CN101387886A - 不完备故障诊断信息的处理方法 - Google Patents
不完备故障诊断信息的处理方法 Download PDFInfo
- Publication number
- CN101387886A CN101387886A CNA2008101373687A CN200810137368A CN101387886A CN 101387886 A CN101387886 A CN 101387886A CN A2008101373687 A CNA2008101373687 A CN A2008101373687A CN 200810137368 A CN200810137368 A CN 200810137368A CN 101387886 A CN101387886 A CN 101387886A
- Authority
- CN
- China
- Prior art keywords
- fault object
- row
- decision
- fault
- symptom
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
不完备故障诊断信息的处理方法,涉及设备故障的诊断方法,解决了下列问题:1.删除法存在删除少量的不完备故障诊断信息会严重影响信息的客观性和结果的正确性,造成获取的故障诊断决策规则没有意义;2.补全法存在对不完备故障诊断信息进行的补全处理不一定完全符合客观事实,并且填充的这些信息如果不正确会引入新的噪声,从而导致故障诊断信息错误,造成误诊。本发明所述的方法首先根据数据库中的不完备信息填写不完备故障诊断信息决策表,然后根据不完备故障诊断信息决策表建立面向故障对象的分辨矩阵表,通过对分辨矩阵表中各行故障诊断对象对应的分辨矩阵基元的约简最后获得最优故障诊断决策规则表。本发明适用于设备故障的诊断。
Description
技术领域
本发明涉及设备故障的诊断方法,具体涉及从不完备故障诊断信息中获取最优故障诊断的方法。
背景技术
现代的企业通常都对重要的机械设备建立相应的故障诊断数据库,但是由于受工况复杂度和运行环境等因素的制约使得有些故障诊断信息存在某种程度的不完备,但这些不完备的故障诊断信息却包含了丰富的设备运行信息。目前不完备故障诊断信息的处理方法常采用以下两种处理策略:(1)删除法,就是将包含不完备故障诊断信息的样本删除,从而获得一个完备的故障诊断信息后再获取故障诊断决策规则;(2)补全法,就是根据不完备故障诊断信息的统计规律填充一些信息使不完备故障诊断信息完备化,然后再获取故障诊断决策规则。在故障诊断信息样本很少时,删除少量的不完备故障诊断信息也会严重影响到信息的客观性和结果的正确性;依靠纯数学含义上的统计规律进行的补全处理不一定完全符合客观事实,并且填充的这些信息如果不正确往往还会引入新的噪声,从而导致故障诊断信息错误,造成误诊。上述两种处理策略都会或多或少地改变原始的故障诊断信息,从而造成获取的故障诊断决策规则没有意义
发明内容
本发明提出的不完备故障诊断信息的处理方法解决了下列问题:1、在故障诊断信息样本很少时,删除少量的不完备故障诊断信息会严重影响到信息的客观性和结果的正确性,从而造成获取的故障诊断决策规则没有意义;2、依靠纯数学含义上的统计规律对不完备故障诊断信息进行的补全处理不一定完全符合客观事实,并且填充的这些信息如果不正确还会引入新的噪声,从而导致故障诊断信息错误,造成误诊。
本发明的方法的步骤为:
第一步:建立不完备故障诊断信息决策表,首先根据数据库中的不完备故障诊断信息填写决策表,不完备故障诊断信息决策表的第1列为故障对象域U,U={x1,x2,x3,……xn};第2列为故障对象域U中的元素出现的次数k,k为正整数;M为故障征兆属性集,M={c1,c2,c3,……cm},则第3列到第(3+m)列为故障征兆属性对应于故障对象的故障征兆值;第(4+m)列为对应于故障对象的故障决策属性d及其取值;然后根据前面填写的不完备故障诊断信息获得最后一列的对应于故障对象的广义决策属性集;
