RU2742740C1 - Способ исследования функционального поведения компонента технической установки, компьютерная программа и машиночитаемый носитель информации - Google Patents
Способ исследования функционального поведения компонента технической установки, компьютерная программа и машиночитаемый носитель информации Download PDFInfo
- Publication number
- RU2742740C1 RU2742740C1 RU2020112162A RU2020112162A RU2742740C1 RU 2742740 C1 RU2742740 C1 RU 2742740C1 RU 2020112162 A RU2020112162 A RU 2020112162A RU 2020112162 A RU2020112162 A RU 2020112162A RU 2742740 C1 RU2742740 C1 RU 2742740C1
- Authority
- RU
- Russia
- Prior art keywords
- component
- signal
- comparative
- reference signal
- variable
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000009434 installation Methods 0.000 title claims abstract description 24
- 238000004590 computer program Methods 0.000 title description 6
- 230000000052 comparative effect Effects 0.000 claims abstract description 90
- 238000011835 investigation Methods 0.000 claims description 9
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 7
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 claims description 3
- 238000000528 statistical test Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 17
- 238000005315 distribution function Methods 0.000 description 11
- 230000036962 time dependent Effects 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0072—On-board train data handling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0081—On-board diagnosis or maintenance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0075—Means for protecting the manipulator from its environment or vice versa
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/40—Handling position reports or trackside vehicle data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/53—Trackside diagnosis or maintenance, e.g. software upgrades for trackside elements or systems, e.g. trackside supervision of trackside control system conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
-
- 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
- G01M17/08—Railway vehicles
- G01M17/10—Suspensions, axles or wheels
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0237—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/16—Error detection or correction of the data by redundancy in hardware
- G06F11/1608—Error detection by comparing the output signals of redundant hardware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Robotics (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
Группа изобретений относится к области контроля и может быть использована для исследования функционального поведения компонента технической установки. Техническим результатом является повышение точности определения. Способ содержит этапы, на которых сравнивают сигнал исследуемого компонента, представляющий функциональное поведение исследуемого компонента, с опорным сигналом, описывающим усредненное функциональное поведение идентичных компонентов, при этом при сравнении определяют сравнительную переменную, описывающую отклонение сигнала от опорного сигнала, и определяют вероятность появления сравнительной переменной с использованием определяемого распределения множества таких сравнительных переменных, при этом сравнительная переменная представляет собой максимальное накопленное отклонение между сигналом исследуемого компонента и опорным сигналом. 2 н. и 10 з.п. ф-лы, 3 ил.
Description
Область техники, к которой относится изобретение
Изобретение относится к способу исследования функционального поведения компонента технической установки.
Уровень техники
Известно, что компоненты, представляющие собой тип компонентов, которые демонстрируют необычное или ненормальное поведение, могут быть обнаружены или идентифицированы как нефункциональные. Например, текущее значение рабочего параметра исследуемого компонента, сравнивается с фиксированным пороговым значением. Например, если значение рабочего параметра проверяемого компонента превышает фиксированное пороговое значение, обнаруживается, что компонент, подлежащий проверке, отображает ненормальное поведение. Определение того, какое пороговое значение использовать, является сложным и подвержено большой неопределенности. Часто пороговые значения определяются на основе экспериментальных значений или выбираются произвольным образом. Внешние факторы, такие как условия окружающей среды (например, температура окружающего воздуха, влажность и т.д.) и/или факторы, зависящие от установки (например, время эксплуатации установки, рабочие температуры окружающих компонентов и т.д.), по возможности игнорируются.
Так, например, в документах DE 199 61 631 А1, DE 37 34 487 А1, DE 197 32 046 А1 и EP 1 542 108 А1 описаны различные способы контроля компонента технической установки, в каждом из которых сигнал, представляющий функциональное поведение исследуемого компонента, сравнивается с заданным опорным сигналом.
Раскрытие сущности изобретения
Задача изобретения состоит в том, чтобы точно определить улучшенный более точный способ исследования функционального поведения компонента технической установки.
Эта задача решена с помощью способа исследования функционального поведения компонента технической установки, в котором согласно изобретению сигнал компонента, который представляет функциональное поведение компонента, сравнивается с опорным сигналом, который описывает усредненное функциональное поведение идентичных компонентов. Согласно изобретению при сравнении определяется сравнительная переменная, описывающая отклонение сигнала от опорного сигнала. Это означает, что сравнительная переменная предпочтительно описывает отклонение сигнала исследуемого компонента от опорного сигнала. Кроме того, вероятность появления сравнительной переменной определяется с использованием определяемого распределения множества таких сравнительных переменных.
Функциональное поведение преимущественно оценивается на основе вероятности появления сравнительной переменной. Вероятность появления сравнительной переменной является предпочтительно мерой функционального поведения исследуемого компонента, в частности, мерой того, ведет ли себя нормально исследуемый компонент, в частности, является ли исследуемый компонент полностью функциональным.
Вероятность появления сравнительной переменной преимущественно зависит от множества таких сравнительных переменных, на основе которых, в частности, определяется определяемое распределение. Множество таких сравнительных переменных может обновляться, в частности, периодически. Таким образом, функциональное поведение исследуемого компонента можно проверить и/или оценить с использованием динамического критерия, а именно вероятности появления.
