韩文婷 程 龙 韩文婧 杨林郁
航天工程大学，北京 101416
火箭控制系统是运载火箭维持姿态稳定的核心部件，控制系统的高可靠性是火箭成功发射的重要保障[1]。近十年来火箭发射的失败案例中，控制系统故障位居第二。由此可见，无论是地面测试阶段对火箭单机设备的分系统测试，还是飞行阶段的成功运行，控制系统的故障诊断与健康管理都显得尤为重要。
随着当今人工智能、物联网、信息融合技术的快速发展，传统故障诊断技术开始与神经网络、虚拟现实技术相结合[2]。针对火箭的故障诊断技术可大致分为故障树分析法、专家系统诊断法、神经网络诊断法、数据驱动和模型驱动诊断法。NASA等机构联合研制的Ares I-X地面故障诊断原型样机项目，使用了3种故障诊断工具：基于模型的故障诊断、基于规则的专家系统、基于数据驱动的故障诊断，用于射前诊断固体发动机故障[3]。SMART-FDIR系统利用人工智能技术开发了实时机载卫星故障诊断系统，使用模糊归纳推理完成故障检测工作[4]。日本新型固体火箭Epsilon使用了自主检测诊断系统，顺利达成快速响应发射目标，有效缩短发射准备时间[5]。国内关于运载火箭故障诊断技术的研究也一直在迭代更新。陈璐璐等人为适应新一代运载火箭地面测发控系统一体化设计要求，将分布式故障诊断专家系统应用到火箭的发射决策中，提出了分系统和全局系统诊断级的“三表制”知识表达方法[6]。李鑫等人提出了基于测发控流程信息和部件互联知识的专家诊断系统。通过模拟控制系统测控数据，将征兆注入专家系统测试，能够完成单机故障定位[7]。尹茂君提出基于神经网络、测发数据链路和案例推理的复合故障诊断，达到了实时故障监测和离线事后评估的双重效果[8]。刘昆朋将故障诊断系统分为建模平台和运行平台两部分，实现了专家系统知识库和推理机的独立[9]。
数字孪生作为物理信息融合的关键技术，通过构建虚拟数字化模型，描述物理设备的运行状态，实现对物理对象的状态监测、实时映射、寿命预测、故障诊断等应用[10]。未来发射场朝着数字化、智能化、信息化方向发展，提高火箭控制系统的故障诊断效率，满足高密度、高可靠性的任务需求，是控制系统设计的关注重点。针对火箭测试发射数据少、同型火箭试验次数少、故障数据样本小的控制系统故障诊断难题，本文将数字孪生驱动的故障诊断方法引入火箭控制系统的健康管理与故障诊断。借助控制系统数字孪生体，获取大量孪生仿真数据，选取典型单机设备完成故障场景模拟和故障注入，从而解决故障样本小的问题。首先按照系统工程理论对火箭控制系统进行系统级分析，梳理了控制系统的典型故障模式及诊断难点分析，提出控制系统健康管理数字孪生体的功能需求。在此基础上，提出火箭控制系统健康管理数字孪生体的五维系统组成和四维模型结构，完成该健康管理数字孪生体的初步设想。之后，分析了该健康管理数字孪生体的六维系统架构和相关故障诊断的三阶运行机制，完成数字孪生体的总体系统设计。基于数字孪生的火箭控制系统健康管理框架研究，为日后火箭控制系统的智能化和数字化健康管理提供了理论借鉴，有力推动发射场的数字化建设。
健康管理与故障诊断对火箭的成功发射具有重要意义，数字孪生是实现运载火箭控制系统健康管理与故障诊断的有效途径。数字孪生技术可以利用物理实体的虚拟空间模型和分析孪生数据的方法来模拟物理实体的实时运行状态，利用3D建模软件实现物理实体的数字化映射[9]。建模完成后对系统的关键部件进行故障分析和故障模拟，注入孪生模型。故障诊断多采用模型驱动与数据驱动相融合、深度学习、平行故障等方法[11]，从而实现小样本数据的有效故障诊断。
首先从系统工程的角度出发，完成数字孪生对象的系统级分析。分别从控制系统的系统组成、飞行任务剖面、故障模式、故障诊断难点进行分析，形成数字孪生驱动的健康管理体系结构。
1.1 健康管理体系结构制定思路
