基于E语言的故障建模方法研究
电子产品故障物理模型研究与应用进展
电子产品故障物理模型研究与应用进展刘柳;周林;邵将【摘要】提出了故障物理模型的基本概念，对几种常见的电子产品故障物理模型，包括互连热疲劳模型、互连振动疲劳模型、电迁移模型和与时间相关的介质击穿模型等进行了分析，总结提出了基于失效发生因素和失效发生过程的损伤模型建模等两种故障物理模型的建模方法。
结合工程应用情况，对两种故障物理模型的应用方法——可靠性仿真分析方法和可靠性加速试验方法进行了讨论。
最后对故障物理模型的研究进行了展望。
%The basic concept of failure physical model was proposed, and several common failure physical models for electronic products were introduced, such as interconnection thermal fatigue model, interconnection thermal fatigue model, interconnection vibration fatigue model, electro-migration model, and time-dependent dielectric breakdown model. Two modeling methods for failure physical models were proposed, including the damage modeling based on failure factors and the damage modeling based on failure processes. In combination with the engineering applications, two application methods of failure physical models were discussed, namely, reliability simulation analysis method and accelerated reliability test method. Finally, the research on failure physical models was prospected.【期刊名称】《装备环境工程》【年(卷),期】2015(000)002【总页数】5页(P54-58)【关键词】电子产品;故障物理模型;可靠性仿真分析;可靠性加速试验【作者】刘柳;周林;邵将【作者单位】空军工程大学防空反导学院，西安 710051;空军工程大学防空反导学院，西安 710051;中国航空综合技术研究所，北京 100028【正文语种】中文【中图分类】TJ02;TM931过去可靠性工作重点在于对故障现象的统计分析，可靠性指标的分配、预计及其验证都是基于故障的宏观统计规律性，以致忽略了故障“何时发生”及“为何发生”等方面的研究工作，不能从失效机理层面来解决可靠性相关的问题[1]。
基于大语言模型的故障知识管理研究
一、背景介绍大语言模型是指基于大规模语料库训练得出的能够生成连贯语言的模型，近年来在自然语言处理领域取得了重大突破。
故障知识管理是指对企业或组织中发生的故障进行有效记录、整理和管理，以便后续查找和解决类似故障。
结合大语言模型和故障知识管理的研究，可以在故障知识记录和利用方面取得新的突破，提高故障处理效率和质量。
二、大语言模型在故障知识管理中的应用1. 故障知识的自动记录大语言模型可以利用其语言生成的能力，自动记录故障处理的日志和结果。
利用大语言模型生成的文本可以提高故障记录的准确性和完整性，避免信息遗漏和错误记录。
2. 故障知识的自动归类大语言模型可以通过对故障处理记录进行自然语言处理，自动归类相似类型的故障知识。
这样可以帮助故障管理人员更快速地找到之前类似故障的解决方案，降低重复劳动，提高工作效率。