Еще одним преимуществом способа согласно изобретению является его высокая чувствительность. Это означает, что даже небольшие отклонения сигнала исследуемого компонента можно обнаружить из опорного сигнала.
Сигнал от исследуемого компонента сигнала может быть необработанным сигналом. Кроме того, сигнал от исследуемого компонента может быть сигналом, который получается в ходе последующей обработки. В частности, сигнал исследуемого компонента может быть отфильтрован и/или сглажен. Кроме того, сигнал исследуемого компонента может представлять собой значение, усредненное по множеству сигналов, и/или свертку множества сигналов.
В предпочтительном варианте осуществления изобретения сравнительная переменная представляет собой максимальное накопленное отклонение между сигналом исследуемого компонента и опорным сигналом.
Сигнал от проверяемого компонента может содержать множество значений рабочих параметров, в частности, зависящих от времени. Кроме того, опорный сигнал может содержать множество контрольных значений, в частности, зависящих от времени.
Сигнал проверяемых компонентов и/или опорный сигнал могут быть сглажены. Кроме того, сигнал исследуемого компонента и/или опорный сигнал могут быть нормированы. В частности, могут быть нормированы значения рабочих параметров сигнала, или для краткости значения рабочих параметров, и/или контрольные значения опорного сигнала, для краткости контрольные значения.
Было бы преимущественным, если бы значения рабочих параметров накапливались с течением времени. Кроме того, было бы предпочтительным, если бы контрольные значения накапливались с течением времени. Предпочтительно отклонение, а также накопленное отклонение, между накопленными значениями рабочих параметров и накопленными контрольными значениями вычисляются как функция времени.
Преимущественно в качестве сравнительного значения определяется максимальное накопленное отклонение, а также максимальное накопленное расстояние между накопленными значениями рабочих параметров и накопленными контрольными значениями. Максимальное накопленное отклонение преимущественно соответствует максимуму вышеупомянутого отклонения между накопленными значениями рабочих параметров и накопленными контрольными значениями.
Рабочим параметром может быть, например, температура, параметр вибрации, громкость, напряжение, электрический ток, потребляемая/преобразованная мощность, частота вращения или т.п. Кроме того, рабочим параметром может быть параметр, который может быть определен из множества параметров.
Преимущественно значения рабочих параметров и/или контрольные значения зависят от времени. Таким образом, сигнал от исследуемого компонента и/или опорный сигнал может зависеть от времени.
Например, значения рабочих параметров и/или контрольные значения могут быть определены или были определены непосредственно как функция времени. Кроме того, значения рабочих параметров и/или контрольные значения могут быть определены косвенно как функция времени, например, как функция времени эксплуатации, которая, в свою очередь, зависит от времени.
Кроме того, значения рабочих параметров и/или контрольные значения могут накапливаться непосредственно с течением времени. Кроме того, значения рабочих параметров и/или контрольные значения могут накапливаться косвенным образом в зависимости от времени, например, за время эксплуатации.
Предпочтительно сравнительная переменная определяется с использованием статистического теста, в частности, так называемого теста Колмогорова-Смирнова.
Кроме того, в частности, альтернативно сравнительная переменная может представлять собой максимальное евклидово расстояние между сигналом исследуемого компонента и опорным сигналом.
Преимущественно для того, чтобы определить максимальное евклидово расстояние, значения рабочих параметров сравниваются с контрольными значениями. Максимальное евклидово расстояние предпочтительно представляет собой максимальное отклонение между значением рабочего параметра в любой заданный момент времени и контрольным значением в тот же момент времени.
Кроме того, сравнительная переменная может быть нормирована с использованием времени, одного или многочисленных контрольных значений, константы и/или другого значения.
Опорный сигнал, в частности, контрольные значения, можно смоделировать. Кроме того, опорный сигнал, в частности, контрольные значения, можно оценить, используя гипотетическую функцию плотности вероятности.
В предпочтительной конфигурации изобретения опорный сигнал определяется опытным путем. Это означает, что если контрольные значения определяются эмпирически.
Сигнал исследуемого компонента преимущественно описывает функциональное поведение компонента в течение определенного временного интервала. Кроме того, опорный сигнал предпочтительно описывает усредненное функциональное поведение идентичных компонентов за один и тот же период времени.
Таким образом, внешние, в частности, зависящие от времени, воздействия, такие как факторы окружающей среды, можно принимать во внимание таким же образом как для сигнала исследуемого компонента, так и для опорного сигнала. Другими словами, таким способом можно выполнить нормирование внешних воздействий.
В принципе, опорный сигнал также может описывать усредненное функциональное поведение идентичных компонентов в другом временном интервале, например, в предыдущем временном интервале.
Под идентичными компонентами можно понимать компоненты, которые относятся к тому же типу, что и проверяемый компонент. Опорный сигнал предпочтительно описывает усредненное функциональное поведение множества компонентов, которые совпадают с исследуемым компонентом.
Кроме того, преимущественно, если опорный сигнал является усредненным по многочисленным сигналам множества идентичных компонентов одной и той же технической установки.