所述的广义决策属性集是通过以下过程获得的:征兆属性cg对应于故障对象xi的故障征兆值和征兆属性cg对应于故障对象xj的故障征兆值相等或者其中一个故障征兆值为空缺,则认为故障对象xi和故障对象xj相似,若相似,则将故障对象xi对应的故障决策属性值和故障对象xj对应的故障决策属性值相并得到故障对象xi的广义决策属性值集合和故障对象xj的广义决策属性值集合;若不相似,则故障对象xi对应的故障决策属性值即为故障对象xj的广义决策属性值集合,故障对象xj对应的故障决策属性值即为故障对象xj的广义决策属性值集合;
第二步:根据建立的不完备故障诊断信息决策表,建立面向故障对象的分辨矩阵表;
面向故障对象的分辨矩阵表通过以下过程建立:第1列的第2行到第n+1行为故障对象域U,U={x1,x2,x3,……xn},称为行故障对象域,xi表示行故障对象,第2列的第1行到第n+1列的第1行也为故障对象域U,U={x1,x2,x3,……xn},称为列故障对象域,xj表示列故障对象;根据建立的不完备故障诊断信息决策表来填写分辨矩阵表:(1)行故障对象xi的广义决策属性值集合和列故障对象xj的广义决策属性值集合相同时,行故障对象xi和列故障对象xj交叉处的分辨矩阵基元为空;(2)列故障对象xj的广义决策属性值集合是行故障对象xi的广义决策属性值集合的真子集时,行故障对象xi和列故障对象xj交叉处的分辨矩阵基元也为空;(3)行故障对象xi的广义决策属性值集合和列故障对象xj的广义决策属性值集合相交为空时,依次考查行故障对象xi和列故障对象xj对应的所有征兆属性值,其中征兆属性cg对应于行故障对象xi的故障征兆值和征兆属性cg对应于列故障对象xj的故障征兆值不空缺且故障征兆值不相等,则征兆属性cg为行故障对象xj和列故障对象x交叉处的分辨矩阵基元中的一个元素;依次对行故障对象xi和列故障对象xj对应的所有征兆属性进行上述计算之后,便得到了行故障对象xi和列故障对象xj交叉处的分辨矩阵基元;
第三步:在面向故障对象的分辨矩阵表中,对于每一个行故障对象xi,首先将从第2列到第(n+1)列的各个分辨矩阵基元表示成各征兆属性值的相并,然后将各个分辨矩阵基元之间相交,便得到了若干析取范式的合取范式,称为面向行故障对象xi的分辨函数;
第四步:对于面向行故障对象xi的分辨函数的各个析取范式,依次从数目最少的析取范式开始,利用命题逻辑中的吸收律,去掉该析取范式的超集,然后统计保留下的每个析取范式中各个征兆属性的出现次数,将出现次数最高的征兆属性(最少出现两次的征兆属性)作为公因式提取出来,利用命题逻辑中的分配律进行等价转换,重复上述过程直到不能再应用吸收律为止,等价地转化后的析取范式的子式中数目最小的子式便是行故障对象xi的最小面向对象约简Rmin(xi),最小面向对象约简Rmin(xi)由一个或多个征兆属性的最简析取范式组成;
第五步:将最小面向对象约简Rmin(xi)中一个析取范式中的每一个征兆属性和该征兆属性对应于行故障对象xi的故障征兆值组成一个集合,再将这个析取范式中组成的所有集合相交得到一个最优广义诊断决策规则的条件部分,序号记为rf,该析取范式对应的行故障对象xi所对应的广义决策属性相并得到这个最优广义诊断决策规则的决策部分;
第六步:对得到的整个不完备故障诊断信息决策表支持的最优广义诊断决策规则集合利用支持量和最优广义诊断决策规则的支持对象作为评价指标,rf所对应的支持对象是在整个不完备故障诊断信息决策表中满足rf所对应的最优广义诊断决策规则的行故障对象,rf所对应的支持量是所有满足rf所对应的最优广义诊断决策规则的行故障对象所对应的故障对象域U中的元素出现的次数k的和。
本发明提出的不完备故障诊断信息的处理方法,1、没有对故障诊断信息进行删除,所以不会影响信息的客观性和结果的正确性,从而获得的故障诊断决策规则具有实际意义;2、没有依靠纯数学含义上的统计规律对不完备故障诊断信息进行的补全处理,所以本发明完全符合客观事实,而且没有引入新的噪声,从而使故障诊断信息准确。本方法充分利用了来自诊断设备的包括不完备故障诊断信息在内的状态信息,保持了诊断数据集的客观真实性,提高了故障诊断信息的利用价值。
