
La solution selon l’invention prévoit, de préférence, en résumé, un critère motivant mathématique pour la sélection des métriques de signal.
Présentation des dessins
Les exemples de réalisation de l’invention sont représentés dans les dessins et seront détaillés ci-après, sans la traduction des indications littérales anglosaxonnes courant dans ce domaine technique et qui n’ont pas de traduction.
Ainsi :
[Fig. 10) schéma d’un poste de travail selon un second mode de réalisation de l’invention.
Description de modes de réalisation de l’invention
Un calcul selon l’invention est explicité à la figure 2 et correspond à l’idée de base de calculer, pour des cas de tests sélectionnés 21, 29 par la variation des signaux de sortie, d’une part, à partir de la simulation 22 et de l’observation 23, de différentes mesures réelles, d’une part des valeurs variables ΔKPI et d’autre part, des métriques variables de signal 26. La solution de l’invention prévoit de calculer en outre la relation d’alternance 27 entre les valeurs calculées pour ΔKPI et les métriques de signal. La métrique de signal qui présente la relation d’alternance la plus étroite avec ΔKPI sera sélectionnée 28. Les valeurs ΔKPI caractérisent la différence 25 de l’indice de rendement 24 calculé dans le modèle de simulation 22 et celui du test réel d’environnement 23.
Une variation des résultats de simulation s’obtient en faisant varier quelques paramètres de simulation, par exemple, les grandeurs d’entrée. La variation des mesures s’obtient par la répétition des expériences ou par des essais multiples dans des conditions différentes, le cas échéant avec différents paramètres.
Comme déjà indiqué, une métrique de signal SMK forme deux signaux d’une valeur réelle (SM : S X S → R) et contrairement à cela, un indice KPI forme un signal -et en option les entrées SUT X d’origine – pour une valeur réelle (KPI : S → R). Les fonctions SM et KPI ont des signatures différentes et on calcule ainsi la relation d’alternance entre ΔKPI (ΔKPI : S X S→ R) et SM.
La définition usuelle de la corrélation ne convient toutefois pas car, contrairement au cas idéal représenté à la figure 3, il est possible que malgré des signaux de simulation différents et des mesures différentes, ΔKPI ou SM est constant. Dans ce cas, la variance Var(ΔKPI) ou Var(SM) est égale à zéro de sorte que le coefficient de corrélation correspondant est indéfini. Tenant compte de tels cas, comme ceux représentés aux figures 4 à 7, et aux instabilités numériques, la corrélation modifiée est considérée comme convenant :
Equation 1 :
Il convient de remarquer que l’équation 1 peut également utiliser d’autres fonctions comme, par exemple, la covariance avec les modifications décrites.
Ce procédé 20 peut être appliqué sous la forme d’un programme ou d’un circuit ou sous une forme mixte d’un programme et d’un circuit, par exemple, il est implémenté dans un appareil de commande comme celui représenté schématiquement à la figure 2.
Il convient de souligner que l’invention porte en outre sur les éléments suivants :
- les métriques de signal 26 concernent au moins l’intensité du signal, le déphasage ou la corrélation
- selon le procédé on sélectionne les cas de test 21 comme procédé aléatoire, quantification d’insécurité ou procédé de tests fondé sur une recherche
- on fait varier le premier indice de rendement 24 en modifiant les paramètres du module de simulation
- on fait varier le second indice de rendement 24 en répétant les cas de tests 21
- si à la fois la différence 25 et aussi la métrique de signal (26) sont constantes, on définit la relation d’alternance (27) comme étant égale à l’unité, si au contraire, la différence (25) ou la métrique de signal (26) est constante, on définit la relation d’alternance (27) comme étant égale à zéro et dans les autres cas on définit la relation d’alternance (27) par la mesure de la concordance de la différence (25) et de la métrique de signal (26)
- selon le procédé la mesure de concordance est un coefficient de corrélation
- selon le procédé, en fonction de la métrique de signal 26 choisie, on a une amélioration automatique des défauts reconnus par la métrique de signal (26) d’un système modélisé par le modèle de simulation (22)
L’invention a pour objet un programme d’ordinateur conçu pour exécuter le procédé tel que défini ci-dessus, enregistrer sur un support de mémoire lisible par une machine comportant un dispositif conçu pour exécuter ce procédé.