Каждый из многочисленных сигналов многочисленных идентичных компонентов может содержать многочисленные значения сигналов. В частности, соответствующее контрольное значение может быть средним значением из множества значений сигнала (в частности, из многочисленных сигналов) в заданный момент времени. В частности, соответствующее контрольное значение может быть средним значением, например, средним арифметическим, медианой или модальным значением из многочисленных значений сигнала в данный момент времени. Это означает, что при усреднении среднее значение многочисленных значений сигнала вычисляется, в частности, в конкретный момент времени. Кроме того, соответствующее контрольное значение можно определить с использованием (другого) параметра местоположения, например, используя квантиль из многочисленных значений сигнала, в конкретный момент времени.
При усреднении многочисленных сигналов множества идентичных компонентов может быть выполнено взвешивание сигналов.
Если опорный сигнал представляет собой усредненный сигнал, полученный из многочисленных сигналов многочисленных идентичных компонентов одной и той же технической установки, то внешние факторы, в частности, факторы, зависящие от системы, такие как факторы времени эксплуатации установки, факторы технического обслуживания, осуществляемого по отношению к установке или т.п., могут быть приняты во внимание таким же образом, как для сигнала исследуемого компонента и опорного сигнала. Другими словами, таким способом можно выполнить нормирование внешних воздействий. Это исключает необходимость моделирования внешних факторов.
В принципе, опорный сигнал может также иметь среднее значение по множеству сигналов множества идентичных компонентов по меньшей мере одной другой технической установки.
Идентичный компонент может быть другим компонентом того же типа, в частности, одной и той же технической установки. Предпочтительно компоненты одного и того же типа компонентов идентичны по структуре.
Кроме того, идентичный компонент может быть реагирующим идентичным образом компонентом другого типа, в частности, одной и той же технической установки. Фраза «реагирующий идентичным образом» может означать одинаковую реакцию на внешние факторы. Реагирующий идентичным образом компонент преимущественно реагирует на внешние воздействия аналогичным или идентичным образом как исследуемый компонент. В частности, реагирующий идентичным образом компонент может реагировать таким же образом, как и исследуемый компонент, на время эксплуатации установки, на техническое обслуживание установки, на факторы окружающей среды (такие как температура окружающего воздуха) и т.д.
Преимущественно предельное значение определяется для вероятности появления сравнительной переменной, короче говоря, для вероятности появления. Предельное значение может указывать вероятность появления, выше которой поведение исследуемого компонента считается нормальным или должно определяться как нормальное. Предельное значение может составлять, например, 5% (то есть 0,05), 1% (то есть 0,01), 0,5% (то есть 0,005) или 0,1% (то есть 0,001).
Если вероятность появления сравнительной переменной превышает заданное предельное значение, обнаруживается нормальное поведение исследуемого компонента. Нормальное поведение может быть ожидаемым поведением.
Это означает, что в (точно определяемом) распределении множества таких сравнительных переменных, в частности, использующих предельное значение, может быть точно определен диапазон для ожидаемого поведения или для нормального поведения, в котором обнаружено преимущественно нормальное поведение исследуемого компонента.
Если вероятность появления сравнительной переменной меньше заданного предельного значения, предпочтительно обнаруживается ненормальное поведение исследуемого компонента. Ненормальное поведение может быть неожиданным поведением. Например, компонент с ненормальным поведением может быть не полностью функциональным и/или считаться не полностью функциональным.
Вероятность появления сравнительной переменной определяется с использованием точно определяемого распределения множества таких сравнительных переменных.
Предпочтительно множество таких сравнительных переменных уже существует. Например, может быть задано распределение множества таких сравнительных переменных. Кроме того, точно определяемое распределение множества таких сравнительных переменных может быть определено на основе множества таких сравнительных переменных.
Кроме того, можно определить множество таких сравнительных переменных.
В частности, множество таких сравнительных переменных определяется, например, путем предоставления возможности определения соответствующей сравнительной переменной для множества компонентов и/или для многочисленных временных интервалов таким же образом, как описано ранее. На основе определенных сравнительных переменных можно определить распределение (из множества таких сравнительных переменных).
Вероятность появления преимущественно зависит от заданного распределения множества таких сравнительных переменных. Таким образом, вероятность появления зависит от множества таких сравнительных переменных. Преимущественно, чем больше будет этих сравнительных переменных, которые подлежат определению или были определены, тем более стабильным будет способ. Кроме того, множество таких сравнительных переменных может (по меньшей мере, частично) обновляться. В частности, при обновлении дополнительные сравнительные переменные могут быть включены в набор из множества таких сравнительных переменных. В результате обновления множества таких сравнительных переменных может быть обновлено распределение множества сравнительных переменных. Таким образом, способ может быть самообучающимся.
Преимущественно заданное распределение множества таких сравнительных переменных предпочтительно определяется для многочисленных временных интервалов путем сравнения сигнала соответствующего временного интервала, представляющего функциональное поведение по меньшей мере одного идентичного компонента, с соответствующим опорным сигналом, который предпочтительно описывает усредненное функциональное поведение идентичных компонентов в пределах одного и того же соответствующего временного интервала. Например, для многочисленных временных интервалов сигнал соответствующего временного интервала, представляющего функциональное поведение исследуемого компонента, может сравниваться с соответствующим опорным сигналом, который предпочтительно описывает усредненное функциональное поведение идентичных компонентов в одном и том же соответствующем временном интервале.
