CN108320112A - 一种确定设备健康状态的方法及装置 - Google Patents
一种确定设备健康状态的方法及装置 Download PDFInfo
- Publication number
- CN108320112A CN108320112A CN201810448072.0A CN201810448072A CN108320112A CN 108320112 A CN108320112 A CN 108320112A CN 201810448072 A CN201810448072 A CN 201810448072A CN 108320112 A CN108320112 A CN 108320112A
- Authority
- CN
- China
- Prior art keywords
- parameter
- parameter attribute
- weights
- attribute
- value
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种确定设备健康状态的方法及装置,用以解决现有技术中存在权值评估的合理性难于保证,以及评价结果可能偏离真实情况的问题。该方法包括:对与设备相关的参数特征的检测数据进行归一化;归一化后的检测数据通过模糊隶属度函数确定参数特征的单参数评价集合,根据单参数评价集合确定多个参数特征的评价集合;通过平均权值法和熵权法确定参数特征的权值,根据参数特征的权值和多个参数特征的评价集合,通过公式
Description
技术领域
本发明涉及统计技术领域,更具体的涉及一种确定设备健康状态的方法及装置。
背景技术
目前,大多数重要设备的在线监测主要是通过和事先设置的阈值进行比较来判断其工作状态,若检测参数越限,则判断为故障,上述检测方法属于成败型二元判断。这种判断方法结果简单,无法反映设备健康状态的发展趋势,无法实现对运行趋势恶化的判断识别,对设备维护检修的参考价值较小。而健康状态评估方法将设备的状态由原来的二元拓展至多元,覆盖了设备生命周期的各个阶段,能更加准确的反映设备的运行状况。
现有的基于定量参数特征的设备健康状态评估方法大多需要借助专家的经验来确定各个参数特征的权值,如采用专家打分的方式等。这种方式虽然有效的利用了专家的经验知识,但也存在一些问题。比如,一方面,方向特别对应的经验丰富的专家比较难找,权值评估的合理性难以保证;另一方面,在设备健康状态评估中,专家打分等方式得到的参数特征权值一般是静态固定的,难以适应设备的动态变化特性;同时也引入了过多的主观因素,导致结果有时偏离真实情况。
综上所述,现有的设备健康状态评估方法因依靠专家的经验来确定,存在权值评估的合理性难于保证,以及评价结果可能偏离真实情况的问题。
发明内容
本发明实施例提供一种确定设备健康状态的方法及装置,用以解决现有技术中存在权值评估的合理性难于保证,以及评价结果可能偏离真实情况的问题。
本发明实施例提供了一种确定设备健康状态的方法,包括:
对与设备相关的参数特征的检测数据进行归一化;
归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;
通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过下列公式确定所述设备的健康状态;
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
优选地,所述通过平均权值法和熵权法确定所述参数特征的权值,具体包括:
通过平均权值法确定所述参数特征的第一权值,通过熵权法确定所述参数特征的第二权值;
所述参数特征的第一权值和第二权值通过下列下列公式确定所述参数特征的权值:
其中,η1和η2为分配系数,满足η1+η2=1,为所述参数特征的权值,wx1为所述参数特征的第一权值,wx2为所述参数特征的第二权值。
优选地,所述通过熵权法确定所述参数特征的第二权值,具体包括:
通过公式确定所述参数特征在设定检测数据组中的概率;
根据所述概率以及公式确定所述参数特征的信息熵值;
根据所述信息熵值和公式确定所述参数特征的第二权值;
其中,p(xij)为参数特征xij在m组检测数据中出现的概率,ej为第j个参数特征的信息熵值,ei为第i个参数特征的信息熵值,n为参数特征的数量。
优选地,通过下列公式对与设备相关的参数特征的检测数据进行归一化:
其中,xs为理想标准值,xu为参数上限阈值,xl为参数下限阈值,λi为参数特征xi对应的归一化数值,为参数特征xi对应的m组检测值的归一化数值。
优选地,所述模糊隶属度函数为三角形隶属度函数。
本发明实施例还提供了一种确定设备健康状态的装置,包括:
归一化单元,用于对与设备相关的参数特征的检测数据进行归一化;
参数评价单元,用于归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;
确定单元,用于通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过下列公式确定所述设备的健康状态;
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
优选地,所述确定单元具体用于:
通过平均权值法确定所述参数特征的第一权值,通过熵权法确定所述参数特征的第二权值;
所述参数特征的第一权值和第二权值通过下列下列公式确定所述参数特征的权值:
其中,η1和η2为分配系数,满足η1+η2=1,为所述参数特征的权值,wx1为所述参数特征的第一权值,wx2为所述参数特征的第二权值。
优选地,所述确定单元具体用于:
通过公式确定所述参数特征在设定检测数据组中的概率;