3. 故障知识的智能检索利用大语言模型对故障知识进行语义理解和索引，可以实现更智能的故障知识检索。
通过输入故障描述或现象，系统可以快速给出相关的故障解决方案，提高解决故障的效率。
三、基于大语言模型的故障知识管理系统设计1. 搭建大规模语料库为了训练出更准确、更连贯的大语言模型，需要搭建大规模的语料库进行训练。
语料库可以包括企业内部的故障处理记录、技术文档、行业标准等，以及公开的技术论文、网络资讯等。
2. 构建故障知识数据集在搭建故障知识管理系统时，需要构建故障知识的数据集。
这些数据可以来自企业内部的故障记录、技术人员的经验共享，也可以通过爬虫等方式获取外部的故障解决方案。
3. 故障处理记录的自动化基于大语言模型的故障知识管理系统可以实现故障处理记录的自动化，提高记录效率和准确性。
员工在处理故障时可以通过系统自动生成模板，并进行修改和补充记录，减少重复劳动。
4. 智能故障知识检索设计智能的故障知识检索功能，可以通过大语言模型实现对输入文本的理解和匹配，找到与之相关的故障解决方案。
这需要对大语言模型进行合理的微调和优化，使其适应特定领域的故障知识管理需求。
基于集成改进ELM的模拟电路故障诊断
基于集成改进ELM的模拟电路故障诊断【摘要】本文提出一种基于旋转森林的集成极端学习机分类方法，用以提高模拟电路故障诊断的准确性。
算法对采样后的数据进行小波分解获得故障特征，采用旋转森林增加集成极端学习机基分类器之间的差异性。
实验结果表明，采用本文方法对模拟电路进行在线故障诊断具有较高的准确性。
【关键词】旋转森林;极端学习机;模拟电路;故障诊断1.引言有理论表明，在复杂电子系统中，模拟电路部分最易发生故障，但由于其自身具有非线性，以及包含元件的容差性等特点使得针对模拟电路的故障建模困难，传统的故障字典法等方法已很难适应。
为了实现模拟电路故障模式的准确分类，本文提出一种基于旋转森林（Rotation Forest，ROF）的极端学习机（Extreme Learning Machine，ELM）集成模拟电路故障诊断方法。
2.极端学习机算法极端学习机[1]（ELM，Extreme Learning Machine）在随机给定输入权值与神经元参数的基础上，将传统前馈神经网络参数训练问题转化为求解线性方程组，以直接计算输出权值的最小二乘解的方式完成网络训练过程。
3.旋转森林算法ROF[2]是针对集成分类器间的差异性和集成分类器的准确性两个方面提出的。
设x=[x1，x2，…，xn]T表示有n个特征的一个样本，N个数据点构成一个初始训练集，用一个N×n的矩阵X表示，Y=[y1，y2，…，yN]T表示这N个点的标记。
D1，D2，…，DL表示L个基分类器，F则表示特征集。
区别于bagging、boost和随机森林算法，它是通过以下步骤构造每一个基分类器Di（0≤i≤L）的训练集：1）将特征集F划分为K个不相交的子集。
每个子集大约有M=n/K个特征。
2）Fi，j表示第Di分类器的训练集的第j个特征子集，随机去掉某一类的样本，并对剩下的样本进行75%的重采样。
对Fi，j进行主成分分析（PCA）后得到Mj个主成分ai，j（1），ai，j（2），…，ai，j（M）。
基于语义的软件服务故障自动诊断模型
基于语义的软件服务故障自动诊断模型
朱麟
【期刊名称】《计算机测量与控制》
【年(卷),期】2015(23)11
【摘要】为解决现有的软件一体化应用软件平台在故障诊断方面不能有效描述软件服务的语义问题,提出一种基于语义的软件服务故障自动诊断模型;该模型采用语义的方法将故障分为故障标记、指令分析和行为依赖分析,构建了立语义特征库;其次利用观察掩码函数的可满足性挖掘隐性故障的可诊断性,为语义库模型中每一个事件状态建立索引表,并为所有状态标识,实现基于启发函数的语义自动诊断机,得到最优诊断路径;最后通过故障模拟对模型进行性能评估;实验表明,该模型不仅有效地降低服务的误报率,而且网络规模对模型的性能影响较小.