系统工程领域从系统分析、系统设计、系统决策、系统实施评价几个角度分析一个完整系统的功能和状态。按照该理论，对火箭控制系统的健康管理进行系统级分析，包括控制系统的时空维度分析、典型故障模式、故障诊断难点、数字孪生相关技术与功能分析。在此基础上，制定基于数字孪生的健康管理方案，形成数字孪生驱动的故障诊断流程。
图1 基于数字孪生的健康管理体系结构制定思路
1.2 火箭控制系统的系统分析
首先，分析数字孪生研究对象—火箭控制系统的特点，再梳理其典型故障模式和故障诊断难点，最后由上述分析得出数字孪生驱动的火箭控制系统应用于健康管理的功能需求。下面，从火箭控制系统的系统组成层面和飞行任务剖面进行多维系统分析。
1)系统组成层面分析
控制系统一般由惯组、速率陀螺、箭载计算机、功率放大器、火工品、电磁阀、伺服机构等执行机构组成[12]。从系统组成层面分析，控制系统由以下子系统组成：姿态控制系统、制导系统、电源供配电系统和飞行时序指令系统[12]，各分系统下又可划分出不同组件，如图2所示。
图2 火箭控制系统的系统组成
在姿态控制系统中，惯组和速率陀螺实时获取火箭的角速度和加速度信息，箭载计算机对其进行分析处理，得出偏差量，输出的控制信号经过功率放大器成比例放大，作用于伺服机构，进而完成对火箭的姿态控制，形成一个负反馈控制回路，达到一定的制导精度[13]。
2)飞行任务剖面分析
从飞行任务剖面分析，火箭控制系统运行期间可以分为发射前的测试阶段、发射阶段和火箭飞行阶段，如图3所示。火箭射前测试阶段大致分为单元测试、分系统测试、匹配测试和总检查4个阶段[14]。测试发射阶段火箭的常见故障包括：单机、分系统或系统性能参数超出合格范围、功能异常或接口不匹配等。火箭发射阶段包括射前监测和发射控制两部分。火箭的发射控制主要由地面测发控系统完成，包括射前状态检查、射前功能测试和执行发射程序[15]。火箭飞行阶段以神舟十二号载人飞船为例，CZ-2F火箭经历起飞、程序转弯、逃逸塔与火箭分离、助推器分离、一二级分离、二级发动机启动、整流罩分离、二级发动机停止工作这几个阶段。
由火箭控制系统的系统组成层面和飞行任务剖面分析可知，控制系统是一个时空维度复杂的耦合系统。各分系统和不同的飞行任务阶段对应的故障模式各不相同，增加了火箭控制系统故障诊断的难度。
图3 火箭控制系统的飞行任务剖面
1.3 火箭控制系统故障分析
为制定准确的火箭控制系统健康管理方案，需要从各个子系统的故障部位、故障模式、故障表征参数对其进行故障分析[16]。在此，选取典型的故障部位：伺服机构、箭载计算机和激光惯组，其典型故障模式如表1所示。
表1 火箭控制系统典型故障模式
1.4 火箭控制系统故障诊断难点分析
由上述火箭控制系统典型故障模式分析可知，控制系统的故障类型与故障部位多样，故障原因各不相同，其故障诊断具有一定的难度，具体难点分析如下：①针对同一型号火箭的发射次数较少，其测试发射数据积累不足[17]，故障数据为典型的小样本数据，无法直接用于神经网络或深度学习故障诊断训练。工程中无法获取大量故障数据，一般通过故障模拟的方法获取故障样本；
②火箭控制系统自身具有复杂性，各故障模式之间相互牵连影响，增加了故障的辨识难度和误判风险[18]；
③受火箭实际测试环境与飞行条件影响，获取的故障信息存在不完整和错误的可能性，要求故障诊断系统具有较强的自适应能力；
④实际测试发射过程，受测试系统可靠性、现场环境、电磁干扰等影响，存在漏检、虚警现象，给故障定位带来一定难度[19]。
火箭控制系统具有故障模式多样化，故障部位和故障时间不确定的特点，针对该系统的故障诊断与健康管理具有一定的难度。在此，我们借助数字孪生技术，构建火箭控制系统健康管理数字孪生平台，利用虚拟信息空间解决其故障诊断难题。
针对上述火箭控制系统故障诊断的难点分析，对数字孪生驱动的火箭控制系统进行功能需求分析。
2.1 基于数字孪生的健康管理需求分析