具体实施方式
具体实施方式一:
本实施方式所述方法的具体步骤为:
第一步:建立不完备故障诊断信息决策表,首先根据数据库中的不完备故障诊断信息填写决策表,不完备故障诊断信息决策表的第1列为故障对象域U,U={x1,x2,x3,……xn};第2列为故障对象域U中的元素出现的次数k,k为正整数;M为故障征兆属性集,M={c1,c2,c3,……cm},则第3列到第(3+m)列为故障征兆属性对应于故障对象的故障征兆值;第(4+m)列为对应于故障对象的故障决策属性d及其取值;然后根据前面填写的不完备故障诊断信息获得最后一列的对应于故障对象的广义决策属性集;
所述的广义决策属性集是通过以下过程获得的:征兆属性cg对应于故障对象xi的故障征兆值和征兆属性cg对应于故障对象xj的故障征兆值相等或者其中一个故障征兆值为空缺,则认为故障对象xi和故障对象xj相似,若相似,则将故障对象xi对应的故障决策属性值和故障对象xj对应的故障决策属性值相并得到故障对象xi的广义决策属性值集合和故障对象xj的广义决策属性值集合;若不相似,则故障对象xi对应的故障决策属性值即为故障对象xi的广义决策属性值集合,故障对象xj对应的故障决策属性值即为故障对象xj的广义决策属性值集合;
第二步:根据建立的不完备故障诊断信息决策表,建立面向故障对象的分辨矩阵表;
面向故障对象的分辨矩阵表通过以下过程建立:第1列的第2行到第n+1行为故障对象域U,U={x1,x2,x3,……xn},称为行故障对象域,xi表示行故障对象,第2列的第1行到第n+1列的第1行也为故障对象域U,U={x1,x2,x3,……xn},称为列故障对象域,xj表示列故障对象;根据建立的不完备故障诊断信息决策表来填写分辨矩阵表:(1)行故障对象xi的广义决策属性值集合和列故障对象xj的广义决策属性值集合相同时,行故障对象xi和列故障对象xj交叉处的分辨矩阵基元为空;(2)列故障对象xj的广义决策属性值集合是行故障对象xi的广义决策属性值集合的真子集时,行故障对象xi和列故障对象xj交叉处的分辨矩阵基元也为空;(3)行故障对象xi的广义决策属性值集合和列故障对象xj的广义决策属性值集合相交为空时,依次考查行故障对象xi和列故障对象xj对应的所有征兆属性值,其中征兆属性cg对应于行故障对象xi的故障征兆值和征兆属性cg对应于列故障对象xj的故障征兆值不空缺且故障征兆值不相等,则征兆属性cg为行故障对象xi和列故障对象xj交叉处的分辨矩阵基元中的一个元素;依次对行故障对象xi和列故障对象xj对应的所有征兆属性进行上述计算之后,便得到了行故障对象xi和列故障对象xj交叉处的分辨矩阵基元;
第三步:在面向故障对象的分辨矩阵表中,对于每一个行故障对象xi,首先将从第2列到第(n+1)列的各个分辨矩阵基元表示成各征兆属性值的相并,然后将各个分辨矩阵基元之间相交,便得到了若干析取范式的合取范式,称为面向行故障对象xi的分辨函数;
第四步:对于面向行故障对象xi的分辨函数的各个析取范式,依次从数目最少的析取范式开始,利用命题逻辑中的吸收律,去掉该析取范式的超集,然后统计保留下的每个析取范式中各个征兆属性的出现次数,将出现次数最高的征兆属性(最少出现两次的征兆属性)作为公因式提取出来,利用命题逻辑中的分配律进行等价转换,重复上述过程直到不能再应用吸收律为止,等价地转化后的析取范式的子式中数目最小的子式便是行故障对象xi的最小面向对象约简Rmin(xi),最小面向对象约简Rmin(xi)由一个或多个征兆属性的最简析取范式组成;
第五步:将最小面向对象约简Rmin(xi)中一个析取范式中的每一个征兆属性和该征兆属性对应于行故障对象xi的故障征兆值组成一个集合,再将这个析取范式中组成的所有集合相交得到一个最优广义诊断决策规则的条件部分,序号记为rf,该析取范式对应的行故障对象xi所对应的广义决策属性相并得到这个最优广义诊断决策规则的决策部分;
第六步:对得到的整个不完备故障诊断信息决策表支持的最优广义诊断决策规则集合利用支持量和最优广义诊断决策规则的支持对象作为评价指标,rf所对应的支持对象是在整个不完备故障诊断信息决策表中满足rf所对应的最优广义诊断决策规则的行故障对象,rf所对应的支持量是所有满足rf所对应的最优广义诊断决策规则的行故障对象所对应的故障对象域U中的元素出现的次数k的和。
具体实施方式二:以包含不完备故障诊断信息的电力控制中心数据库为例说明本实施方式。
第一步:建立不完备故障诊断信息决策表:
表1 不完备故障诊断信息决策表
U | k | c1 | c2 | c3 | c4 | c5 | c6 | c7 | c8 | d | 广义决策属性集 |
x1 | 2 | M | M | L | N | Q | N | 1 | 1 | S | {S} |
x2 | 1 | * | M | * | N | Q | * | 1 | 1 | S | {S,U2} |
x3 | 3 | M | L | L | * | Q | * | * | 1 | S | {S,U1} |
x4 | 2 | * | * | M | N | N | N | 0 | 1 | S | {S} |
x5 | 1 | M | * | L | * | Q | N | 1 | 1 | S | {S,U1} |
x6 | 1 | * | M | * | N | * | * | 1 | 1 | S | {S,U2} |
x7 | 3 | L | * | L | * | * | Q | * | 1 | U2 | {S,U1,U2} |
x8 | 2 | L | * | M | Q | P | * | 0 | 1 | U2 | {U1,U2} |
x9 | 1 | * | M | M | * | P | Q | * | 1 | U2 | {S,U1,U2} |
x10 | 1 | L | M | * | Q | N | * | 0 | 1 | U2 | {U1,U2} |
x11 | 1 | H | * | M | P | Q | P | * | 1 | U2 | {U2} |
x12 | 4 | * | M | * | Q | * | Q | * | 1 | U1 | {U1,U2} |
x13 | 2 | L | H | M | * | N | Q | 0 | 1 | U1 | {U1} |
x14 | 1 | M | * | * | P | * | * | 1 | 1 | U1 | {S,U1,U2} |
表1中每行代表一类操作点的情况,故障对象x1,x2,x3,……x14代表14类操作点,故障征兆属性c1表示传输线1上实际电流量值与额定电流量值的百分比,故障征兆属性c2表示传输线2上实际电流量值与额定电流量值的百分比,故障征兆属性c3表示传输线3上实际电流量值与额定电流量值的百分比,故障征兆属性c1、c2和c3对应于各操作点的故障征兆值有L、M和H,其中L表示各传输线上实际电流量值与额定电流量值的百分比小于40%,M表示各传输线上实际电流量值与额定电流量值的百分比大于等于40%且小于等于70%,H表示各传输线上实际电流量值与额定电流量值的百分比大于70%;故障征兆属性c4表示传输线1上实际电压的标么值,故障征兆属性c5表示传输线2上实际电压的标么值,故障征兆属性c6表示传输线3上实际电压的标么值,故障征兆属性c4、c5和c6对应于各操作点的故障征兆值有P、N和Q,其中P表示各传输线上实际电压的标么值小于0.85,N表示各传输线上实际电压的标么值大于等于0.85且小于等于1.05,Q表示各传输线上实际电压的标么值大于1.05;故障征兆属性c7表示环路断点1的状态,故障征兆属性c8表示路断点2的状态,故障征兆属性c7和c8对应各操作点的故障征兆值有0和1,其中0表示开状态,1表示关状态;各类操作点对应的决策属性有S、U1和U2,其中决策属性S表示安全,决策属性U1表示不安全水平1,决策属性U2表示不安全水平2;根据以上信息获得广义决策属性集。
所述的广义决策属性集是通过以下过程获得的:征兆属性cg对应于操作点xi的故障征兆值和征兆属性cg对应于操作点xj的故障征兆值相等或者其中一个故障征兆值为空缺,则认为操作点xi和操作点xj相似,若相似,则操作点xi对应的故障决策属性值和操作点xj对应的故障决策属性值相并得到操作点xi的广义决策属性值集合和操作点xj的广义决策属性值集合;若不相似,则操作点xi对应的故障决策属性值即为操作点xi的广义决策属性值集合,操作点xj对应的故障决策属性值即为故障对象xj的广义决策属性值集合;
第二步:根据建立不完备故障诊断信息决策表,建立面向故障对象的分辨矩阵表;
表2中面向故障对象的分辨矩阵表通过以下过程建立:第1列的第2行到第n+1行为故障对象域U(非空有限集),U={x1,x2,x3,……xn},称为行故障对象域,xi表示行故障对象,第2列的第1行到第n+1列的第1行也为故障对象域U(非空有限集),U={x1,x2,x3,……xn},称为列故障对象域,xj表示列故障对象;根据步骤一中不完备故障诊断信息决策表,填写分辨矩阵表:(1)行操作点xi的广义决策属性值集合和列操作点xj的广义决策属性值集合相同时,行操作点xi和列操作点xj交叉处的分辨矩阵基元为空;(2)列操作点xj的广义决策属性值集合是行操作点xi的广义决策属性值集合的真子集时,行操作点xi和列操作点xj交叉处的分辨矩阵基元也为空;(3)行操作点xi的广义决策属性值集合和列操作点xj的广义决策属性值集合相交为空时,依次考查行行操作点xi和列操作点xj对应的所有征兆属性值,其中征兆属性cg对应于行操作点xi的故障征兆值和征兆属性cg对应于列操作点xj的故障征兆值不空缺且故障征兆值均不相等,则征兆属性cg为行操作点xi和列操作点xj交叉处的分辨矩阵基元中的一个元素;依次对行操作点xi和列操作点xj对应的所有征兆属性进行上述计算之后,便得到了行操作点xi和列操作点xj交叉处的分辨矩阵基元;
以行操作点x1为例,说明第三步和第四步:
第三步得到的合取范式:Δ(x1)=(c1∨c6)∧(c1∨c3∨c4∨c5∨c7)∧(c3∨c5∨c6)∧(c1∨c4∨c5∨c7)∧(c1∨c3∨c4∨c6)∧(c4∨c6)∧(c1∨c2∨c3∨c5∨c6∨c7)∧(c4);
在Δ(x1)的8个析取范式中,最少的析取范式是(c4),由于析取范式(c1∨c3∨c4∨c5∨c7)、(c1∨c4∨c5∨c7)、(c1∨c3∨c4∨c6)、(c4∨c6)都是(c4)的超集,故根据命题逻辑中的吸收律,去掉这4个析取范式,接下来数目较少的析取范式为(c1∨c6),因为所以将析取范式(c1∨c2∨c3∨c5∨c6∨c7)去掉,经过这一步化简,Δ(x1)=(c1∨c6)∧(c4)∧(c3∨c5∨c6);在余下的3个析取范式中,c6为出现次数最高的征兆属性,故将包含征兆属性c6的两个析取范式应用分配律进行等价转换,即(c1∨c6)∧(c3∨c5∨c6)=(c6)∨{(c1)∧(c3∨c5)},则Δ(x1)=(c4)∧[(c6)∨{(c1)∧(c3∨c5)}]=(c4∧c6)∨[(c4)∧(c1)∧(c3∨c5)]=(c4∧c6)∨(c4∧c1∧c3)∨(c4∧c1∧c5);重复上述过程直到不能再应用吸收律为止,最后得到的最小面向对象约简Rmin(x1)=(c4,c6);
通过行操作点x1得到了第五步所述的最优广义诊断决策规则的1个条件:(c4,N)∧(c6,N);此最优广义诊断决策规则的决策:S;
同理通过第三步和第四步可以得到其余操作点的最小面向对象约简,得到了第五步中最优广义诊断决策规则的19个条件,以及对应的最优广义诊断决策规则的决策,通过第六步得到了这19个最优广义诊断决策规则的支持对象和支持量。
表3 最优广义诊断规则表
序号(rf) | 最优广义诊断决策规则的条件 | 最优广义诊断决策规则的决策 | 支持对象 | 支持量 |
r1 | (c4,N)∧(c6,N) | S | x1,x4 | 4 |
r2 | (c2,M)∧(c4,N) | S∨U2 | x1,x2,x6 | 4 |
r3 | (c4,N)∧(c5,H) | S∨U2 | x1,x2 | 3 |
r4 | (c4,N)∧(c7,1) | S∨U2 | x1,x2,x6 | 4 |
r5 | (c1,M)∧(c2,L) | S∨U1 | x3 | 3 |
r6 | (c1,M)∧(c3,L) | S∨U1 | x1,x3,x5 | 6 |
r7 | (c1,M)∧(c5,H) | S∨U1 | x1,x3,x5 | 6 |
r8 | (c1,M)∧(c6,N) | S∨U1 | x1,x5 | 3 |
r9 | (c5,H)∧(c6,N) | S∨U1 | x1,x5 | 3 |
r10 | (c6,N)∧(c7,1) | S∨U1 | x1,x5 | 3 |
r11 | (c1,L)∧(c4,H) | U1∨U2 | x8,x10 | 3 |
r12 | (c3,M)∧(c4,H) | U1∨U2 | x8 | 2 |
r13 | (c4,H)∧(c5,L) | U1∨U2 | x8 | 2 |
r14 | (c5,L)∧(c7,0) | U1∨U2 | x8 | 2 |
r15 | (c4,H)∧(c5,N) | U1∨U2 | x10 | 1 |
r16 | (c1,H)∧(c4,L) | U2 | x11 | 1 |
r17 | (c3,M)∧(c4,L) | U2 | x11 | 1 |
r18 | (c2,M)∧(c4,H)∧(c6,H) | U1∨U2 | x12 | 4 |
r19 | (c2,H)∧(c3,M)∧(c5,N)∧(c6,H) | U1 | x13 | 2 |
表3中的这些诊断决策规则是不完备故障诊断决策表1中所包含的诊断知识的精练概括和直观表示,可以为电力系统控制中心的操作员在后续的操作点安全状态识别中提供决策支持,这些规则为后续的故障诊断知识库的建立奠定了一个良好的基础。
Claims (1)
1、不完备故障诊断信息的处理方法,其特征在于它的步骤为:
第一步:建立不完备故障诊断信息决策表,首先根据数据库中的不完备故障诊断信息填写决策表,不完备故障诊断信息决策表的第1列为故障对象域U,U={x1,x2,x3,……xn};第2列为故障对象域U中的元素出现的次数k,k为正整数;M为故障征兆属性集,M={c1,c2,c3,……cm},则第3列到第(3+m)列为故障征兆属性对应于故障对象的故障征兆值;第(4+m)列为对应于故障对象的故障决策属性d及其取值;然后根据前面填写的不完备故障诊断信息获得最后一列的对应于故障对象的广义决策属性集;
所述的广义决策属性集是通过以下过程获得的:征兆属性cg对应于故障对象xi的故障征兆值和征兆属性cg对应于故障对象xj的故障征兆值相等或者其中一个故障征兆值为空缺,则认为故障对象xi和故障对象xj相似,若相似,则将故障对象xi对应的故障决策属性值和故障对象xj对应的故障决策属性值相并得到故障对象xi的广义决策属性值集合和故障对象xj的广义决策属性值集合;若不相似,则故障对象xi对应的故障决策属性值即为故障对象xi的广义决策属性值集合,故障对象xj对应的故障决策属性值即为故障对象xj的广义决策属性值集合;
第二步:根据建立的不完备故障诊断信息决策表,建立面向故障对象的分辨矩阵表;
面向故障对象的分辨矩阵表通过以下过程建立:第1列的第2行到第n+1行为故障对象域U,U={x1,x2,x3,……xn},称为行故障对象域,xi表示行故障对象,第2列的第1行到第n+1列的第1行也为故障对象域U,U={x1,x2,x3,……xn},称为列故障对象域,xj表示列故障对象;根据建立的不完备故障诊断信息决策表来填写分辨矩阵表:(1)行故障对象xi的广义决策属性值集合和列故障对象xj的广义决策属性值集合相同时,行故障对象xi和列故障对象xj交叉处的分辨矩阵基元为空;(2)列故障对象xj的广义决策属性值集合是行故障对象xi的广义决策属性值集合的真子集时,行故障对象xi和列故障对象xj交叉处的分辨矩阵基元也为空;(3)行故障对象xi的广义决策属性值集合和列故障对象xj的广义决策属性值集合相交为空时,依次考查行故障对象xi和列故障对象xj对应的所有征兆属性值,其中征兆属性cg对应于行故障对象xi的故障征兆值和征兆属性cg对应于列故障对象xj的故障征兆值不空缺且故障征兆值不相等,则征兆属性cg为行故障对象xi和列故障对象xj交叉处的分辨矩阵基元中的一个元素;依次对行故障对象xi和列故障对象xj对应的所有征兆属性进行上述计算之后,便得到了行故障对象xi和列故障对象xj交叉处的分辨矩阵基元;
第三步:在面向故障对象的分辨矩阵表中,对于每一个行故障对象xi,首先将从第2列到第(n+1)列的各个分辨矩阵基元表示成各征兆属性值的相并,然后将各个分辨矩阵基元之间相交,便得到了若干析取范式的合取范式,称为面向行故障对象xi的分辨函数;
第四步:对于面向行故障对象xi的分辨函数的各个析取范式,依次从数目最少的析取范式开始,利用命题逻辑中的吸收律,去掉该析取范式的超集,然后统计保留下的每个析取范式中各个征兆属性的出现次数,将出现次数最高的征兆属性(最少出现两次的征兆属性)作为公因式提取出来,利用命题逻辑中的分配律进行等价转换,重复上述过程直到不能再应用吸收律为止,等价地转化后的析取范式的子式中数目最小的子式便是行故障对象xi的最小面向对象约简Rmin(xi),最小面向对象约简Rmin(xi)由一个或多个征兆属性的最简析取范式组成;
第五步:将最小面向对象约简Rmin(xi)中一个析取范式中的每一个征兆属性和该征兆属性对应于行故障对象xi的故障征兆值组成一个集合,再将这个析取范式中组成的所有集合相交得到一个最优广义诊断决策规则的条件部分,序号记为rf,该析取范式对应的行故障对象xi所对应的广义决策属性相并得到这个最优广义诊断决策规则的决策部分;
第六步:对得到的整个不完备故障诊断信息决策表支持的最优广义诊断决策规则集合利用支持量和最优广义诊断决策规则的支持对象作为评价指标,rf所对应的支持对象是在整个不完备故障诊断信息决策表中满足rf所对应的最优广义诊断决策规则的行故障对象,rf所对应的支持量是所有满足rf所对应的最优广义诊断决策规则的行故障对象所对应的故障对象域U中的元素出现的次数k的和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101373687A CN101387886A (zh) | 2008-10-22 | 2008-10-22 | 不完备故障诊断信息的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101373687A CN101387886A (zh) | 2008-10-22 | 2008-10-22 | 不完备故障诊断信息的处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101387886A true CN101387886A (zh) | 2009-03-18 |
Family
ID=40477339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101373687A Pending CN101387886A (zh) | 2008-10-22 | 2008-10-22 | 不完备故障诊断信息的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101387886A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460654A (zh) * | 2014-11-04 | 2015-03-25 | 哈尔滨工业大学 | 一种基于量化特征关系的不完备故障诊断规则提取方法 |
CN111896246A (zh) * | 2020-07-29 | 2020-11-06 | 北京天地龙跃科技有限公司 | 一种健康管理验证评估系统 |
CN113537082A (zh) * | 2021-07-20 | 2021-10-22 | 郑州轻工业大学 | 一种基于信息不全的故障辨识方法 |
-
2008
