CN101666711A - 一种基于模糊语义网络的发动机综合故障诊断方法 - Google Patents
一种基于模糊语义网络的发动机综合故障诊断方法 Download PDFInfo
- Publication number
- CN101666711A CN101666711A CN200910018930A CN200910018930A CN101666711A CN 101666711 A CN101666711 A CN 101666711A CN 200910018930 A CN200910018930 A CN 200910018930A CN 200910018930 A CN200910018930 A CN 200910018930A CN 101666711 A CN101666711 A CN 101666711A
- Authority
- CN
- China
- Prior art keywords
- fault
- case
- reasoning
- subsystem
- failure
- 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
Images
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种基于模糊语义网络的发动机综合故障诊断方法,其特点是建立基于ARM嵌入式微处理器的嵌入式平台和基于现场可编程门阵列FPGA的数据采集模块,在嵌入式平台上建立基于模糊语义网络模型的故障知识获取方法、基于案例推理子***和引导式交互推理子***。基于模糊语义网络模型的故障知识获取方法构建了发动机故障知识库,案例推理子***用于常见故障的快速诊断,引导式交互推理子***采用人机交互的方式来进行模糊搜索推理,可以进行故障的深度诊断;数据采集模块自动检测到故障征兆或用户输入故障征兆后,可启动单独一个子***,也可启动两子***并行运行;每个子***可单独实现故障诊断,亦可结合两***的诊断结果进行综合诊断,提高了诊断的准确度。
Description
技术领域:
本发明涉及发动机故障诊断技术领域,具体地讲是一种基于模糊语义网络的发动机综合故障诊断方法。
背景技术:
目前,航空发动机智能故障诊断方法主要有基于规则推理、基于模型推理、基于案例推理和基于人工神经网络等诊断方法,但目前的发动机智能诊断模型绝大多数是采用上述的一种诊断方法,这就使得推理模式单一,无法充分利用故障信息,影响了诊断精度。另外,故障知识获取难的问题一直未能得到有效的解决,成为故障诊断的瓶颈。
发明内容:
本发明的目的是克服上述已有技术的不足,而提供一种基于模糊语义网络的发动机综合故障诊断方法,主要解决现有的航空发动机智能故障诊断方法推理模式单一、无法充分利用故障信息及故障知识获取难等问题。
为了达到上述目的,本发明是这样实现的:一种基于模糊语义网络的发动机综合故障诊断方法,其特征在于它包括如下工艺步骤:
a,建立基于ARM嵌入式微处理器的嵌入式平台和基于现场可编程门阵列FPGA的数据采集模块;嵌入式平台由ARM嵌入式处理器S3C2410、电源电路、FLASH存储器、SDRAM存储器、LCD接口、USB接口、以太网接口、串行接口、数据采集模块接口、总线以及预留的扩展接口等;数据采集模块由主控制器FPGA、AD转换器和多路模拟开关等组成;
b,在数据采集模块内设采集子程序,嵌入式平台的存储器内设数据库和应用程序,应用程序中的故障诊断程序包括基于模糊语义网络模型的知识获取方法、基于案例推理子***和引导式交互推理子***;基于模糊语义网络模型的知识获取方法是以发动机可靠性设计FMEA分析数据为基础,利用概念节点和语义联系的概念,清晰全面地表达了故障、成因等节点间的关系,构建了发动机故障知识库,较好解决了发动机故障诊断知识获取难的瓶颈问题;基于案例推理子***主要由征兆获取子模块、案例推理子模块、案例维护模块以及故障案例库组成,用于常见故障的快速诊断;引导式交互推理子***是以基于模糊语义网络构建的发动机故障知识库为基础,采用人机交互的方式来进行模糊搜索推理,可以进行故障的深度诊断;
c,数据采集模块自动检测到故障征兆或用户输入故障征兆后,传输给嵌入式平台,嵌入式平台可启动单独一个子***,也可启动两子***并行运行;