При каждом сравнении, в частности, чтобы определить распределение множества таких сравнительных переменных, в каждом конкретном случае предпочтительно определяется сравнительная переменная, описывающая отклонение сигнала от опорного сигнала. На основе многочисленных сравнительных переменных можно определить распределение множества таких сравнительных переменных.
Кроме того, было бы целесообразно, если бы заданное распределение множества таких сравнительных переменных определялось, для многочисленных компонентов одного типа, в частности, одной и той же технической установки и/или по меньшей мере другой технической установки того же типа установки, с помощью сигнала соответствующего компонента, представляющего функциональное поведение соответствующего компонента, сравниваемого с опорным сигналом, который преимущественно описывает усредненное функциональное поведение идентичных компонентов, в частности, соответствующей установки. В ходе каждого сравнения, в частности, чтобы определить распределение множества таких сравнительных переменных, в каждом конкретном случае предпочтительно определяется сравнительная переменная, описывающая отклонение сигнала от опорного сигнала. На основе множества сравнительных переменных можно определить распределение множества таких сравнительных переменных.
Кроме того, изобретение направлено на компьютерную программу, имеющую команды, которые при исполнении компьютерной программы на компьютере предписывают упомянутому компьютеру выполнять вышеупомянутый способ и/или один из его усовершенствованных вариантов.
Кроме того, изобретение предусматривает машиночитаемый носитель информации, имеющий команды, которые при исполнении компьютерной программы на компьютере предписывают упомянутому компьютеру выполнять вышеупомянутый способ и/или один из его усовершенствованных вариантов.
Приведенное выше описание предпочтительных вариантов осуществления настоящего изобретения содержит многочисленные признаки, некоторые из которых объединены в отдельных зависимых пунктах формулы изобретения. Однако эти признаки могут быть также преимущественно рассмотрены по отдельности и объединены для того, чтобы сформировать другие значимые комбинации. В частности, эти признаки можно объединить по отдельности и в любой подходящей комбинации со способом согласно изобретению, компьютерной программой согласно изобретению и машиночитаемым носителем информации. Таким образом, признаки способа также следует рассматривать как свойства, которые относятся к предмету изобретения соответствующей компьютерной программы и/или соответствующего машиночитаемого носителя информации и наоборот.
Даже если в описании или в формуле изобретения некоторые термины используются в единственном числе или в сочетании с числительным, объем изобретения для этих терминов не должен быть ограничен единственным числом или соответствующим числительным.
Свойства, признаки и преимущества настоящего изобретения и способ, которым они достигаются, станут более ясными и более понятными в связи с последующим описанием примерного варианта осуществления, который более подробно поясняется со ссылкой на чертежи. Примерный вариант осуществления служит для пояснения изобретения и не ограничивает изобретение комбинацией признаков, точно определенных в нем, которое включает в себя функциональные признаки. Кроме того, соответствующие признаки любого примерного варианта осуществления также могут быть в явном виде рассмотрены по отдельности или отдельно от любого примерного варианта осуществления, включены в другой примерный вариант осуществления для дополнения его положений и объединены с любым из пунктов формулы изобретения.
Краткое описание чертежей
На фиг. 1 изображен график, показывающий сигнал исследуемого компонента, представляющего функциональное поведение компонента, и опорный сигнал, который описывает усредненное функциональное поведение идентичных компонентов,
на фиг. 2 показан второй график для определения сравнительной переменной, который описывает отклонение сигнала исследуемого компонента (фиг. 1) от опорного сигнала (фиг. 1), и
на фиг. 3 показан третий график для определения вероятности появления сравнительной переменной (фиг. 2) с использованием заданного распределения множества таких переменных распределения.
Осуществление изобретения
На фиг. 1 показана схема 2 с сигналом 4 исследуемого компонента, представляющая функциональное поведение компонента. График дополнительно содержит опорный сигнал 6, который описывает усредненное функциональное поведение идентичных компонентов.
По оси x 8 графика 2 отложено время t. По оси y 10 графика 2 отложен рабочий параметр.
В этом примере исследуемым компонентом является подшипник колесной пары рельсового транспортного средства. Идентичными компонентами являются другие подшипники колесных пар того же самого рельсового транспортного средства, в частности, все другие подшипники колесных пар того же самого рельсового транспортного средства. Каждый подшипник колесной пары содержит датчик, который обнаруживает значения рабочего параметра. Рабочий параметр чувствителен к повреждению подшипника колесной пары.
В этом примере рабочим параметром является температура соответствующего компонента, в данном случае соответствующего подшипника колесной пары.
Датчики определяют квазипостоянные значения рабочего параметра, для краткости значения рабочих параметров, в этом примере с частотой f = 1 мин+1.
Каждый подшипник колесной пары может также содержать множество датчиков, сигналы которых затем усредняются для формирования сигнала соответствующего компонента. Кроме того, значения рабочих параметров могут быть сглажены.
Для каждого подшипника Ri колесной пары при i = l, 2, ... N каждый сигнал содержит значения рабочих параметров XRi(t) в зависимости от времени t.