【总页数】3页(P3579-3581)
【作者】朱麟
【作者单位】公安海警学院电子技术系,浙江宁波 315801
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于知网的软件故障案例语义表示方法 [J], 柳玉;贲可荣;马喆
2.基于软件黑匣子的集成软件故障诊断模型 [J], 王毅刚;朱小冬;刘彦斌;叶飞
3.一种基于语义Web服务的服务自动发现的实现 [J], 沈玮韠;蔡鸿明;姜丽红
4.基于人工免疫的故障诊断模型自动更新算法 [J], 闫纪红;王伟;卢磊
5.基于FMEA/FTA的嵌入式软件故障诊断模型与应用 [J], 何鑫;杨顺昆;刘斌因版权原因，仅展示原文概要，查看原文内容请购买。
故障建模方法
故障建模方法在工程、科研和信息技术等领域，故障建模是一项关键的技术，它有助于预测、诊断和处理各类系统故障。
本文将详细介绍故障建模的方法，以帮助读者更好地理解和应用这一技术。
一、故障建模的概念故障建模是对系统可能出现的故障进行抽象和描述的过程，旨在通过建立数学模型来分析和预测故障的发生、发展和影响。
故障建模方法的选择取决于系统的复杂程度、应用场景和目标需求。
二、故障建模方法1.基于专家经验的故障建模这种方法依赖于领域专家对系统故障的经验和认识。
专家通过对系统结构、性能和故障历史进行分析，提炼出故障模式，并建立相应的故障模型。
这种方法的优点是简单、直观，但受限于专家的知识和经验，可能存在一定的局限性。
2.基于概率统计的故障建模这种方法通过对大量故障数据进行统计分析，建立故障概率分布模型。
常用的概率统计方法有：贝叶斯网络、隐马尔可夫模型等。
这类方法在处理不确定性问题时具有优势，但需要大量的历史数据支持。
3.基于机器学习的故障建模机器学习方法可以从大量数据中自动学习故障特征和规律，建立故障预测模型。
常见的机器学习方法有：支持向量机、决策树、随机森林、神经网络等。
这种方法具有较强的泛化能力，但在模型训练过程中可能需要大量的计算资源和时间。
4.基于物理过程的故障建模这种方法依据系统的物理过程和故障机理，建立数学模型。
如：有限元分析、多体动力学模型等。
这类方法具有较高的准确性，但建模过程复杂，计算量大，适用于对精度要求较高的场景。
5.综合故障建模方法在实际应用中，为了提高故障建模的准确性和鲁棒性，常常将多种方法进行综合。
例如，结合专家经验、概率统计和机器学习方法，建立多模型融合的故障预测系统。
三、总结故障建模方法的选择应根据实际需求、系统特点和数据情况进行综合考虑。
不同的故障建模方法具有各自的优势和局限性，通过合理地选择和组合，可以提高故障预测的准确性和实用性。
基于LLE及其改进距离算法的轴承故障诊断模型
第7期2018年7月组合机床与自动化加工技术Modular Machine Tool & Automatic Manufacturing TechnitjueNo. 7Jul. 2018文章编号：1001 -2265(2018)07 -007/-05D 01：10. 13462/j . cnki . m m tam t . 2018.07.019基于L L E 及其改进距离算法的轴承故障诊断模型魏永合，刘 5，杨艳君，苏君金(沈阳理工大学机械工程学院，沈阳1101&9)摘要:针对原始LLE 难以发掘非平稳振动信号高维非线性、不均匀或存在“孔洞”的采样数据潜在几何分布特征，提出一种基于LLE 及其改进算法的滚动轴承故障诊断模型。