d,当两个子***都能得出初步诊断结果时,如果两个结果相同,则为***的最终诊断结果,如果两个结果不相同,则需要利用专家经验来进行综合决策以给出最终结果;
e,当其中一个子***诊断成功,而另一个子***诊断失败的话,则根据前者的诊断结果,指导后者进行学习;
f,当两个子***均未给出诊断结果,则***诊断失败。
本发明的一种基于模糊语义网络的发动机综合故障诊断方法,其所述的建立基于案例推理子***的诊断步骤为:
a,数据采集模块对传感器检测到的信号分析处理,传输给嵌入式平台的征兆获取子模块,同数据库中的参数门限进行比较,提取出偏离或超差的参数,构成发动机故障征兆信息,同时结合人工输入的征兆信息,按照案例表示的方法生成故障征兆向量,提交给案例推理子模块;
b,案例推理子模块首先根据故障征兆向量中的确定性征兆,从案例库中索引出与当前故障属于同一类的故障案例,然后对索引出的案例进行基于灰色关联分析法的相似度匹配计算,如果获得相似度满足一定阈值的案例,则结合这些案例的故障发生次数、维修难度等因素进行模糊综合评判后选择最合适的案例进行案例重用与修正,将案例提供的解决方案提交给用户,最后根据用户的反馈信息把案例提交给案例维护模块进行学习,并保存到案例库。如果案例推理诊断失败,则把故障征兆向量提交给引导式交互推理诊断子***。
本发明的一种基于模糊语义网络的发动机综合故障诊断方法,其所述的案例库包括故障案例基本信息表、故障案例种类表、故障案例不确定性征兆值表。
本发明的一种基于模糊语义网络的发动机综合故障诊断方法,其所述的引导式交互推理子***的诊断步骤为:
a,当***检测到故障征兆后,同时结合人工通过与嵌入式平台连接的触摸屏输入的故障信息,以基于模糊语义网络构建的故障知识库为基础进行模糊搜索推理,***提示用户需要进行的检测操作及其操作方法,用户完成检测后,向***输入所得到的检测结果,供***分析后提出进一步的处置建议;***根据与用户交互得到的若干反馈信息不断分析,确定最终故障件;定位故障件之后,***将自动提出合理的排故方法建议;
b,利用超级链接与数据库内的“维护手册”模块交联,直接查看相应的维护、维修步骤及其具体操作方法,通过“建议——问答”的交互方式,可为维护人员提供智能化的故障诊断。
本发明所述的一种基于模糊语义网络的发动机综合故障诊断方法与已有技术相比具有突出的实质性特点和显著进步:1、基于模糊语义网络模型的知识获取方法,较好地解决了发动机故障诊断知识获取的瓶颈问题;2、综合利用两种子***的诊断方法,如果一个子***诊断失败,可以转入另一个子***模型进行诊断,增加了故障诊断成功率;3、两子***推理过程相互并行,每个子***可单独实现故障诊断,亦可结合两***的诊断结果进行融合诊断,提高了诊断的准确度。
附图说明:
图1是本发明的模糊语义网络模型图;
图2是本发明的总体诊断流程图;
图3是本发明的案例推理子***诊断流程图;
图4是本发明的故障案例数据表关联图。
具体实施方式:
为了更好地理解与实施,下面结合附图给出具体实施例详细说明本发明一种基于模糊语义网络的发动机综合故障诊断方法。
实施例1,参见图1、2、3、4,首先建立基于ARM嵌入式微处理器的嵌入式平台和基于现场可编程门阵列FPGA的数据采集模块,嵌入式平台由ARM嵌入式处理器S3C2410、电源电路、FLASH存储器、SDRAM存储器、LCD接口、USB接口、以太网接口、串行接口、数据采集模块接口、总线以及预留的扩展接口等组成;数据采集模块由主控制器FPGA、AD转换器和多路模拟开关等组成,ARM嵌入式处理器S3C2410通过总线连接的数据采集模块接口与数据采集模块连接,相关部件采用常规技术进行连接;
在数据采集模块内设置采集子程序,在嵌入式平台的存储器内设数据库和应用程序,应用程序中的故障诊断程序包括基于模糊语义网络模型的知识获取方法、基于案例推理子***和引导式交互推理子***;
基于案例推理子***主要由征兆获取子模块、案例推理子模块、案例维护模块以及案例库组成,知识来源为已经发生过的故障案例,采用案例检索、案例重用、案例学习等方式进行推理,用于常见故障的快速诊断;引导式交互推理子***是以基于模糊语义网络构建的发动机故障知识库为基础,采用人机交互的方式来进行模糊搜索推理,可以进行故障的深度诊断;
模糊语义网络模型的知识获取具体方法:
针对发动机故障样本少的现状,以发动机可靠性设计FMEA分析数据为基础,利用概念节点和语义联系的概念,建立了模糊语义网络模型,清晰全面地表达了故障、成因等节点间的关系,构建了发动机故障知识库,较好解决了发动机故障诊断知识获取的瓶颈问题。从三个方面进行模糊语义网络模型建立:首先选择概念节点,如发动机故障模式、故障影响后果。其次确定概念节点之间的联系,分析某节点(值)的变化是否对另一节点(值)有显著的影响;然后给每个联系指定合适的符号和语言强度(A:总是;O:经常;So:有时;Se:很少;+:增加影响;-:减少影响;0:可忽略影响)。
以发动机工厂试车排故和设计可靠性FMEA为数据基础建立的发动机气路单元体FMEA的概念节点可表示为表1所示。
表1
概念节点 | 描述 | 概念节点 | 描述 |
C1 | 压气机气动疲劳损伤 | C17 | 压气机效率下降 |
C2 | 压气机气弹失稳断裂 | C18 | 恶化供油及雾化燃烧过程 |
C3 | 压气机二级叶尖掉块 | C19 | 叶片断裂 |
C4 | 燃烧室喷嘴积碳和腐蚀 | C20 | 叶片扭曲 |
C5 | 压气机整流叶片故障 | C21 | 流通能力下降 |
C6 | 燃烧室加力筒体裂纹 | C22 | 涡轮效率下降 |
C7 | 导向器一级叶片烧伤故障 | C23 | 打穿机闸 |
C8 | 导向器一级叶片烧蚀掉块 | C24 | 转子报废 |
C9 | 导向器外缘板裂纹烧蚀故障 | C25 | 转轴报废 |
C10 | 导向器应力裂纹故障 | C26 | 轮盘报废 |
C11 | 风扇叶片损坏(外物打伤) | C27 | 风扇效率下降 |
C12 | 高压转子叶片伸长 | C28 | 叶片与机闸相撞 |
C13 | 高压转子叶片变形 | C29 | 涡轮二次损伤 |
C14 | 涡轮转子叶片变形 | ||
C15 | 涡轮转轴裂纹 | ||
C16 | 涡轮轮盘变形 |
以表1为例,施加必要的的方向符号和语言强度(语言值),得到某型发动机气路单元体的模糊语义网络模型如图1所示。
数据采集模块自动检测到故障征兆或用户输入故障征兆后,传输给嵌入式平台,嵌入式平台可启动单独一个子***,也可启动两子***并行运行;***有多种可能的输出结果,最后可进行综合决策得到最终结果,其总体诊断流程如图2;当两个子***都能得出初步诊断结果时,如果两个结果相同,则为***的最终诊断结果,如果两个结果不相同,则需要利用专家经验来进行综合决策以给出最终结果;当其中一个子***诊断成功,而另一个子***诊断失败的话,则根据前者的诊断结果,指导后者进行学习;当两个子***均未给出诊断结果,则***诊断失败。
基于案例推理子***诊断流程如图3所示,故障诊断步骤为:a,数据采集模块对传感器检测到的信号分析处理,传输给嵌入式平台的征兆获取子模块,同数据库中的参数门限进行比较,提取出偏离或超差的参数,构成发动机故障征兆信息,同时结合人工输入的征兆信息,按照案例表示的方法生成故障征兆向量,提交给案例推理子模块;b,案例推理子模块首先根据故障征兆向量中的确定性征兆,从案例库中索引出与当前故障属于同一类的故障案例,然后对索引出的案例进行基于灰色关联分析法的相似度匹配计算,如果获得相似度满足一定阈值的案例,则结合这些案例的故障发生次数、维修难度等因素进行模糊综合评判后选择最合适的案例进行案例重用与修正,将案例提供的解决方案提交给用户,最后根据用户的反馈信息把案例提交给案例维护模块进行学习,并保存到案例库;如果案例推理诊断失败,则把故障征兆向量提交给引导式交互推理诊断子***。
从诊断流程中可以看出,案例推理诊断子***主要由征兆获取子模块、案例推理子模块、案例维护模块以及案例库组成。
案例库包括故障案例基本信息表、故障案例种类表、故障案例不确定性征兆值表。案例库设计:故障案例基本信息表、故障案例种类表、故障案例不确定性征兆值表,这三张数据表的相互关系见图4。三张数据表的结构以及它们之间的相互关系:
(1)故障案例种类表:在该表中,每一条记录对应一个发动机故障案例中典型的案例种类。它由故障案例种类号、该案例种类具有的确定性征兆索引号和索引值、该案例种类所包含的不确定性征兆名称及相应征兆权重组成。其中,故障案例种类号字段为主键。(2)故障案例基本信息表:在该表中,每一条记录对应一个故障案例基本信息,其中包括了故障案例所属的案例种类号、故障现象、故障原因、排故措施、案例发生次数、检测的难易程度和排故花费时间。其中,故障案例号字段为主键;故障案例所属案例种类号字段是故障案例种类表的故障案例种类号字段的外键。(3)故障案例不确定性征兆值表:在该表中,存储了故障案例每个不确定性征兆的属性值,其中,故障案例号字段是此表的主键,也是故障案例信息表的故障案例号字段的外键。