根据所述概率以及公式确定所述参数特征的信息熵值;
根据所述信息熵值和公式确定所述参数特征的第二权值;
其中,p(xij)为参数特征xij在m组检测数据中出现的概率,ej为第j个参数特征的信息熵值,ei为第i个参数特征的信息熵值,n为参数特征的数量。
优选地,所述归一化单元具体用于:
其中,xs为理想标准值,xu为参数上限阈值,xl为参数下限阈值,λi为参数特征xi对应的归一化数值,为参数特征xi对应的m组检测值的归一化数值。
优选地,所述模糊隶属度函数为三角形隶属度函数。
本发明实施例提供了一种确定设备健康状态的方法及装置,该方法包括:对与设备相关的参数特征的检测数据进行归一化;归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过公式确定所述参数特征的健康状态;其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。该方法通过平均权值法和熵权法的组合权值确定方法,充分利用参数特征的变化信息对参数特征对应的权值进行计算,可以有效的解决现有技术中存在权值评估的合理性难于保证,以及评价结果可能偏离真实情况的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种确定设备健康状态的方法流程示意图;
图2为本发明实施例提供的设备归一化参数的健康隶属度函数示意图;
图3为本发明实施例提供的一种确定设备健康状态的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例提供的一种确定设备健康状态的方法流程示意图,如图1所示,该方法主要包括以下步骤。
步骤101,对与设备相关的参数特征的检测数据进行归一化;
步骤102,归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;
步骤103,通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过下列公式确定所述设备的健康状态;
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
在步骤101中,由于不同参数特征的数值区间及单位大多不同,为使不同参数特征表征的状态具有可比性,需要对各参数特征的检测数据进行归一化处理。在本发明实施例中,数据归一化的设计保证特征的检测值偏离标准值越大,其归一化值越小,即表示设备的健康状态越差。
对与设备相关的参数特征的检测数据进行归一化之前,需要先确定与设备相关的参数特征一共有几个,且每个参数特征对应的检测数据分别对应几组。然后分别对每个参数特征以及每个参数特征对应的检测数据进行处理。比如,参数特征x的检测数据一共有m组,则可以按照如下公式(1)确定参数特征对应的检测数据xi对应的归一化数值λi:
进一步地,可以通过如下公式(2)确定参数特征x对应的检测数据的最终归一化数值:
其中,公式(1)和公式(2)中,xs为理想标准值,xu为参数上限阈值,xl为参数下限阈值,λi为参数特征xi对应的归一化数值,为参数特征xi对应的m组检测值的归一化数值。
在步骤102中,目前,设备健康状态等级分类问题没有统一标准,在本发明实施例中,将健康等级分为临界健康、正常、良好和健康4档,即建立健康状态评价集V={临界健康,正常,良好,健康}。
在实际应用中,由于设备从一种健康状态过渡到另一种健康状态时往往难以确定明显的过渡边界,因此采用模糊集合理论能够解决上述不确定性问题,即采用模糊隶属度函数描述设备任一参数与各健康状态等级之间的从属关系。在本发明实施例中,设备参数的健康等级模糊隶属度函数应该根据设备及相关参数的具体特性而定图2为本发明实施例提供的设备归一化参数的健康隶属度函数示意图,如图2所示,由于三角形隶属度函数描述形式简单,并且与其他较复杂的隶属度函数得出的结果差别较小,因此以三角形隶属度函数为例进行设计。
在步骤101中参数特征x的检测数据一共有m组,则通过步骤102之后,则可以确定归一化的检测数据通过三角形隶属度函数建立参数特征的单参数评价集合,进一步地,根据建立的参数特征的单参数评价集合确定多个参数特征的评价集合。
比如,参数特征xi对应的单参数评价集合Ri={ri1,ri2,ri3,ri4},则确定多个参数特征的的评价集合如下公式(3)所示:
其中,为n个参数特征的评价集合。
在步骤103中,权值是表征设备参数特征重要程度大小的度量,其为准确评估设备健康状态等级的关键。为了尽量减小主观因素的影响,并且充分考虑各参数特征的变化信息,在本发明实施例中,确定参数特征的权值采用基于平均权值法和熵权法的组合方法计算设备参数特征的最终权值,主要包括以下步骤:
步骤103-1,采用平均权值法确定参数特征x的第一权值wx1。这里根据各参数特征与其限值的接近程度确定参数权值,参数特征越接近限值,表征设备的健康状态越差,则该参数在评估设备健康状态时的权值越大。
比如,待测设备有n个参数特征,根据步骤101可知,参数x的归一化值为则上述平均权值法的计算方法可以如公式(4)所示:
公式(4)中,在满足设备未发生故障的前提条件下,
步骤103-2,采用熵权法确定参数特征x的第二权值wx2。熵权法主要根据各参数特征对应信息量的多少确定参数权值。
比如,参数特征的数量为n,每个参数特征的检测数据为m组,首先定义信息矩阵X如公式(5)所示:
其中,(xij,…xmj)T为一个参数特征对应的m组归一化检测值。
采用熵权法确定参数特征x的权值分量wx2,具体计算过程如下:
Step1:通过公式(6)计算参数特征值xij在m组检测数据中的出现概率p(xij):
Step2:通过公式(7)计算各个参数特征的信息熵值ej:
Step3:通过公式(8)计算第j个参数特征x的权值分量wx2:
其中,p(xij)为参数特征xij在m组检测数据中出现的概率,ej为第j个参数特征的信息熵值,ei为第i个参数特征的信息熵值,n为参数特征的数量。
根据权值wx2的计算方法可知,参数特征x的变化程度越大,其在状态评估中的作用越大。
进一步地,在确定第一权值和第二权值之后,通过公式(9)确定参数特征的权值:
其中,η1和η2为分配系数,满足η1+η2=1,一般情况下,η1=η2=0.5,也可根据实际需求设定。为所述参数特征的权值,wx1为所述参数特征的第一权值,wx2为所述参数特征的第二权值。
在确定参数特征的权值之后,根据步骤103确定的参数特征的权值以及步骤102确定的多个参数特征的评价集合,通过下列公式(10)可以确定参数特征的健康状态。
具体地,公式(10)如下所示:
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
为了进一步证明本发明实施例提供的一种确定设备健康状态的方法的效果,举例如下。假设一种设备的健康状态可由4个独立不相关的参数特征表征,在一次例行检测时,上述参数的测试结果均为合格(即数值未超出阈值的上下限),检测数据的单组归一化结果如下表1所示:
表1单组归一化示例数据
在表1数据的基础上,通过步骤102和步骤103处理之后得到如下表2所示的数据结果:
表2设备健康状态评估示例数据
最后结合步骤103提供的公式,可以得到该设备的健康评估结果如下:
根据上式中SH的计算结果并结合健康状态评价集V={临界健康,正常,良好,健康}可知,设备的最终健康状态评估结果为“正常”。
综上所述,本发明实施例提供了一种确定设备健康状态的方法及装置该方法通过平均权值法和熵权法的组合权值确定方法,充分利用参数特征的变化信息对参数特征对应的权值进行计算,可以有效的解决现有技术中存在权值评估的合理性难于保证,以及评价结果可能偏离真实情况的问题。
基于同一发明构思,本发明实施例提供了一种确定设备健康状态的装置,由于该装置解决技术问题的原理与一种确定设备健康状态的方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
图3为本发明实施例提供的一种确定设备健康状态的装置结构示意图,如图3所示,该装置主要包括:归一化单元301,参数评价单元302和确定单元303。
归一化单元301,用于对与设备相关的参数特征的检测数据进行归一化;
参数评价单元302,用于归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;
确定单元303,用于通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过下列公式确定所述设备的健康状态;
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
优选地,所述确定单元303具体用于:
通过平均权值法确定所述参数特征的第一权值,通过熵权法确定所述参数特征的第二权值;
所述参数特征的第一权值和第二权值通过下列下列公式确定所述参数特征的权值:
其中,η1和η2为分配系数,满足η1+η2=1,为所述参数特征的权值,wx1为所述参数特征的第一权值,wx2为所述参数特征的第二权值。
优选地,所述确定单元303具体用于:
通过公式确定所述参数特征在设定检测数据组中的概率;
根据所述概率以及公式确定所述参数特征的信息熵值;
根据所述信息熵值和公式确定所述参数特征的第二权值;
其中,p(xij)为参数特征xij在m组检测数据中出现的概率,ej为第j个参数特征的信息熵值,n为参数特征的数量。
优选地,所述归一化单元301具体用于:
其中,xs为理想标准值,xu为参数上限阈值,xl为参数下限阈值,λi为参数特征xi对应的归一化数值,为m组参数特征归一化数值。
优选地,所述模糊隶属度函数为三角形隶属度函数。
应当理解,以上一种确定设备健康状态的装置包括的单元仅为根据该设备装置实现的功能进行的逻辑划分,实际应用中,可以进行上述单元的叠加或拆分。并且该实施例提供的一种确定设备健康状态的装置所实现的功能与上述实施例提供的一种确定设备健康状态的方法一一对应,对于该装置所实现的更为详细的处理流程,在上述方法实施例一中已做详细描述,此处不再详细描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种确定设备健康状态的方法,其特征在于,包括:
对与设备相关的参数特征的检测数据进行归一化;
归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;
通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过下列公式确定所述设备的健康状态;
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
2.如权利要求1所述的方法,其特征在于,所述通过平均权值法和熵权法确定所述参数特征的权值,具体包括:
通过平均权值法确定所述参数特征的第一权值,通过熵权法确定所述参数特征的第二权值;
所述参数特征的第一权值和第二权值通过下列下列公式确定所述参数特征的权值:
其中,η1和η2为分配系数,满足η1+η2=1,为所述参数特征的权值,wx1为所述参数特征的第一权值,wx2为所述参数特征的第二权值。
3.如权利要求2所述的方法,其特征在于,所述通过熵权法确定所述参数特征的第二权值,具体包括:
通过公式确定所述参数特征在设定检测数据组中的概率;
根据所述概率以及公式确定所述参数特征的信息熵值;