通过将计算欧氏距离改进的 局部线性篏入（LLE )算法应用于滚动轴承故障诊断模型，在邻域因子A 取值比较小时的情况下就可得 到良好的特征提取效果，扩大了模型参数'的选取范围，减少特征提取计算的时间；通过将监督学习线 性判别分析（LDA )能保证投影后样本在新的特征空间具有最大的类间距离和最小的类内距离的基本 概念应用于改进距离的L L E 算法#选择后对其降维结果的直观的验证处理上，来确保降维样本在 新的特征空间具有最佳的特征可分离性。
并与未改进L L E 算法及传统线性降维方法P C A 对比实验 结果来验证基于改进距离L LE 算法与离散度矩阵结合的故障诊断模型的优越性。
关键词：轴承;非线性流形学习；局部线性嵌入;特征提取;故障诊断 中图分类号:TH 165;TG 659 文献标识码:AA Model of Bearing Fault Diagnosis Based on L L E an d Its Improved Distance AlgorithmWEI Yong-lie ,LIU Wei ,YANG Yan-jun ,SU Jun-jin(School of Mechanical Engineering , Shenyang Ligong University , Shenyang 110159, China )Abstract ： A fault diagnosis model of rolling be^ing was proposed to obtain the bution of nonstationar ^, nonline2, nonuniform and high-dimensional samplesr data about its vibration si ^^- nal . With the locally linear embedding algorithm , which had improved the euclidean distance , it was ap plied to this rolling bearing fault diagnosis model . When the neighborhood factor was relatively small , the favorable feature extraction can be obtained , and the selectionsrrange of the models para panded , that can reduce the calculation time of feature extraction . With some conceptions a bout the discriminant analysis of supervised learning can ensure that the post-projection samples had the largest inter class distance and minimum intraclass distance in the new feature space , and these conceptions to verify parameters’selections of the improved LLE in dimensionality reduction and its intuitive results ’ex - pressions can ensure that the reduced