基于引导式交互推理子***的诊断步骤为:a,当***检测到故障征兆后,同时结合人工通过与嵌入式平台连接的触摸屏输入的故障信息,以故障知识库为基础进行模糊搜索推理,***提示用户需要进行的检测操作及其操作方法,用户完成检测后,向***输入所得到的检测结果,供“排故专家***”分析后提出进一步的处置建议;***根据与用户交互得到的若干反馈信息不断分析,确定最终故障件;定位故障件之后,***将自动提出合理的排故方法建议;b,利用超级链接与数据库内的“维护手册”模块交联,直接查看相应的维护、维修步骤及其具体操作方法,通过“建议——问答”的交互方式,可为维护人员提供智能化的故障诊断。
本发明的一种基于模糊语义网络的发动机综合故障诊断方法,不局限于航空发动机,也可用于其它领域的故障诊断。
Claims (4)
1、一种基于模糊语义网络的发动机综合故障诊断方法,其特征在于它包括如下工艺步骤:
a,建立基于ARM嵌入式微处理器的嵌入式平台和基于现场可编程门阵列FPGA的数据采集模块,二者通过总线连接;
b,数据采集模块内设采集子程序,嵌入式平台的存储器内设数据库和应用程序,应用程序中的故障诊断程序包括基于模糊语义网络模型的故障知识获取方法、基于案例推理子***和引导式交互推理子***;基于模糊语义网络模型的知识获取方法是以发动机可靠性设计FMEA分析数据为基础,利用概念节点和语义联系的概念,清晰全面地表达了故障、成因等节点间的关系,构建了发动机故障知识库;基于案例推理子***主要由故障征兆获取子模块、案例推理子模块、案例维护模块以及故障案例库组成,用于常见故障的快速诊断;引导式交互推理子***是以基于模糊语义网络构建的发动机故障知识库为基础,采用人机交互的方式来进行模糊搜索推理,可以进行故障的深度诊断;
c,数据采集模块自动检测到故障征兆或用户输入故障征兆后,传输给嵌入式平台,嵌入式平台可启动单独一个子***,也可启动两个子***并行运行;
d,当两个子***都能得出初步诊断结果时,如果两个结果相同,则为***的最终诊断结果,如果两个结果不相同,则需要利用专家经验来进行综合决策以给出最终结果;
e,当其中一个子***诊断成功,而另一个子***诊断失败的话,则根据前者的诊断结果,指导后者进行学习;
f,当两个子***均未给出诊断结果,则***诊断失败。
2、根据权利要求1所述的一种基于模糊语义网络的发动机综合故障诊断方法,其特征在于所述的建立基于案例推理子***的诊断步骤为:
a,数据采集模块对传感器检测到的信号分析处理,传输给嵌入式平台的征兆获取子模块,同数据库中的参数门限进行比较,提取出偏离或超差的参数,构成发动机故障征兆信息,同时结合人工输入的征兆信息,按照案例表示的方法生成故障征兆向量,提交给案例推理子模块;
b,案例推理子模块首先根据故障征兆向量中的确定性征兆,从案例库中索引出与当前故障属于同一类的故障案例,然后对索引出的案例进行基于灰色关联分析法的相似度匹配计算,如果获得相似度满足一定阈值的案例,则结合这些案例的故障发生次数、维修难度等因素进行模糊综合评判后选择最合适的案例进行案例重用与修正,将案例提供的解决方案提交给用户,最后根据用户的反馈信息把案例提交给案例维护模块进行学习,并保存到故障案例库;如果案例推理诊断失败,则把故障征兆向量提交给引导式交互推理诊断子***。
3、根据权利要求1或2所述的一种基于模糊语义网络的发动机综合故障诊断方法,其特征在于所述的案例库包括故障案例基本信息表、故障案例种类表、故障案例不确定性征兆值表。
4、根据权利要求1所述的一种基于模糊语义网络的发动机综合故障诊断方法,其特征在于所述的引导式交互推理子***的诊断步骤为:
a,当***检测到故障征兆后,同时结合人工输入的故障信息,以发动机故障知识库为基础进行模糊搜索推理,***提示用户需要进行的检测操作及其操作方法,用户完成检测后,向***输入所得到的检测结果,供***分析后提出进一步的处置建议;***根据与用户交互得到的若干反馈信息不断分析,确定最终故障件;定位故障件之后,***将自动提出合理的排故方法建议;