如图4所示，本文建立的控制系统数字孪生体需从以下几个方面进行功能分析：多维传感器的数据采集与传输、控制系统孪生模型的构建、孪生仿真数据的获取、典型故障模拟与故障注入、故障诊断预测和火箭健康管理系统的封装开发。①高保真一致性数字孪生模型：为实现火箭控制系统物理实体与虚拟信息空间的实时映射，更好地服务于故障诊断与健康管理，必须进行虚拟-现实的一致性验证，确保模型的准确性[20]；
②控制系统孪生数据的产生与融合：为解决火箭测试发射数据少、故障样本集小的问题，借助数字孪生模型生成仿真数据，扩充故障数据，为后期的故障模拟和故障注入作基础[21]；
③故障模拟与故障诊断：选取几个火箭控制系统关键部件的典型故障模式，如激光惯组、伺服机构和箭载计算机[22]，调整正常数据实现故障模拟，并将其注入虚拟模型中，得到故障模型。在此基础上，完成故障诊断与检测；
④控制系统健康管理系统的开发：借助Unity3D平台将上述几种功能完成底层封装[23]，实现故障实时智能诊断、辅助决策维修、事后故障复演与日常训练三大模块集成，有效提高发射场技术人员的业务熟练度。
图4 控制系统数字孪生体需求分析
2.2 基于数字孪生的健康管理方案制定
由上述分析可知，火箭控制系统的故障部位和故障原因多样，制定数字孪生驱动的健康管理方案需从控制系统的系统层次考虑。在此，我们建立数字孪生驱动的故障诊断流程，作为其健康管理方案，如图5所示。①搭建火箭控制系统实体；
②数据采集：利用地面测试系统实现模拟信号、时序信号、脉冲信号和时序信号的采集，获取火箭的多源异构数据；
③孪生模型的建立与融合：在SolidWorks软件中搭建火箭控制系统的几何-物理-行为-规则模型[24],并在3ds Max软件中实现模型的降价与简化；
④建立推演-关联-约束的规则模型，实现控制系统各关键组件的模型融合，使之形成有机整体；
⑤数据融合：建立控制系统孪生数据平台，包括历史测发数据、仿真数据、环境数据和融合新数据；
⑥模型一致性检验：保证建立的孪生体与控制系统实体间保持高度一致性，确保模型建立准确；
⑦故障诊断：将故障分为渐进故障和突发故障，利用卷积神经网络算法，实现故障的训练与预测，包括故障模拟、故障特征提取、故障模式分类三部分[25]；
⑧运维策略支撑：针对故障模式和故障部位在事先建立的案例库中寻找合适的运维策略，在虚拟实体上进行先行验证，最后在控制系统实体上执行运维策略，实现有效闭环。
图5 数字孪生驱动的控制系统故障诊断流程
在对火箭控制系统数字孪生体进行功能需求分析和基本方案制定的基础上，提出控制系统健康管理数字孪生体的组成框架，从五维系统组成和四维模型构建两个角度，实现该数字孪生平台的初步设想。
3.1 控制系统健康管理数字孪生体系统组成
原有数字孪生体的建立是以三维模型为基础，包括物理实体层、数字孪生模型层和信息交互层。物理实体层指火箭控制系统这个客观存在的实体；
模型层指与物理实体层高度一致的仿真模型；
信息交互层指物理实体与模型层之间的交互连接与信息传递[26]。在三维模型基础上，构建火箭控制系统的数字孪生五维模型，更加完备地对数字孪生体进行全方位的描述。该五维模型包括物理平台、虚拟仿真平台、支持服务平台、孪生数据平台和各组成之间的数据交互连接，如图6所示。
图6 火箭控制系统数字孪生五维模型
1)物理平台
五维模型中的物理平台指火箭控制系统实体。控制系统是客观存在的实体部分，是火箭的重要组成，由姿态控制系统、制导系统、供配电系统、时序控制系统组成。鉴于控制系统的闭环控制回路，我们在此选取箭载计算机、惯组、速率陀螺、伺服机构、功率放大器等关键组件构成控制系统的物理平台。同时，在关键组件上布设各类传感器，通过测试系统实时采集动态数据，监测控制系统的状态和环境情况。
2)虚拟仿真平台