В этом примере компонент R1 (то есть i = 1) является исследуемым компонентом. Сигнал 4 исследуемого компонента содержит рабочие параметры XRi при i = 1.
Опорный сигнал 6 рассчитывается путем вычисления ожидаемой кривой всех других подшипников Rj колесной пары при j ≠ i. Для этого определяется среднее значение, в данном случае среднее арифметическое значение, рабочих параметров xRj подшипников колесной пары Rj при j ≠ i:
при j ≠ i, в данном случае j = 2… N
В принципе, среднее значение также может быть медианой, модальным значением или квантилем.
В принципе, возможно, что статистические и/или систематические флуктуации по меньшей мере одного сигнала могут быть разрешены для использования поправочного коэффициента для флуктуирующего сигнала. Для большей ясности поправочные коэффициенты не вводятся здесь.
В качестве примера сигнала 4 исследуемого компонента на фиг. 1 показано в виде сплошной линии изменение температуры испытываемого подшипника колесной пары (Ri при i = 1) в зависимости от времени в пределах заданного временного интервала. Кроме того, в качестве опорного сигнала 6 на фиг. 1 показано в виде пунктирной линии изменение температуры в зависимости от времени всех остальных подшипников колесной пары (Rj при j = 2 ... N) одного и того же рельсового транспортного средства в пределах одного и того же временного интервала.
Сигнал 4 исследуемого компонента сравнивается с опорным сигналом 6.
В ходе сравнения определяется сравнительная переменная 14, описывающая отклонение сигнала 4 от опорного сигнала 6.
На фиг. 2 показан график 12, который служит для определения сравнительной переменной 14, при этом сравнительная переменная 14 описывает отклонение сигнала 4 исследуемого компонента от опорного сигнала 6. Сигнал 4 исследуемого компонента и опорного сигнала 6 аналогичны сигналам 4 и 6, показанным на фиг. 1. В отношении характеристик сигнала 4 исследуемого компонента и опорного сигнала 6 делается ссылка на фиг. 1.
На фиг. 2 поясняется пример вычисления сравнительной переменной 14. На фиг. 2 не показан, в частности, расчет сравнительной переменной для значений рабочих параметров XRi(t), показанных на фиг. 1, для сигнала 4 исследуемого компонента и для контрольных значений XRi(t) опорного сигнала 6, показанного на фиг. 1.
На фиг. 2 время t отложено по оси x 16 графика 12. По оси y 18 графика 12 отложен накопленный рабочий параметр. В этом примере накопленная температура отложена по оси y 18 графика 12.
Для определения сравнительной переменной 14 значения рабочих параметров XRi(t) накапливаются с течением времени. Накопленные рабочие значения XRi показаны на графике сплошной линией 20.
Кроме того, контрольные значения накапливаются с течением времени. Накопленные контрольные значения показаны на графике 12 пунктирной линией 22.
Максимальное накопленное отклонение di, а также максимальное накопленное расстояние di между накопленными рабочими значениями XRi и накопленными контрольными значениями определяются как сравнительная переменная. Максимальное накопленное отклонение di определяется с использованием так называемой тестовой статистики Колмогорова-Смирнова. Максимальное накопленное отклонение di нормируется по количеству измеренных значений N в соответствующем временном интервале, где в данном случае, например, Сравнительная переменная 14, в данном случае максимальное накопленное отклонение di, рассчитывается следующим образом:
Сравнительная переменная 14, в данном случае максимальное накопленное отклонение di, обозначена на фиг. 2 стрелкой 14.
На фиг. 3 показана схема 24 для определения вероятности появления сравнительной переменной (фиг. 2). График 24 содержит заданное распределение 30 множества таких сравнительных переменных.
По оси x 26 графика 24 отложена сравнительная переменная 14, в данном случае максимальное накопленное отклонение di. По оси у 28 графика 24 отложена частота.
Способ, описанный со ссылкой на фиг. 2 и 3, уже был реализован для множества компонентов в качестве исследуемого компонент и в каждом случае для многочисленных рельсовых транспортных средств и для многочисленных временных интервалов. Таким образом, было определено множество таких сравнительных переменных. На основе этих определенных сравнительных переменных определяется распределение 30 множества этих сравнительных переменных.
Распределение 30 множества таких переменных распределения определяется путем получения частот этих определенных переменных распределения. Таким образом, можно определить эмпирическое распределение частот. Эмпирическое распределение частот показано на графике 24 на фиг. 3 в виде гистограммы 32.
Кроме того, в этом примере, чтобы определить распределение 30 множества таких сравнительных переменных, функция распределения данного типа распределения определяется как параметризованная функция распределения. Функция распределения может быть функцией плотности распределения или кумулятивной функцией распределения. В этом примере, например, задана функция плотности распределения. Например, заданным типом распределения может быть логарифмическое нормальное распределение или экспоненциальная функция. Параметры параметризованной функции распределения подбираются (с использованием известных способов) таким образом, чтобы определить модифицированную функцию распределения. Модифицированная функция распределения показана на графике 24 (фиг. 3) сплошной линией 34.
Модифицированная функция распределения используется для вычисления кумулятивной функции распределения. Кумулятивная функция распределения показана на графике 24 (фиг. 3) пунктирной линией 36.