b,利用超级链接与数据库内的“维护手册”模块交联,直接查看相应的维护、维修步骤及其具体操作方法,通过“建议——问答”的交互方式,可为维护人员提供智能化的故障诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100189309A CN101666711B (zh) | 2009-09-16 | 2009-09-16 | 一种基于模糊语义网络的发动机综合故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100189309A CN101666711B (zh) | 2009-09-16 | 2009-09-16 | 一种基于模糊语义网络的发动机综合故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101666711A true CN101666711A (zh) | 2010-03-10 |
CN101666711B CN101666711B (zh) | 2011-06-15 |
Family
ID=41803425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100189309A Expired - Fee Related CN101666711B (zh) | 2009-09-16 | 2009-09-16 | 一种基于模糊语义网络的发动机综合故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101666711B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306244A (zh) * | 2011-07-29 | 2012-01-04 | 北京航星机器制造公司 | 一种基于检测点评估的排故方法 |
CN102456172A (zh) * | 2010-10-19 | 2012-05-16 | 陈亿龙 | 智慧型汽车维修及管理方法 |
CN102937798A (zh) * | 2012-11-30 | 2013-02-20 | 重庆大学 | 一种人机结合的数控机床故障信息采集方法 |
CN104599193A (zh) * | 2015-01-16 | 2015-05-06 | 国家电网公司 | 一种基于规则库的配电网单相接地故障定位方法 |
CN104807650A (zh) * | 2015-05-15 | 2015-07-29 | 山东大学 | 适用于大功率发动机的综合性能智能分析***及方法 |
CN104899789A (zh) * | 2014-03-03 | 2015-09-09 | 无锡华润上华科技有限公司 | 产品生产异常处理的方法 |
CN105626271A (zh) * | 2015-12-29 | 2016-06-01 | 中国航空工业集团公司沈阳发动机设计研究所 | 一种航空发动机控制***组合故障逻辑处理方法 |
CN106959681A (zh) * | 2016-01-12 | 2017-07-18 | 武汉科技大学 | 一种基于fhn的城轨列车门故障诊断方法 |
CN108108280A (zh) * | 2016-11-25 | 2018-06-01 | 东讯股份有限公司 | 电子设备的互动式警告方法与警告*** |
CN108255964A (zh) * | 2017-12-23 | 2018-07-06 | 武汉益模科技股份有限公司 | 一种工艺流程路线的展示方法 |
CN108875240A (zh) * | 2018-06-29 | 2018-11-23 | 潍柴动力股份有限公司 | 一种发动机故障诊断方法、装置及一种电子设备 |
CN109358595A (zh) * | 2018-09-30 | 2019-02-19 | 南方电网科学研究院有限责任公司 | 一种it运维风险预警方法及相关装置 |
CN111611279A (zh) * | 2020-04-24 | 2020-09-01 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断***及方法 |
CN112345276A (zh) * | 2020-11-10 | 2021-02-09 | 北京交通大学 | 一种中速磁浮列车关键部件的状态评估和预测*** |
CN114004094A (zh) * | 2021-11-03 | 2022-02-01 | 中国科学院自动化研究所 | 发动机气路故障诊断专家***构建方法、***及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008226157A (ja) * | 2007-03-15 | 2008-09-25 | Ricoh Co Ltd | ワークフロー管理システム |
US9031947B2 (en) * | 2007-03-27 | 2015-05-12 | Invention Machine Corporation | System and method for model element identification |
-
2009
- 2009-09-16 CN CN2009100189309A patent/CN101666711B/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456172A (zh) * | 2010-10-19 | 2012-05-16 | 陈亿龙 | 智慧型汽车维修及管理方法 |
CN102306244A (zh) * | 2011-07-29 | 2012-01-04 | 北京航星机器制造公司 | 一种基于检测点评估的排故方法 |
CN102937798A (zh) * | 2012-11-30 | 2013-02-20 | 重庆大学 | 一种人机结合的数控机床故障信息采集方法 |
CN102937798B (zh) * | 2012-11-30 | 2015-02-18 | 重庆大学 | 一种人机结合的数控机床故障信息采集方法 |
CN104899789A (zh) * | 2014-03-03 | 2015-09-09 | 无锡华润上华科技有限公司 | 产品生产异常处理的方法 |
CN104599193A (zh) * | 2015-01-16 | 2015-05-06 | 国家电网公司 | 一种基于规则库的配电网单相接地故障定位方法 |
CN104807650A (zh) * | 2015-05-15 | 2015-07-29 | 山东大学 | 适用于大功率发动机的综合性能智能分析***及方法 |
CN105626271A (zh) * | 2015-12-29 | 2016-06-01 | 中国航空工业集团公司沈阳发动机设计研究所 | 一种航空发动机控制***组合故障逻辑处理方法 |
CN106959681A (zh) * | 2016-01-12 | 2017-07-18 | 武汉科技大学 | 一种基于fhn的城轨列车门故障诊断方法 |
CN108108280A (zh) * | 2016-11-25 | 2018-06-01 | 东讯股份有限公司 | 电子设备的互动式警告方法与警告*** |
CN108255964A (zh) * | 2017-12-23 | 2018-07-06 | 武汉益模科技股份有限公司 | 一种工艺流程路线的展示方法 |
CN108255964B (zh) * | 2017-12-23 | 2021-12-17 | 武汉益模科技股份有限公司 | 一种工艺流程路线的展示方法 |
CN108875240A (zh) * | 2018-06-29 | 2018-11-23 | 潍柴动力股份有限公司 | 一种发动机故障诊断方法、装置及一种电子设备 |
CN109358595A (zh) * | 2018-09-30 | 2019-02-19 | 南方电网科学研究院有限责任公司 | 一种it运维风险预警方法及相关装置 |
CN111611279A (zh) * | 2020-04-24 | 2020-09-01 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断***及方法 |
