专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果458760个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于失效反应速率的多应力故障机理模型构建方法-CN202210798521.0在审
  • 张永宽 - 北京华安中泰检测技术有限公司
  • 2022-07-08 - 2022-11-29 - G06F30/20
  • 本发明提供了一种基于失效反应速率的多应力故障机理模型构建方法,涉及产品可靠性评估技术领域。该方法包括:步骤1:确定产品应力类型。步骤2:建立基于失效反应速率的多应力故障机理模型。步骤3:基于产品应力对故障机理模型进行转换简化。步骤4:将产品应力代入模型,得到该产品的故障机理模型。本发明方法解决了考虑应力耦合关系的多应力故障机理模型建模难的问题,参照此模型构建方法可以用于构建两应力及以上应力类型的故障机理模型,弥补了现有多应力故障机理模型的空白。本发明用应力对失效反应速率影响的思路来构建故障机理模型,模型构建方法更具备通用性,可用于不同产品、不同应力组合的故障机理构建。
  • 一种基于失效反应速率应力故障机理模型构建方法
  • [发明专利]基于改进BDD的故障机理耦合关系模型的解析方法-CN202010422835.1有效
  • 陈颖;王震;杨松;王艳芳;康锐 - 北京航空航天大学
  • 2020-05-19 - 2022-08-30 - G06Q10/06
  • 本发明提供一种基于改进BDD的故障机理耦合关系模型的解析方法,通过理论推导得到四种故障机理相关关系,分别为;竞争关系、促进抑制关系、触发关系和损伤累积关系,根据故障机理及其相关关系建立改进的BDD模型,然后对模型进行故障机理故障机理相关关系及部件层逻辑关系解析解的求解,部件层逻辑关系解析解的求解即整个系统的解析解的求解,根据求解结果得到使系统故障的事件序列。本发明对故障机理相关关系改进的BDD模型进行了描述,并且从解析的角度出发,提出了一种基于故障机理相关关系改进BDD的解析解求解方法,从而填补了求解这种模型解析解理论的空白,使得模型的求解更精确。
  • 基于改进bdd故障机理耦合关系模型解析方法
  • [发明专利]基于故障行为的电子产品加速寿命试验方法-CN201911143453.9有效
  • 陈颖;王羽佳;康锐 - 北京航空航天大学
  • 2019-11-20 - 2020-10-09 - G01R31/00
  • 本发明提供一种基于故障行为的电子产品加速寿命试验方法,其具体包括以下步骤:分析电子产品的主故障机理、确定常规任务剖面、确定热相关或电相关故障机理耦合集合的加速因子,确定加速寿命时间、协同腐蚀相关故障机理耦合集合得到加速试验时间初步协同结果,协同振动相关故障机理耦合集合得到加速寿命试验时间协同结果。与以往方法比较,该方法考虑热疲劳机理、腐蚀机理及振动疲劳机理等多机理耦合和温度应力、腐蚀应力及电应力、振动应力等多应力载荷影响,能够解决具有耦合关系的多机理加速寿命试验载荷谱确定问题,同时,可以给出在多应力条件下进行加速寿命试验的试验方案
  • 基于故障行为电子产品加速寿命试验方法
  • [发明专利]一种基于贝叶斯网络和深度学习算法的故障机理智能分析方法-CN201810982243.8有效
  • 陈颖;王羽佳;康锐 - 北京航空航天大学
  • 2018-08-27 - 2020-07-03 - G06F30/27
  • 本发明提供一种基于贝叶斯网络和深度学习算法的故障机理智能分析方法,其包括以下步骤:S1、提炼电子产品故障机理推理逻辑规则,S2、收集故障机理分析实例数据建立算法的训练集,S3、建立信息不完整情况下的故障机理推理过程,S4、使用收集的故障机理分析实例数据训练贝叶斯网络,通过EM算法和神经网络算法修正贝叶斯网络节点条件概率得到修正后的贝叶斯网络推理模型,S5、根据用户给出的元器件信息、环境条件和工作条件使用修正后的贝叶斯网络进行故障机理的推理能够解决设计人员由于缺乏可靠性知识或对元器件设计信息和环境条件信息认知不足无法进行故障机理分析的问题,同时也能够指导电子产品的可靠性设计,针对高概率的故障机理进行预防。
  • 一种基于贝叶斯网络深度学习算法故障机理智能分析方法
  • [发明专利]一种基于SBDD模型的冷储备系统故障行为建模方法-CN201711002331.9有效
  • 陈颖;王泽;李颖异;康锐 - 北京航空航天大学
  • 2017-10-24 - 2019-09-27 - G06F17/50
  • 本发明提供一种基于SBDD模型的冷储备系统故障行为建模方法,包括以下步骤:S1:分析确定系统各部件在储备期和工作期内的关键故障机理故障机理类型及相关关系:根据不同阶段的应力环境,对系统各部件分别进行FMMEA分析,以确定确定系统各部件在储备期和工作期内的关键故障机理故障机理类型及相关关系;S2:对在储备期和工作期内的各系统部件分别建立故障机理BDD模型;S3:对冷储备系统的系统结构建立SBDD模型;S4:融合得到冷储备系统故障行为SBDD模型,将系统结构SBDD模型中代表各部件的单元,以相应的故障机理BDD模型来替代,从而得到冷储备系统故障行为SBDD模型;S5:对系统故障行为SBDD模型进行仿真分析,
  • 一种基于sbdd模型储备系统故障行为建模方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top