- 2008-10-22 CN CNA2008101373687A patent/CN101387886A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460654A (zh) * | 2014-11-04 | 2015-03-25 | 哈尔滨工业大学 | 一种基于量化特征关系的不完备故障诊断规则提取方法 |
CN104460654B (zh) * | 2014-11-04 | 2017-08-25 | 哈尔滨工业大学 | 一种基于量化特征关系的齿轮不完备故障诊断规则提取方法 |
CN111896246A (zh) * | 2020-07-29 | 2020-11-06 | 北京天地龙跃科技有限公司 | 一种健康管理验证评估系统 |
CN113537082A (zh) * | 2021-07-20 | 2021-10-22 | 郑州轻工业大学 | 一种基于信息不全的故障辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103001328B (zh) | 一种智能变电站的故障诊断与评估方法 | |
CN104454785B (zh) | 一种工程机械液压缸故障诊断系统及与之适用的故障样本信号采集方法 | |
CN102735485B (zh) | 挖掘机以及确定设备故障的方法、系统 | |
CN108196143A (zh) | 电力变压器故障深度诊断方法及终端设备 | |
CN104950866A (zh) | 故障原因分类装置 | |
CN106932670A (zh) | 一种基于d‑s证据理论的配电自动化终端状态诊断方法 | |
CN106600127A (zh) | 一种基于贝叶斯网络可靠性修正模型的继电保护系统风险评估方法 | |
CN111310948A (zh) | 轨道交通车载信号系统的优化维修策略的获取方法 | |
CN104316801A (zh) | 基于时间序列相似性匹配的电力系统故障诊断方法 | |
CN107069960A (zh) | 一种二次运维管理系统的在线缺陷诊断方法 | |
CN101387886A (zh) | 不完备故障诊断信息的处理方法 | |
CN114326659A (zh) | 一种汽车电子控制单元故障诊断系统及方法 | |
CN103957132A (zh) | 一种反射内存网络节点卡共享存储区数据映射误码率测试方法 | |
CN105574299A (zh) | 一种轨道交通信号系统的安全预评估方法 | |
CN114138982A (zh) | 一种用于干式变压器故障诊断的知识图谱的构建方法 | |
WO2023103984A1 (zh) | 车辆故障诊断方法、装置、电子设备和存储介质 | |
WO2013079112A1 (en) | Processing data of a technical system comprising several assets | |
CN113191062B (zh) | 基于多源不完整信息的配电网故障区段定位方法及系统 | |
CN114385403A (zh) | 基于双层知识图谱架构的分布式协同故障诊断方法 | |
CN113487141A (zh) | 一种多源信息聚类融合的轴承状态评估方法 | |
CN113919225A (zh) | 环境试验箱可靠性评估方法和系统 | |
CN109978349B (zh) | 一种武器装备指数型和联系统的可靠度置信下限计算方法 | |
Yousuf et al. | Case-based reasoning for turbine trip diagnostics | |
CN114911654A (zh) | 一种故障分类方法、装置及系统 | |
CN107436958B (zh) | 一种基于通用逻辑的调度主站二次设备信号建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090318 |