dimension samples had the best feature separability in the space . And comparing with the unmodified LLEalgorithm and the traditional linear dim ton method PCA can verify the superiority of this fault diagnosis model based on the rithm and the discrete matrix .Key words ： bearing ； nonlinear manifold learning ； locally linear embedding ； feature extraction ； fault diag nosis〇引言在故障诊断、机器学习及数据挖掘等研究邻域中， 为了尽可能地全面反映故障类型的信息，通常会需要 各类传感器收集大量复杂的难以被人直接表示和处理 的“高维”样本空间中的数据集合。
基于E语言的MCNP的自主建模软件的研制
代码编写 错 误 或者 在 组 合 成 Ｃｌ Ｃｒ 时候 ｅ ａｄ的 ｌ
对繁杂 的 ２ Ｄ模 块 定 义 选 取 错 误 ， 或 在 判 断 抑
模块组合范 围 的时候无 法确 定 。此种 方法 费 时
形两 类 ， 并键 入 简 单 的数 值 生 成 Ｓ ｒｃ 元 ， ｕ ａｅ单 ｆ 同时设 置 Ｓｒ ｃ 元 为 可 删 除 模 式 ， 整 合 ｕ ａｅ单 ｆ 在
几何空间中包含多种核素的设定等 ， 使其广泛 地用 于辐 射 防护 、 应 堆设计 、 反 多类核 试验 结果
的模拟 等。 然而 ， Ｃ Ｐ的 建 模 操 作 是 基 于控 制 台命 Ｍ Ｎ 令 的执行 方式 ， 没有 提供 任何 可视化 的界 面 ， 繁 琐 的空间几何 描述 全 部采 用手 工输人 的方 法进 行 ， 仅耗 时惊 人 ， 用 不 便 ， 且极 易 出错 且 不 使 而 不容易发 现 出错 的地方 。而 国内很 多 机构着 手 研制 Ｍ Ｎ Ｃ Ｐ的三 维 可 视 化 平 台 ， 用 到 Ｃ Ｄ、 使 Ａ
通用 ＭＣ计算 程 序 ，ＭＣ Ｐ具 有几 何 处 理 能 力 Ｎ
强， 物质反应截面丰富， 计算功能多 ， 包含多种 减小方差技巧等优点 。 ＭＮ Ｃ Ｐ具有强大 的几何运算处理 能力 ， 基
于由平面等 ２ 的 Ｓ ｒ ｃ ａｄ模 块 单元 组成 ， Ｄ ｕｆ ｅｃｒ ａ
可 以形 成复 杂 的 ３ Ｄ几 何 模 型 Ｃ ｌ Ｃ ｒ ， 在 ｅ ａｄ 并 ｌ
对象的运动过程模拟 的计算程序 。由于它强大的运算模拟 ， 活并 可通 用 的特 性在众 多领 域中得到 了 灵 广泛的应用 ， 同时 由于软件 的专业性 ， 但 在操作方面得到 了极 大限制 ， 使其 在 以后的 发展 中受 到 了极 大
ETS系统故障树建模与马尔可夫模型可靠性分析
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（上接第 29 页）
手段能摆脱以往系统故障分析时抽象的数据统计，为解决系 统的整体可靠性提供了新思路。 参考文献
1 王付生. 电厂热工自动控制与保护. 北京： 中国电力出版社，2005 2 汪晓光. 可编程控制原理及应用. 北京：机械工业出版社， 1995 3 中华人民共和国国家标准.GB 7829- 87，1987.故障树 分析程序.中国：