虚拟仿真平台在此指火箭控制系统的虚拟孪生模型。该虚拟平台是在物理平台的基础上，完成几何-物理-行为-规则模型的融合封装，从而创建与物理实体相对应的虚拟实体[27]。几何模型着重完成控制系统关键组件的装配关系搭建，描述其尺寸大小和形状。物理模型反映控制系统的电磁、温度、压力、振动等物理特性。行为模型再现控制系统的负反馈闭环控制回路，模拟火箭姿态控制的运行原理。规则模型集成控制系统的相关专家知识，例如 1533B箭上总线系统的相关协议规则、火箭故障诊断的案例库和故障树分析法等。
3)支持服务平台
支持服务平台在此指火箭控制系统的故障诊断与健康管理系统。该系统借助Unity3D软件完成场景渲染，并进行模块集成和功能开发，包括:①控制系统运行状态监测，能够实时获取控制系统关键组件的数据信息；
②控制系统孪生数据生成，为故障预测提供大量仿真数据，与测试发射历史数据一起作为有效数据支撑；
③控制系统的故障诊断与预测，作为一个信息化平台，在数字孪生模型基础上，配合智能算法实现故障预测与健康管理。④可视化交互平台，方便发射场技术人员进行运维策略选取和日常模拟训练。
4)孪生数据平台
孪生数据平台指火箭控制系统的孪生数据库，它是数字孪生体的核心大脑，用来驱动整套系统平稳运行。火箭控制系统孪生数据库主要包括五类数据：控制系统物理平台数据、虚拟平台仿真数据、服务平台运行数据、专家知识数据以及通过物理信息融合产生的融合新数据[28]。例如，火箭实时环境数据、仿真分析数据、控制系统实体几何数据、测试发射数据、控制系统虚拟模型数据，以及各类融合新数据。
5)数据交互连接
数据的交互连接贯穿整个数字孪生平台的各组成之间，包括物理平台、虚拟仿真平台、支持服务平台、孪生数据平台两两之间的六大类连接。它是贯穿系统的纽带，负责数据交互、数据传输以及虚实映射的迭代更新工作。
3.2 控制系统健康管理数字孪生体的模型构建
火箭是一个复杂的大型系统，由控制系统的系统组成可知，火箭姿态的准确控制离不开负反馈闭环回路的成功运行，是箭载计算机、惯组、速率陀螺、功率放大器和伺服机构共同作用的结果。因此，火箭控制系统数字孪生模型的搭建不仅需要刻画各组件的基本几何特征，还要反映其多维物理属性，使其满足动力学知识、压力、温度、电磁等特性。通过建立“几何-物理-行为-规则”四维模型融合，实现物理实体与虚拟模型的完美映射[29]。
如图7所示，在虚拟仿真平台中，几何模型是一个三维实体模型，通常利用CAD软件刻画物理实体的几何参数[30]，切实反映物理装备的外观形状、尺寸大小、内部结构、空间位置姿态和装配关系。具体包括火箭控制系统的重要组成部件：惯组模型、速率陀螺模型、箭载计算机模型、伺服机构模型、程序配电器和功率放大器模型。在几何模型构建时，需要考虑控制系统之间的线路连接和组装各部件的顺序。
图7 火箭控制系统数字孪生模型构建
物理模型用来描述装备的多学科属性，负责解析装备的运行机理，包括火箭控制系统的结构、电场、磁场、压力场、振动与温度等物理特性。同时，还包括加速度表和速率陀螺相关的姿态位置、角速率、俯仰角、偏航角和滚动角[31]，测量系统的压力、液位、振动、电信号，以及飞行中各类载荷的干扰力矩等传感器信息。
行为模型描述装备的动态性能、响应机制、性能退化趋势和随机扰动，具体指火箭控制系统的负反馈控制回路。首先，惯组和速率陀螺实时获取火箭飞行的加速度和角速度信息，箭载计算机对其进行计算处理，输出控制指令，作用在伺服机构上，驱动喷管等机构运动，进而控制火箭的飞行姿态。
规则模型描述专家知识、历史经验和相关领域的标准规则。首先，由顶事件逐层展开建立的火箭控制系统故障树可以作为推演规则[32]；
控制系统知识库可以作为关联规则，例如控制系统的制导规则、分级供配电规则、程序角设计规则[33]；
约束规则包括1533B总线的通信规则、系统级冗余设计规则和关机控制规则等[34]。各类规则相互集成，构成完整的控制系统规则模型。
在3ds Max或者Simulink等软件中完成“几何-物理-行为-规则”模型融合的基础上[35]，再对该控制系统虚拟模型进行评估验证，保证模型自身的正确性和有效性。之后，分析各层模型之间的关联与映射关系，使四层模型实现有机融合，变成一个完整的三维模型。最后，将物理实体与虚拟模型进行一致性验证，判断孪生体搭建是否与实际相符，若不符合则重新构建模型[36]。