Claims (9)
- Procédé (20) d’évaluation d’un modèle de simulation (22), notamment d’au moins un robot partiellement automatique ou d’un véhicule, caractérisé en ce que pour des cas d’essai (21) sélectionnés, on calcule un premier indice de rendement (24) dans le modèle de simulation (22) et pour les mêmes cas de test (21), dans un environnement réel de tests (23), on détermine un second indice de rendement (24) pour chacun des cas de test (21), on détermine la différence (25) entre le premier indice de rendement (24) et le second indice de rendement (24) et on détermine une métrique de signal (26), et pour chaque métrique de signal (26) on examine une relation d’alternance (27) entre la différence (25) et la métrique de signal (26) respective et on sélectionne (28) la métrique de signal (26) qui présente la relation d’alternance (27) la plus étroite pour la différence (25).
- Procédé (20) selon la revendication 1, caractérisé en ce que les métriques de signal (26) concernent au moins l’un des points suivants : intensité du signal, déphasage ou corrélation.
- Procédé (20) selon la revendication 1 ou 2, caractérisé en ce qu’on sélectionne les cas de test (21) selon l’un des procédés (20) suivants : procédé aléatoire, quantification de l’insécurité ou procédé de tests fondé sur une recherche.
- Procédé (20) selon l’une des revendications 1 à 3, caractérisé en ce qu’on fait varier le premier indice de rendement (24) en modifiant les paramètres du modèle de simulation (22).
- Procédé (20) selon l’une des revendications 1 à 4, caractérisé en ce qu’on fait varier le second indice de rendement (24) en répétant les cas de test (21).
- Procédé (20) selon l’une des revendications 1 à 5, caractérisé en ce que si à la fois la différence (25) et aussi la métrique de signal (26) sont constantes, on définit la relation d’alternance (27) comme étant égale à l’unité, si au contraire, la différence (25) ou la métrique de signal (26) est constante, on définit la relation d’alternance (27) comme étant égale à zéro et dans les autres cas on définit la relation d’alternance (27) par la mesure de la concordance de la différence (25) et de la métrique de signal (26).
- Procédé (20) selon la revendication 6, caractérisé en ce que la mesure de concordance est un coefficient de corrélation.
- Procédé (20) selon l’une des revendications 1 à 7, caractérisé en ce qu’en fonction de la métrique de signal (26) choisie, on a une amélioration automatique des défauts reconnus par la métrique de signal (26) d’un système modélisé par le modèle de simulation (22).
- Programme d’ordinateur conçu pour exécuter le procédé (20) selon l’une des revendications 1 à 8, enregistré sur un support de mémoire lisible par une machine comportant un dispositif conçu pour exécuter le procédé (20) selon l’une des revendications 1 à 8.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019209536.4A DE102019209536A1 (de) | 2019-06-28 | 2019-06-28 | Verfahren und Vorrichtung zur Bewertung und Auswahl von Signal-Vergleichsmetriken |
DE102019209536.4 | 2019-06-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3097961A1 true FR3097961A1 (fr) | 2021-01-01 |
Family
ID=70918350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2006107A Withdrawn FR3097961A1 (fr) | 2019-06-28 | 2020-06-11 | Procédé et dispositif d’évaluation et de sélection de métriques de comparaison de signal |
Country Status (5)
Country | Link |
---|---|
US (1) | US11416371B2 (fr) |
EP (1) | EP3757698A1 (fr) |
CN (1) | CN112146890A (fr) |
DE (1) | DE102019209536A1 (fr) |
FR (1) | FR3097961A1 (fr) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116187034B (zh) * | 2023-01-12 | 2024-03-12 | 中国航空发动机研究院 | 基于不确定度量化的压气机仿真可信度评估方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10303489A1 (de) | 2003-01-30 | 2004-08-12 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Testen von Software einer Steuereinheit eines Fahrzeugs |