根据所述信息熵值和公式确定所述参数特征的第二权值;
其中,p(xij)为参数特征xij在m组检测数据中出现的概率,ej为第j个参数特征的信息熵值,ei为第i个参数特征的信息熵值,n为参数特征的数量。
4.如权利要求1所述的方法,其特征在于,通过下列公式对与设备相关的参数特征的检测数据进行归一化:
其中,xs为理想标准值,xu为参数上限阈值,xl为参数下限阈值,λi为参数特征xi对应的归一化数值,为参数特征xi对应的m组检测值的归一化数值。
5.如权利要求1所述的方法,其特征在于,所述模糊隶属度函数为三角形隶属度函数。
6.一种确定设备健康状态的装置,其特征在于,包括:
归一化单元,用于对与设备相关的参数特征的检测数据进行归一化;
参数评价单元,用于归一化后的所述检测数据通过模糊隶属度函数确定所述参数特征的单参数评价集合,根据所述单参数评价集合确定多个所述参数特征的评价集合;
确定单元,用于通过平均权值法和熵权法确定所述参数特征的权值,根据所述参数特征的权值和多个所述参数特征的评价集合,通过下列公式确定所述设备的健康状态;
其中,SH为所述设备的健康状态,w1为第一个参数特征的权值,wn为第n个参数特征的权值,为n个参数特征的评价集合,s1,s2,s3和s4分别为临界健康,正常,良好,健康四个等级下的分值。
7.如权利要求6所述的装置,其特征在于,所述确定单元具体用于:
通过平均权值法确定所述参数特征的第一权值,通过熵权法确定所述参数特征的第二权值;
所述参数特征的第一权值和第二权值通过下列下列公式确定所述参数特征的权值:
其中,η1和η2为分配系数,满足η1+η2=1,为所述参数特征的权值,wx1为所述参数特征的第一权值,wx2为所述参数特征的第二权值。
8.如权利要求7所述的装置,其特征在于,所述确定单元具体用于:
通过公式确定所述参数特征在设定检测数据组中的概率;
根据所述概率以及公式确定所述参数特征的信息熵值;
根据所述信息熵值和公式确定所述参数特征的第二权值;
其中,p(xij)为参数特征xij在m组检测数据中出现的概率,ej为第j个参数特征的信息熵值,ei为第i个参数特征的信息熵值,n为参数特征的数量。
9.如权利要求6所述的装置,其特征在于,所述归一化单元具体用于:
其中,xs为理想标准值,xu为参数上限阈值,xl为参数下限阈值,λi为参数特征xi对应的归一化数值,为参数特征xi对应的m组检测值的归一化数值。
10.如权利要求6所述的装置,其特征在于,所述模糊隶属度函数为三角形隶属度函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448072.0A CN108320112B (zh) | 2018-05-10 | 2018-05-10 | 一种确定设备健康状态的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448072.0A CN108320112B (zh) | 2018-05-10 | 2018-05-10 | 一种确定设备健康状态的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108320112A true CN108320112A (zh) | 2018-07-24 |
CN108320112B CN108320112B (zh) | 2021-08-17 |
Family
ID=62896602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810448072.0A Active CN108320112B (zh) | 2018-05-10 | 2018-05-10 | 一种确定设备健康状态的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108320112B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934453A (zh) * | 2019-01-24 | 2019-06-25 | 新奥数能科技有限公司 | 设备健康等级的确定方法及装置、存储介质、电子装置 |
CN110082116A (zh) * | 2019-03-18 | 2019-08-02 | 深圳市元征科技股份有限公司 | 一种车辆四轮定位数据的评价方法、评价装置及存储介质 |
WO2020134641A1 (zh) * | 2018-12-28 | 2020-07-02 | 上海奥普生物医药股份有限公司 | 数据处理方法及装置 |
CN115048556A (zh) * | 2022-08-12 | 2022-09-13 | 日照福瑞德科技有限公司 | 一种激光切割机的保护镜片状态监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006041424A1 (en) * | 2004-09-16 | 2006-04-20 | Sekos, Inc. | Method for detecting the onset of structural collapse of burning structures |
CN103778575A (zh) * | 2014-03-04 | 2014-05-07 | 国网浙江宁波市鄞州区供电公司 | 变压器状态评估方法及系统 |
CN105891794A (zh) * | 2016-04-01 | 2016-08-24 | 中国电子科技集团公司第三十八研究所 | 基于模糊准则的雷达健康管理方法及系统 |