靠 性 分 析 技 术 ：失 效 模 式 和 效 应 分 析 （FMEA）程 序.1987
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（上接第 32 页）
求。 我们认为，还必须考虑汽轮机转子于热状态时和轴承油 膜厚度引起的中心升高以及轴颈较粗，其轴心运动轨迹比主 油泵轴心偏移得要多一些，因此在冷态组装时需预先抬高油 泵的中心和尽量偏向机轴旋转的方向。 我厂主油泵找中心 时 ，油 泵 轴 心 预 偏 高 0.30~0.45mm、偏 左 0.10~0.17mm，并 预 留下端面偏差和右端面偏差。
图 5 汽轮机 ETS 保护系统马尔可夫模型 行定量分析，因最终 结果简化表示为使用或门连接的树形结构，要想得到故障树 顶端事件的最终故障率，只需将逐层结果的实效概率值代入 并相加，就能分析出系统故障率。 马尔可夫模型的建立可以 在整体上分析系统的可靠性，根据各个事件的概率可以求出 系统的稳定可靠率、时变可用率、时变失效率 。 这种方法分析
2012．NO．2． 28
能源技术
ISSN1672-9064 CN35-1272/TK
图 2 汽轮机 ETS 原理图
统 （FSSS）下 的 主 燃 料 跳 闸 （MFT）；数 字 电 液 控 制 系 统 （DEH） 失电；轴振动大；差胀大；高压缸排汽压力高；发电机内部故 障；手操跳闸等。 图 3 为紧急跳闸动作失效故障树，其中的每 一个部分出现故障都会使系统关闭所有汽门以及抽汽逆止 阀，导致汽轮机紧急跳闸。 3.2 汽轮机超速故障树分析
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｌｖ ｌ ｎ ｅ ｌｔ ｕ ｌ ｙ ｅ ｅ ａ ｄ ｒａ — ｍｅ ｑ ａｉ ． ｉ ｔ
Ｋｅ ｏ ｄ ：ｆ ｈ ｉ ｅ ｔ ｎ ｆ ｌ ｃ ａａ ｔ ｓ ｃ ｆ ｌ ｍｏ ｅ ； ａ ｇ ａ ｅ ｙ ｗ ｒ ｓ ａ ｊｃ ｏ ； ａ ｔ ｈ ｒｃ ｒ ｔ ； ａ ｔ ｄ ｌ Ｅ ｌ ｕ ｇ ｕ ｎ ｉ ｕ ｅ ｉ ｉ ｕ ｎ
ａ ｄ ｃ ｎ ｔ ｃ ｅ ａ ｌ ｍｏ ｅｓ Ｔ ｅ ｒ ｓ ｎ ｅ ａ ｌ ｍｏ ｅ ｄ ｐ ｃｉ ｎ ｍｅｈ ｄ Ｆ ｎ ｌ ， ｄ ｒ ｓｅ ｎ ｅｅ ｔｏ ｉ ｉｈ ｉ ｌｙ ｓ ｓ ｎ ｏ ｓｒ ｔ ｄ ｆｕ ｔ ｄ ｌ． ｈ ｎ ｐ ｅ ｅ ｔｄ ｆｕ ｔ ｄ ｅ ｉｔ ｔ ｏ ． ｉ ａｌ ａ ｄ ｅ ｓ ｄ ａ ｌｃ ｒｎ ｃ ｆ ｇ ｔ ｓ ａ ｙ — ｕ ｏ ｙ ｌ ｄ ｐ
第２ ７卷第 １ Ｏ期
２１ ０ ０年 １ ０月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆＣ ｍｐ ｔ ｒ ｃ ｏ
Ｖｏ ＿ ７ Ｎｏ １ ｌ２ ． ０ ０ｃ ． ２ ０ ｔ ０１
基 Ｅ语 言 的 障 建 模 方 法 研 究 于 故
１ 故 障建模 基 础
１ １ 概 念 界 定 ．
故障定义为产 品或产 品的一部 分不能 或将不能 完成预定 功能的事件或状 态 。测试 性试 验验 证 中存在 两 大类故 障 ，
０ 引 言
测试性试 验验证 主要 是通过 故障 注入 手段评 估产 品的测 试性水 平… 。虽然 目前 国内外对 故障 注入方 面开展 了大量研 究， 但多着眼于容错控制领域。近年来我 国对测试性试验验证 方法开展了一定研究 ， 如北航可靠性工程研究所进行 了理论和 方法研究 。 ， 初步研发 了测试性验证设备 ’ 。
ＨＵＡＮＧ Ｆｕ— ｕ ｑ ｎ， ＬＩ Ｂｉ Ｕ ｎ， ＸＵ ｉ ｇ， ＬＩＨａ —ｅ ｇ Ｐｎ ｉｆｎ
（ ｃｏｌｆＲ ｌ ｂｌｙ＆ Ｓｓ ｍ Ｅ ｇ￣ｅ ｎ Ｂ ｉａｇ Ｕ ｉｅ ｉ ， ｅｉ ０ １ １ Ｃ ｉａ Ｓｈｏ ｏ ｅ ａｉｔ ｉ ｉ ｙｔ ｎ ｉ ｎ ｇ， ｅ ｎ ｎ ｒ ｔ Ｂ ｉｎ １０ ９ ， ｈｎ ） ｅ ｈ ｖ ｓｙ ｊｇ
ｔｍ ｅ ｔａ ａ ｅ ｓｕ ｅ ｔｓ ｓａ ｃ ｓ ｔｄｙ． ｉｈ ｖ ｒｆｅ ｈｅ ｅｆｃ ｉｅ ｅ ｓｏ ｈｅ ｆｕ ｍｏ ｌ ｎｄ ｄｅ ｉｔｏ ｗｈｃ ｅ ｉ ｄ ｔ ｆｅ ｔｖ ｎ ｓ ｆｔ ａ ｈ ｄｅｓａ ｐｃ ｉｎ ｍｅｔｏ ｓ ｉ ｍｐ ｏ ｉ ｇ ｔｅ ａ ｏ ｔｃ ｉ ｈ ｎ ｉ ｒ ｖ ｎ ｈ ｕｔｍａｉ ｄ
Ａｂ ｔ ａ ｔ Ｔ ａｉｆ ｈ ｕｏ ｔ ｎ ａ ｄ ｒ ａ—ｉ ｅ ｕ ｒ ｍｅ ｔ ，ｆ ｕ ｆｒ ｔ ｎ ａ ｄ ｅ ｐ ｒ ｎ ａ ｃ ｅ ｅ ｄ ｔ ｅ ｅ ｉ ｄ ｓｒ ｃ ： ｏ ｓ ｔ ｙ ｔ ｅ ａ ｔｍａｉ ｎ ｅ ｌ ｍｅ ｒ ｑ ｉ ｓ ｏ ｔ ｅ ｎ ｓ ａ ｈ ｉ ｏ ｍａ ｉ ｎ ｘ ｅ ｉ ｔ ｌ ｈ ｍｅ ｎ ｅ ｏ ｂ ｄ ｔ ｎ ｏ ｍｅ ｓ ｅ ｂ ｆｒ ｅ ｅ ｐ ｒ ｎ ｔｒｓ Ｔ ａ ｅ ｒ ｐ ｓ ｄ ｔ ｅｃ ｎ ｅ ｔ ｏ ｒ ｄ ｃ ｆｕ ｔ ｔｍ ａ ｌ ａ ｄ ｆ ｕｔｍｏ ｅ ． ｎ ｘｒ ｃｅ ａ ｌ ｅｏ ｅ ｔ ｘ ｅ ｍｅ ｔｓａｔ ． ｓ ｐ ｐ ｒｐ ｏ ｏ ｅ ｈ ｏ ｃ ｐ ｓ ｆｐ ｏ ｕ ｔ ａ ｌ ．ａｏ ｆｕ ｔ ｎ ａ ｌ ｈ ｉ ｄ １ ａ ｄ ｅ ｔ ｔ ｄ ｆｕ ｔ ａ
ｄ ｉ１ ． ９ ９ ｊｉ ｎ １０ ．６ ５ ２ １ ． ０ ０ ５ ｏ ：０ ３ ６ ／ ．ｓ ．０ １３ ９ ．０ ０ １ ．４ ｓ
Ｒｅ ｅ ｒ ｈ ｏ ａ ｌ ｍｏ ｅｉ ｇ ｍｅｈ ｄ ｂ ｓ ｄ ｏ ｌ ｎ ｕ ｇ ｓ ａ ｃ ｎ ｆｕ ｔ ｄ ｌｎ ｔｏ ａ ｅ ｎ Ｅ ａ ｇ ａ ｅ
ｃ ｒ ｃｅ ｓｉｓ ｂ ＥＥＥ ｔ １ ４ － ０ ”Ｅ ” ｆ ｃｉ ｎ ｌｖ ｒｆｃ ｔｏ ａ ｕａ ｅ． ｈａ ａ ｔ ｒｓｉｓ Ｏｎ ｔ ｓｂａ ｉ ． ｅ ｉｔ ｄ ｆ ｕ ｃ ｒ ｔ ｒ ｔｃ ｙ Ｉ ｉ Ｓｄ． ６ ７ ２０ ６ ｕｎ ｔｏ ａ ｅ ｉ ａｉｎ ｌｎｇ ｇ ｉ
黄抚群 ，刘 斌 ，徐 萍 ，李海 峰
（ 北京航空航天大学 可靠性与 系统工程学院， 北京 １０９ ） ０ １１
摘 要 ：为适 应故 障注入 的 自动化和 实时性要 求 ， 对试 验 人 员 需在 试验 开始 前 给 出故 障信 息 和编 写试 验 方 针
案 ， 出产 品故 障 、 故 障和 故 障模 型概 念 ， 取 产 品 故 障和 元故 障特 征 。在 此基 础 上 ， 用 ＩＥ ｔ １４ 一 提 元 提 采 Ｅ Ｅ Ｓｄ ６７ Ｍ ｒ ２０ ０ ６的“ 功 能验证语 言 ， Ｅ” 描述 故 障特征 、 建故 障模 型 ， 构 并给 出故 障模 式的描 述方 式。最 后 以某 电子 飞行 显 示 系统为应 用案 例 ， 案例表 明 ， 障模 型及 其描 述 方法可有 效地提 高故 障注入 的 自动化 和 实时性水 平。 故 关键 词 ：故 障注入 ；故障特 征 ；故障模 型 ；Ｅ语 言 中图分类 号 ：Ｔ ３ ６ Ｐ０ 文献标 志码 ：Ａ 文 章编号 ：１０ — ６ ５ ２ １ ）０ ３ ７ — ４ ０ １３ ９ （ ０ ０ １ —７ ５ ０