Вероятность появления сравнительной переменной di при i = 1, для краткости d1, определяется для исследуемого компонента R1 с использованием заданного распределения 30 множества таких сравнительных переменных.
Далее, вероятность появления представляет собой непосредственно меру того, насколько аномальным является наблюдаемый профиль температуры подшипника Ri колесной пары, который необходимо исследовать, в данном случае R1.
Для вероятности появления задается предельное значение G. В частности, предельное значение G задается перед расчетом вероятности появления. Предельное значение G может составлять, например, 1% (0,01), 0,5% (0,005) или 0,1% (0,001).
Если вероятность появления сравнительной переменной d1 больше заданного предельного значения G, обнаруживается нормальное поведение исследуемого компонента.
Если вероятность появления сравнительной переменной d1 меньше заданного предельного значения G, обнаруживается ненормальное поведение исследуемого компонента.
Если вероятность появления сравнительной переменной d1 падает ниже предельного значения G, например, в данном случае, например, 0,005, вырабатывается сигнал тревоги, который может быть отправлен, например, в систему планирования технического обслуживания и/или управления техническим обслуживанием. Кроме того, сигнал тревоги может вырабатываться в случае, когда вероятность появления сравнительной переменной d1 падает ниже предельного значения G несколько раз в течение заданного временного интервала.
Хотя изобретение было проиллюстрировано и описано более подробно с помощью предпочтительных примерных вариантов осуществления, изобретение не ограничено раскрытыми примерами, и специалист в данной области может получить другие варианты, не отступая от объема защиты изобретения.
Claims (27)
1. Способ исследования функционального поведения компонента технической установки, содержащий этапы, на которых:
сравнивают сигнал (4) исследуемого компонента, представляющий функциональное поведение исследуемого компонента, с опорным сигналом (6), описывающим усредненное функциональное поведение идентичных компонентов, при этом при сравнении
определяют сравнительную переменную (14), описывающую отклонение сигнала (4) от опорного сигнала (6), и
определяют вероятность появления сравнительной переменной (14) с использованием определяемого распределения (30) множества таких сравнительных переменных (14), при этом
сравнительная переменная (14) представляет собой максимальное накопленное отклонение (d1) между сигналом (4) исследуемого компонента и опорным сигналом (6).
2. Способ по п. 1, в котором
3. Способ по п. 1 или 2, в котором определяют сравнительную переменную (14) с использованием статистического теста, в частности теста Колмогорова-Смирнова.
4. Способ по п. 1, в котором сравнительная переменная (14) представляет собой максимальное евклидово расстояние между сигналом (4) исследуемого компонента и опорным сигналом (6).
5. Способ по любому из пп. 1-4, в котором:
сигнал (4) исследуемого компонента описывает функциональное поведение компонента в течение заданного временного интервала, а
опорный сигнал (6) описывает усредненное функциональное поведение идентичных компонентов в одном и том же временном интервале.
6. Способ по любому из пп. 1-5, в котором опорный сигнал (6) является усредненным по множеству сигналов множества идентичных компонентов одной и той же технической установки.
7. Способ по любому из пп. 1-6, в котором идентичный компонент представляет собой другой компонент того же типа, в частности, одной и той же технической установки.
8. Способ по любому из пп. 1-7, в котором идентичный компонент представляет собой компонент другого типа, в частности, одной и той же технической установки, реагирующий таким же образом, в частности, на внешние воздействия.
9. Способ по любому из пп. 1-8, в котором если вероятность появления сравнительной переменной (14) ниже заданного предельного значения (G), обнаруживается ненормальное поведение исследуемого компонента.
10. Способ по любому из пп. 1-9, в котором:
распределение (30) множества таких сравнительных переменных (14) определяется, для множества временных интервалов, посредством сигнала (4) соответствующего временного интервала, представляющего функциональное поведение по меньшей мере одного идентичного компонента, сравниваемого с соответствующим опорным сигналом (6), описывающим усредненное функциональное поведение идентичных компонентов в одном и том же соответствующем временном интервале, при этом
при каждом сравнении
определяют сравнительную переменную (14), описывающую отклонение сигнала (4) от опорного сигнала (6), в каждом конкретном случае, и определяют, на основе множества сравнительных переменных (14), распределение (30) множества таких сравнительных переменных (14).
11. Способ по любому из пп. 1-10, в котором:
определяют распределение (30) множества таких сравнительных переменных (14), для множества компонентов одного и того же типа, посредством сигнала (4) соответствующего компонента, представляющего функциональное поведение соответствующего компонента, сравниваемого с опорным сигналом (6), описывающим усредненное функциональное поведение идентичных компонентов, при этом
при каждом сравнении
определяют сравнительную переменную (14), описывающую отклонение сигнала (4) от опорного сигнала (6), в каждом конкретном случае, и определяют, на основе множества сравнительных переменных (14) распределение (30) множества таких сравнительных переменных (14).
