通过在系统上注入SCSI故障，该工具可以测试与文件系统相关的错误处理例程，并阻止Linux系统的I / O。 可以使用此工具测试使用SCSI中间层的任何上层应用程序/驱动程序。

Unsupervised Electric Motor Fault Detection by Using Deep Autoencoders Emanuele Principi

密码学

本文研究了基于增量算子方法为不确定TS模糊模型设计鲁棒故障检测的问题。 借助于TS模糊德尔塔算子系统，通过德尔塔算子方法构建了一个模糊故障检测滤波器系统。 最坏情况下的故障敏感度是根据线性矩阵不等式制定的。 提出的故障检测滤波器不仅确保从故障信号到残留信号的H（-）增益大于规定值，而且还确保从外源输入到残留信号的H（-）增益小于规定值。关于线性矩阵不等式的可解性的规定值。 线性矩阵不等式可以通过有效的算法求解。 提供了一个数值示例来说明所提出的设计技术的有效性。

According to the standard IEC 61508 fault insertion testing is required for the verification of fail-safe systems. Usually these systems are realized with microcontrollers. Fail-safe systems based on a novel CPLD-based architecture require a different method to perform fault insertion testing than microcontroller-based systems. This paper describes a method to accomplish fault insertion testing of a system based on the novel CPLD-based architecture using the original system hardware. The goal is to verify the realized safety integrity measures of the system by inserting faults and observing the behavior of the system. The described method exploits the fact, that the system contains two channels, where both channels contain a CPLD. During a test one CPLD is configured using a modified programming file. This file is available after the compilation of a VHDL-description, which was modified using saboteurs or mutants. This allows injecting a fault into this CPLD. The other CPLD is configured as fault-free device. The entire system has to detect the injected fault using its safety integrity measures. Consequently it has to enter and/or maintain a safe state. 微信号：safetyfirst61508

strace as a fault injection tool

本研究提出了一种针对一类非线性多车辆系统的容错输出同步控制方法。 首先，通过利用局部测量为车辆系统设计自适应故障诊断观察器。 得出用于每个车辆系统的分布式故障检测的自适应阈值。 然后提出了一种自适应故障估计算法。 利用在线获取的故障信息，设计了自适应容错控制协议，以确保联网车辆系统的输出同步。 实践证明，所提出的主动容错控制协议能够在存在故障的情况下，将多车系统的输出同步性能保持在可接受的水平。 最后，仿真结果表明了所提算法的有效性。

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型,通常难以建立精确的数学模型,相比之下构建其模糊模型是一个有效途径.本文研究了相关向量机(Relevance vector machine,RVM)与模糊推理系统(Fuzzy inference system,FIS)之间的内在联系,证明了基于RVM的FIS具有一致逼近性,并提出了一种基于RVM和梯度下降(Gradient descent,GD)算法的模糊模型辨识方法.基于所给出的模糊模型辨识方法提出了一种新的故障预报算法.仿真结果表明所建立的模糊模型不仅结构更加简单,而且能达到更高的预测精度,所提出的故障预报算法能准确地预报系统故障.

考虑了随机离散事件系统中的故障可预测性。 引入了渐近几乎确定的可预测性（或AAS可预测性）的概念，并获得了AAS可预测性的充要条件。

最近报道的大多数模拟故障字典技术的测试点选择算法都是基于整数编码表（ICT）技术的。 因此，这些算法的准确性与ICT技术的准确性密切相关。 不幸的是，这种技术是不准确的，特别是当故障字典的大小很大时。 针对测试点选择问题，本文提出了一种精确的故障对布尔表技术。 首先，介绍了将故障字典转换为故障对布尔表的方法。 然后，提出了一种基于故障对布尔表的测试点选择算法。 第三，使用几个示例电路来说明所提出的算法。 仿真结果表明，该方法比其他方法更为准确。 因此，这是最小化测试点集大小的良好解决方案。 ？ 2010年Springer Science + Business Media，LLC。