上文分析了火箭控制系统健康管理数字孪生平台的组成框架，在此初步设想的基础上，从健康管理数字孪生体的系统架构设计和运行机制两个角度，分析火箭控制系统健康管理数字孪生平台的系统总体方案设计。
4.1 健康管理数字孪生体的系统架构设计
数字孪生驱动的火箭控制系统健康管理数字孪生系统预期实现控制系统智能化和实时化的故障诊断与状态监测。本文基于数字孪生技术，实现火箭控制系统数字空间与物理空间的互联互通和交互映射。如图8所示为火箭控制系统健康管理数字孪生体的六维系统架构。该系统架构由设备层、模型层、数据层、软件技术层、支持服务层和功能应用层组成。
该数字孪生体的六维系统架构描述了物理数据在火箭控制系统物理实体、虚拟仿真平台、孪生数据平台和支持服务平台等系统组成之间的迭代更新。数据的获取与存储是该系统实现的数据基础，也是控制系统实体与虚拟信息系统之间连接的纽带。利用多维传感器完成控制系统的实时数据采集，并进行数据特征提取与特征选择，完成数据处理。通过TCP/IP协议将数据传输至软件技术层[37]，借助模型与数据融合的故障诊断方法完成健康管理系统的搭建工作，从而完成该数字孪生平台的功能实现。
1)设备层
物理设备层是数字孪生体的基础，是该系统的底层对象和信息提供者。具体指火箭控制系统实体，其中包括控制系统的姿态控制系统、制导系统、电源供配电系统和飞行时序指令系统，同时还包括各系统活动的集合。在部署传感器和地面连接测试系统的基础上，具有数据采集与传输功能，能实时感知控制系统关键单机设备的结构状态、运行性能等相关参数。另外，设备层还会接收模型层的反馈指令，在模型层完成运维策略验证后，执行运维方案的实体操作，从而实现数字孪生体对物理实体的反馈控制。
图8 火箭控制系统健康管理数字孪生体的六维系统架构
2)模型层
模型层指火箭控制系统的虚拟模型搭建、虚拟仿真平台集成以及后期利用虚拟模型进行故障诊断与健康管理的仿真过程。模型层主要由控制系统数字模型、数据分析模型、故障诊断模型和健康评定知识模型组成。针对火箭控制系统的控制原理、故障诊断、日常运维等进行信息融合，形成虚拟数字模型。首先，利用建模软件组装控制系统单机设备的三维实体模型，并填充相关规则，再进行正常工况下的有限元仿真[38]，最终实现火箭控制系统实体和虚拟仿真平台的虚实映射。
3)数据层
数据层指火箭控制系统的孪生数据平台，是整个孪生体的核心驱动，是保证状态监测和故障诊断正常运行的关键。主要由控制系统参数、仿真数据、正常数据、故障模拟数据、故障诊断模型数据、专家系统知识规则、环境数据组成。负责为控制系统实体、控制系统虚拟模型和控制系统健康管理服务系统提供数据支撑。在数字孪生模型准确的基础上，通过模拟仿真火箭控制系统的故障情况，积累故障仿真数据，完成故障模拟与故障注入，与历史测发数据一起，共同为后续健康管理系统服务。
4)软件技术层
软件技术支撑层为健康管理系统提供技术支持。主要技术包括数字孪生的多领域模型构建与融合技术、数据驱动与模型驱动相融合的故障诊断技术、虚拟现实交互技术、孪生模型验证技术、深度学习重构技术等[39]。所需要的软件保障包括SolidWorks、3ds Max等建模软件，前者搭建控制系统详实模型，后者完成模型简化与降价[40]；
Unity3D集成开发健康管理系统的设计应用；
基于MATLAB进行故障诊断算法的搭建和神经网络的学习。
5)支持服务层
支持服务层指孪生数据驱动的火箭控制系统的故障诊断服务。它将系统的功能应用划分为各项服务，包括观察、分析、决策3个阶段。在实现仿真交互的基础上，进行控制系统实体与虚拟模型的一致性判断。若两者一致，提出基于虚拟验证的运维策略。
6)功能应用层