12. Машиночитаемый носитель информации, хранящий команды, вызывающие при их исполнении компьютером, выполнение указанным компьютером способа по любому из пп. 1-11.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017215341.5A DE102017215341A1 (de) | 2017-09-01 | 2017-09-01 | Verfahren zur Untersuchung eines Funktionsverhaltens einer Komponente einer technischen Anlage, Computerprogramm und computerlesbares Speichermedium |
DE102017215341.5 | 2017-09-01 | ||
PCT/EP2018/070319 WO2019042671A1 (de) | 2017-09-01 | 2018-07-26 | Verfahren zur untersuchung eines funktionsverhaltens einer komponente einer technischen anlage, computerprogramm und computerlesbares speichermedium |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2742740C1 true RU2742740C1 (ru) | 2021-02-10 |
Family
ID=63168373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020112162A RU2742740C1 (ru) | 2017-09-01 | 2018-07-26 | Способ исследования функционального поведения компонента технической установки, компьютерная программа и машиночитаемый носитель информации |
Country Status (9)
Country | Link |
---|---|
US (1) | US11609830B2 (ru) |
EP (1) | EP3649033B1 (ru) |
AU (1) | AU2018326136B2 (ru) |
DE (1) | DE102017215341A1 (ru) |
DK (1) | DK3649033T3 (ru) |
ES (1) | ES2935487T3 (ru) |
PL (1) | PL3649033T3 (ru) |
RU (1) | RU2742740C1 (ru) |
WO (1) | WO2019042671A1 (ru) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017215341A1 (de) * | 2017-09-01 | 2019-03-07 | Siemens Mobility GmbH | Verfahren zur Untersuchung eines Funktionsverhaltens einer Komponente einer technischen Anlage, Computerprogramm und computerlesbares Speichermedium |
US20220187142A1 (en) * | 2019-03-28 | 2022-06-16 | Siemens Energy Global GmbH & Co. KG | Method for maintaining an electrical component |
EP3792138A1 (de) * | 2019-09-13 | 2021-03-17 | Knorr-Bremse Gesellschaft mit beschränkter Haftung | Verfahren und vorrichtung zum bereitstellen einer instandhaltungsinformation über ein türsystem für ein fahrzeug und türsystem für ein fahrzeug |
DE102020201792A1 (de) * | 2020-02-13 | 2021-08-19 | Siemens Mobility GmbH | Diagnoseverfahren und Diagnoseeinrichtung für eine Anlage |
IT202000005194A1 (it) * | 2020-03-11 | 2021-09-11 | Faiveley Transport Italia Spa | Sistema di monitoraggio per almeno una pluralità di dispositivi omogenei di almeno un veicolo ferroviario |
DE102020116022A1 (de) * | 2020-06-17 | 2021-12-23 | Gebr. Bode Gmbh & Co. Kg | Verfahren zur zustandsbasierten Instandhaltung einer Zugangsvorrichtung |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1542108A1 (de) * | 2003-12-12 | 2005-06-15 | Siemens Aktiengesellschaft | Verfahren zur Überwachung einer technischen Einrichtung |
RU2364911C2 (ru) * | 2007-07-30 | 2009-08-20 | Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" | Способ диагностирования преддефектного состояния технического объекта |
US20100189051A1 (en) * | 2007-04-30 | 2010-07-29 | Nokia Siemens Networks Oy | Data modulation in a communication system |
US20110137432A1 (en) * | 2009-12-09 | 2011-06-09 | Comau S.P.A. | Automation management system and method |
WO2016191711A1 (en) * | 2015-05-27 | 2016-12-01 | Amsted Rail Company, Inc. | System and method for building and managing a train consist |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3734487A1 (de) * | 1987-10-12 | 1989-04-20 | Grs Ges Reaktorsicherheit | Verfahren zur ueberwachung der betriebssicheren arbeitsweise und schadensfrueherkennung komplizierter technischer anlagen |
DE19732046A1 (de) * | 1997-07-25 | 1999-01-28 | Abb Patent Gmbh | Prozeßdiagnosesystem und Verfahren zur Diagnose von Vorgängen und Zuständen eines technischen Prozesses |
DE19961631A1 (de) * | 1999-12-14 | 2001-06-28 | Anatoli Soula | Verfahren und Vorrichtung zur Darstellung und Überwachung von Funktionsparametern eines technischen Systems |
US7609614B2 (en) * | 2005-10-20 | 2009-10-27 | Trellis Phase Communications, Lp | Uplink modulation and receiver structures for asymmetric OFDMA systems |
DE102005053648A1 (de) | 2005-11-10 | 2007-05-16 | Audi Ag | Verfahren zur On-Board-Diagnose eines Sytems in einem Fahrzeug |
DE102006019896A1 (de) | 2006-04-28 | 2007-10-31 | Siemens Ag | Verfahren zur Fehlerbaumanalyse |
JP5619632B2 (ja) | 2011-01-07 | 2014-11-05 | 株式会社日立製作所 | 移動体制御システム |