CN111611279B (zh) * | 2020-04-24 | 2023-09-12 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断***及方法 |
CN112345276A (zh) * | 2020-11-10 | 2021-02-09 | 北京交通大学 | 一种中速磁浮列车关键部件的状态评估和预测*** |
CN112345276B (zh) * | 2020-11-10 | 2022-03-15 | 北京交通大学 | 一种中速磁浮列车关键部件的状态评估和预测*** |
CN114004094A (zh) * | 2021-11-03 | 2022-02-01 | 中国科学院自动化研究所 | 发动机气路故障诊断专家***构建方法、***及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN101666711B (zh) | 2011-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101666711B (zh) | 一种基于模糊语义网络的发动机综合故障诊断方法 | |
CN112200433B (zh) | 一种发电厂热力性能分析与优化*** | |
CN102765643A (zh) | 基于数据驱动的电梯故障诊断与预警方法 | |
CN103902731A (zh) | 一种基于知识库查询的智能化信息检修方法 | |
CN105044499A (zh) | 一种电力***设备变压器状态的检测方法 | |
CN110399986B (zh) | 一种泵站机组故障诊断***的生成方法 | |
Djatkov et al. | Method for assessing and improving the efficiency of agricultural biogas plants based on fuzzy logic and expert systems | |
CN104808634A (zh) | 一种基于虚拟现实的火电厂可视化管理*** | |
CN203083829U (zh) | 基于简易工况法尾气排放检测的汽车故障诊断*** | |
CN112016806A (zh) | 发电站设备状态检修方法、***、介质及装置 | |
CN115822887A (zh) | 风电机组的性能评估与能效诊断方法及*** | |
CN111651933A (zh) | 基于统计推断的工业锅炉故障预警方法及*** | |
CN110992204A (zh) | 基于大数据技术的应急柴油发电机组可靠性评价方法及*** | |
CN114688926B (zh) | 一种运载火箭健康检测验证评估***和方法 | |
CN110617981A (zh) | 一种调相机故障诊断方法 | |
CN109469919A (zh) | 一种基于权重聚类的电站空预器堵灰监测方法 | |
CN117521498A (zh) | 一种充电桩引导式故障诊断预测方法及*** | |
CN115879638B (zh) | 一种油田接转站***碳排放预测方法 | |
CN112783480B (zh) | 基于Web界面厂级监控信息***的智能监盘实现方法 | |
Kyriazis et al. | Gas turbine fault identification by fusing vibration trending and gas path analysis | |
CN100366876C (zh) | 燃气-蒸汽联合循环发电站运行效率在线解析方法和*** | |
CN113721002A (zh) | 一种基于硬投票集成学习的变压器故障诊断的方法 | |
CN114066163A (zh) | 一种基于三层架构模式的电力设备状态分析方法及装置 | |
CN115598459A (zh) | 一种配电网10kV馈线故障停电预测方法 | |
Silva et al. | LCCSS: A similarity metric for identifying similar test code |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110615 Termination date: 20120916 |