应用层将服务层的功能进行集合封装，直接面向用户，向用户提供可视化、集成化的操作界面，形成一套火箭控制系统的健康管理系统。在火箭的射前测试阶段、发射阶段和飞行阶段的全周期实现状态监测评估、故障预测与诊断、维修策略、日常训练等智能化功能集合，达到智能故障诊断与健康管理的目标。
4.2 健康管理数字孪生体的运行机制
由于火箭控制系统的分系统复杂，部件繁多，常见故障诊断方法难度较大。在此建立数字孪生健康管理系统，对火箭控制系统进行故障诊断，实现实时在线监测故障的目标。如图9所示是火箭控制系统健康管理数字孪生体的运行机制。
图9 火箭控制系统健康管理数字孪生体的运行机制
本节从火箭控制系统运维策略实体验证、运维策略虚拟模型验证和虚实映射实时交互这三部分阐述基于数字孪生的火箭控制系统故障诊断三阶运行机制。图中阶段①是火箭控制系统运维策略实体验证过程，刻画了火箭控制系统和数字孪生健康管理系统的交互。当火箭控制系统实体接收到火箭初始姿态信息时，健康管理系统在孪生数据平台的驱动下，生成初始运维策略配置方案。健康管理系统通过多维传感器获得控制系统的实时数据。火箭控制系统则获得健康管理系统下达的故障分析控制指令。该过程反复迭代，最终实现故障定位。该阶段产生的数据均存储在火箭控制系统孪生数据平台中，同时进行数据融合，作为后续数据驱动基础。
阶段②是运维策略的虚拟模型验证，体现了虚拟仿真平台与数字孪生健康管理系统之间的交互。虚拟仿真平台接收上一阶段的故障定位，在历史测发数据、控制系统实时数据的驱动下，建立多维孪生模型对控制系统工作过程进行仿真分析。虚拟仿真平台将仿真优化结果传至健康管理系统，修正优化，并反馈至虚拟平台。
阶段③是虚实映射、实时交互过程，反映了火箭控制系统物理实体与虚拟仿真平台之间的交互。火箭控制系统接收阶段②产生的姿态控制指令，伺服机构产生相应动作。同时，控制系统将数据通过传感器实时传递至虚拟仿真平台。虚拟平台及时自我更新迭代，实现与火箭控制系统的实时映射。它基于各类孪生数据，对控制系统发出实时调控指令。如此迭代优化，直到最终确定运维策略。
通过以上3个阶段，火箭控制系统实现了故障诊断的运维策略制定。同时，火箭控制系统的数字孪生平台不断完善更新和模型重构，保证物理实体与孪生模型的高度一致性[41]。
基于数字孪生技术，优化改进运载火箭控制系统传统的故障诊断方法，设计了火箭控制系统故障诊断的数字孪生模型。该方法预期能够实现火箭控制系统地面测试阶段和飞行阶段的实时故障诊断，解决控制系统故障数据不足的难题。
后续将针对运载火箭控制系统的某型号光纤惯组开展数字孪生的模型研究，完善控制系统故障诊断的数字孪生技术体系。针对光纤惯组的关键部件，如光纤陀螺仪和加速度计，基于MATLAB/Simulink建立其数字孪生模型和仿真模拟。之后，在惯组物理实体上进行合理测点布局和传感器选择，便于获取实时状态数据，进而完成惯组的数字孪生映射模型构建。未来该数字孪生故障诊断系统将在惯组的基础上，实现火箭控制系统总体的孪生映射和健康管理。
猜你喜欢故障诊断火箭实体基于包络解调原理的低转速滚动轴承故障诊断一重技术(2021年5期)2022-01-18前海自贸区：金融服务实体中国外汇(2019年18期)2019-11-25实体书店步入复兴期？当代陕西(2019年5期)2019-03-21数控机床电气系统的故障诊断与维修电子制作(2018年10期)2018-08-04两会进行时：紧扣实体经济“钉钉子”领导决策信息(2017年9期)2017-05-04振兴实体经济地方如何“钉钉子”领导决策信息(2017年9期)2017-05-04基于量子万有引力搜索的SVM自驾故障诊断北京航空航天大学学报(2016年6期)2016-11-16透视奇妙的火箭小朋友·快乐手工(2016年5期)2016-05-14超酷的火箭小朋友·快乐手工(2015年10期)2015-11-02江淮同悦纯电动汽车无倒档故障诊断与排除汽车电器(2014年5期)2014-02-28