US8914317B2 (en) * | 2012-06-28 | 2014-12-16 | International Business Machines Corporation | Detecting anomalies in real-time in multiple time series data with automated thresholding |
JP2014048697A (ja) | 2012-08-29 | 2014-03-17 | Hitachi Ltd | 設備状態監視方法及び設備状態監視装置 |
US10242290B2 (en) * | 2012-11-09 | 2019-03-26 | Kla-Tencor Corporation | Method, system, and user interface for metrology target characterization |
JP2016095751A (ja) * | 2014-11-17 | 2016-05-26 | 富士通株式会社 | 異常機器特定プログラム、異常機器特定方法、及び、異常機器特定装置 |
GB2548876B (en) * | 2016-03-31 | 2019-12-25 | Toshiba Res Europe Limited | Low-complexity LLR computation for nonuniform QAM constellations |
DE102017215341A1 (de) * | 2017-09-01 | 2019-03-07 | Siemens Mobility GmbH | Verfahren zur Untersuchung eines Funktionsverhaltens einer Komponente einer technischen Anlage, Computerprogramm und computerlesbares Speichermedium |
-
2017
- 2017-09-01 DE DE102017215341.5A patent/DE102017215341A1/de not_active Withdrawn
-
2018
- 2018-07-26 DK DK18753083.7T patent/DK3649033T3/da active
- 2018-07-26 WO PCT/EP2018/070319 patent/WO2019042671A1/de unknown
- 2018-07-26 PL PL18753083.7T patent/PL3649033T3/pl unknown
- 2018-07-26 RU RU2020112162A patent/RU2742740C1/ru active
- 2018-07-26 US US16/643,655 patent/US11609830B2/en active Active
- 2018-07-26 ES ES18753083T patent/ES2935487T3/es active Active
- 2018-07-26 EP EP18753083.7A patent/EP3649033B1/de active Active
- 2018-07-26 AU AU2018326136A patent/AU2018326136B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1542108A1 (de) * | 2003-12-12 | 2005-06-15 | Siemens Aktiengesellschaft | Verfahren zur Überwachung einer technischen Einrichtung |
US20100189051A1 (en) * | 2007-04-30 | 2010-07-29 | Nokia Siemens Networks Oy | Data modulation in a communication system |
RU2364911C2 (ru) * | 2007-07-30 | 2009-08-20 | Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" | Способ диагностирования преддефектного состояния технического объекта |
US20110137432A1 (en) * | 2009-12-09 | 2011-06-09 | Comau S.P.A. | Automation management system and method |
WO2016191711A1 (en) * | 2015-05-27 | 2016-12-01 | Amsted Rail Company, Inc. | System and method for building and managing a train consist |
Also Published As
Publication number | Publication date |
---|---|
AU2018326136B2 (en) | 2021-11-04 |
WO2019042671A1 (de) | 2019-03-07 |
US20200241979A1 (en) | 2020-07-30 |
ES2935487T3 (es) | 2023-03-07 |
DE102017215341A1 (de) | 2019-03-07 |
US11609830B2 (en) | 2023-03-21 |
DK3649033T3 (da) | 2022-12-19 |
EP3649033A1 (de) | 2020-05-13 |
PL3649033T3 (pl) | 2023-01-02 |
EP3649033B1 (de) | 2022-10-19 |
AU2018326136A1 (en) | 2020-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2742740C1 (ru) | Способ исследования функционального поведения компонента технической установки, компьютерная программа и машиночитаемый носитель информации | |
CN111999656A (zh) | 车辆电池内短路的检测方法、检测装置和电子设备 | |
CN111373275B (zh) | 用于指示电池的健康状态的方法和装置 | |
US20110202800A1 (en) | Prognostic analysis system and methods of operation | |
CN103743563A (zh) | 一种基于温度数据的风机齿轮箱子空间故障预测方法 | |
CN108667514B (zh) | 光传输设备在线失效预测方法和装置 | |
CN110082688B (zh) | 一种燃料电池的性能检测方法及装置 | |
CN111274098B (zh) | 一种基于IoT的存储设备报警方法及装置 | |
CN108446162B (zh) | 监测JVM Full GC事件的方法及*** | |
CN106709666A (zh) | 一种指标阈值确定方法及*** | |
CN113581014A (zh) | 自适应电池工况冷策略方法、装置、设备及可读存储介质 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN108266364B (zh) | 电泵负载过低故障诊断方法及装置 | |
US20160231389A1 (en) | Deterioration function calculation device, deterioration rate estimation device, deterioration rate estimation system, deterioration function calculation method, deterioration rate estimation method, and program | |
JP2017021497A (ja) | 負荷実績データ判別装置、負荷予測装置、負荷実績データ判別方法及び負荷予測方法 | |
CN112905463B (zh) | 软件测试监控方法、装置、电子设备及可读存储介质 | |
CN115577551A (zh) | 基于71度法模型的变环境输入寿命评估方法及*** | |
CN112858902B (zh) | 微型断路器监测方法、装置、计算机设备和存储介质 | |
CN113220552A (zh) | 车载信息娱乐***中限制应用运行数量的方法和电子设备 | |
CN103902420B (zh) | 电子设备性能测试方法及装置 | |
JP2009003686A (ja) | ソフトウェア動作解析装置、ソフトウェア動作解析方法、及びソフトウェア動作解析用プログラム | |
CN112689770B (zh) | 用于估计电池的健康状态的方法和*** | |
CN112131210A (zh) | 一种数据识别方法、装置、服务器及存储介质 | |
US10521379B1 (en) | Systems and methods for I/O prioritization in nvme-compliant storage devices | |
US20240248138A1 (en) | Method and Apparatus for Predictive Diagnosis of a Device Battery of a Technical Device Using a Trace Graph Model |