FR2939924B1 (fr) * | 2008-12-15 | 2012-10-12 | Snecma | Identification de defaillances dans un moteur d'aeronef |
US8990778B1 (en) | 2012-09-14 | 2015-03-24 | Amazon Technologies, Inc. | Shadow test replay service |
US11194940B2 (en) * | 2018-04-22 | 2021-12-07 | Sas Institute Inc. | Optimization under disallowed combinations |
WO2020136859A1 (fr) * | 2018-12-28 | 2020-07-02 | 日本電気株式会社 | Dispositif d'estimation, procédé d'estimation et support d'enregistrement lisible par ordinateur |
-
2019
- 2019-06-28 DE DE102019209536.4A patent/DE102019209536A1/de active Pending
-
2020
- 2020-05-20 US US16/878,908 patent/US11416371B2/en active Active
- 2020-05-28 EP EP20177142.5A patent/EP3757698A1/fr not_active Withdrawn
- 2020-06-11 FR FR2006107A patent/FR3097961A1/fr not_active Withdrawn
- 2020-06-24 CN CN202010586398.7A patent/CN112146890A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US11416371B2 (en) | 2022-08-16 |
CN112146890A (zh) | 2020-12-29 |
US20200409817A1 (en) | 2020-12-31 |
EP3757698A1 (fr) | 2020-12-30 |
DE102019209536A1 (de) | 2020-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3123139B1 (fr) | Procédé d'estimation du caractère normal ou non d'une valeur mesurée d'un paramètre physique d'un moteur d'aéronef | |
EP2376989B1 (fr) | Identification de defaillances dans un moteur d'aeronef | |
EP2376988B1 (fr) | Standardisation de données utilisées pour la surveillance d'un moteur d'aéronef. | |
FR3044126A1 (fr) | Systeme et procede pour creer automatiquement des cas de tests a base d'exigences liees a un logiciel critique | |
KR102681637B1 (ko) | 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법 | |
US11137318B2 (en) | Model-based diagnosis in frequency domain | |
EP3215903A1 (fr) | Outil de validation d'un système de surveillance d'un moteur d'aéronef | |
FR3097961A1 (fr) | Procédé et dispositif d’évaluation et de sélection de métriques de comparaison de signal | |
FR3035232A1 (fr) | Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe | |
Gajdatsy et al. | Critical assessment of Operational Path Analysis: mathematical problems of transmissibility estimation | |
WO2021089936A1 (fr) | Procédé, dispositif et programme d'ordinateur de surveillance d'une machine tournante d'un aéronef | |
US20140309754A1 (en) | Method and device for creating a data-based function model | |
EP2034275B1 (fr) | Dispositif de validation de mesures d'une grandeur cinématique | |
FR3084170A1 (fr) | Procede de determination d'une matrice de covariance de bruit d'etat pour le reglage d'un observateur de l'etat de charge d'une batterie et dispositif correspondant | |
CN112286798A (zh) | 一种可模拟真实用户场景的全链路压测系统及方法 | |
FR3101669A1 (fr) | Dispositif, procédé et programme d’ordinateur de suivi de moteur d’aéronef | |
CN109189673B (zh) | 一种软件的测试方案、测试用例的确定方法及装置 | |
US20230204549A1 (en) | Apparatus and automated method for evaluating sensor measured values, and use of the apparatus | |
CN109952502B (zh) | 用于调谐经调制晶片的敏感度及确定用于经调制晶片的工艺窗的系统、方法及非暂时性计算机可读媒体 | |
FR3012897B1 (fr) | Procede et dispositif de caracterisation d'un signal | |
FR3075359B1 (fr) | Detection et accomodation de circuits ouverts intermittents sur un capteur moteur d'une turbomachine d'aeronef | |
JP2022012351A (ja) | 要因分析装置、要因分析方法、及び要因分析プログラム | |
RU2001106752A (ru) | Способ поиска неисправного блока в динамической системе | |
CN114692296A (zh) | 发动机排气门弹簧测试方法、系统、终端设备及存储介质 | |
RU2143720C1 (ru) | Способ поиска неисправностей в динамических системах |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLSC | Publication of the preliminary search report |
Effective date: 20211112 |
|
ST | Notification of lapse |
Effective date: 20220205 |