CN107941537A (zh) * | 2017-10-25 | 2018-04-20 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
-
2018
- 2018-05-10 CN CN201810448072.0A patent/CN108320112B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006041424A1 (en) * | 2004-09-16 | 2006-04-20 | Sekos, Inc. | Method for detecting the onset of structural collapse of burning structures |
CN103778575A (zh) * | 2014-03-04 | 2014-05-07 | 国网浙江宁波市鄞州区供电公司 | 变压器状态评估方法及系统 |
CN105891794A (zh) * | 2016-04-01 | 2016-08-24 | 中国电子科技集团公司第三十八研究所 | 基于模糊准则的雷达健康管理方法及系统 |
CN107941537A (zh) * | 2017-10-25 | 2018-04-20 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
Non-Patent Citations (1)
Title |
---|
刘凯等: ""一种基于模糊隶属度的雷达辐射源识别新方法"", 《航天电子对抗》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020134641A1 (zh) * | 2018-12-28 | 2020-07-02 | 上海奥普生物医药股份有限公司 | 数据处理方法及装置 |
CN109934453A (zh) * | 2019-01-24 | 2019-06-25 | 新奥数能科技有限公司 | 设备健康等级的确定方法及装置、存储介质、电子装置 |
CN110082116A (zh) * | 2019-03-18 | 2019-08-02 | 深圳市元征科技股份有限公司 | 一种车辆四轮定位数据的评价方法、评价装置及存储介质 |
CN115048556A (zh) * | 2022-08-12 | 2022-09-13 | 日照福瑞德科技有限公司 | 一种激光切割机的保护镜片状态监测方法及系统 |
CN115048556B (zh) * | 2022-08-12 | 2023-01-10 | 日照福瑞德科技有限公司 | 一种激光切割机的保护镜片状态监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108320112B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480341B (zh) | 一种基于深度学习的大坝安全综合评判方法 | |
CN108320112A (zh) | 一种确定设备健康状态的方法及装置 | |
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
CN108038300A (zh) | 基于改进的隶属度函数结合神经网络的光纤状态评估方法 | |
CN103942738A (zh) | 一种电能表综合评价方法及系统 | |
CN110333414A (zh) | 电力变压器多层次状态评估方法 | |
CN115166618B (zh) | 一种非平稳输出的电流互感器误差评估方法 | |
CN107609783A (zh) | 一种基于数据挖掘的智能电能表综合性能进行评估的方法及系统 | |
CN107832973A (zh) | 一种基于多态信息综合评判的设备质量管控的方法 | |
Erginel | Fuzzy rule-based $\tilde p $ and $ n\tilde p $ control charts | |
CN108346030A (zh) | 计算机自适应能力测验方法及装置 | |
CN113887908A (zh) | 考虑主客观交叉融合权重的桥梁风险评估方法 | |
CN110378358A (zh) | 一种配电网异构数据整合方法及系统 | |
CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
CN110348676A (zh) | 一种变电站自动化设备状态评价方法及系统 | |
CN109272217A (zh) | 一种数据处理方法及相关设备 | |
CN109165824A (zh) | 一种针对关键流程的评估方法及系统 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN111932081A (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN107274043A (zh) | 预测模型的质量评价方法、装置及电子设备 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN104217093B (zh) | 利用不良样本的缺陷地图判定问题设备的方法及其装置 | |
CN110727912B (zh) | 一种电力二次设备差异化改造方案选择方法 | |
CN112906765A (zh) | 一种基于rbf神经网络的客户洗钱风险等级划分方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |