CN108921397A - 基于全生命周期数据的复杂装备的健康评估方法 - Google Patents

基于全生命周期数据的复杂装备的健康评估方法 Download PDF

Info

Publication number
CN108921397A
CN108921397A CN201810609456.6A CN201810609456A CN108921397A CN 108921397 A CN108921397 A CN 108921397A CN 201810609456 A CN201810609456 A CN 201810609456A CN 108921397 A CN108921397 A CN 108921397A
Authority
CN
China
Prior art keywords
complex equipment
index
health
stage
data
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
Application number
CN201810609456.6A
Other languages
English (en)
Other versions
CN108921397B (zh
Inventor
任爽
冯帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ren Shuang
Original Assignee
Beijing Bei Jiao Zhi Xing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Bei Jiao Zhi Xing Information Technology Co Ltd filed Critical Beijing Bei Jiao Zhi Xing Information Technology Co Ltd
Priority to CN201810609456.6A priority Critical patent/CN108921397B/zh
Publication of CN108921397A publication Critical patent/CN108921397A/zh
Application granted granted Critical
Publication of CN108921397B publication Critical patent/CN108921397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

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)

Abstract

本发明提供了一种基于全生命周期数据的复杂装备的健康评估方法。根据与复杂装备健康指数减小和增加相关的指标建立复杂装备全生命周期的健康评估体系，计算出复杂装备全生命周期健康指数；基于复杂装备全生命周期的健康评估体系，利用聚类算法对多个复杂装备在不同时刻的指标数据进行聚类，得到复杂装备的全生命周期各个阶段指标数据，得到各个阶段的指标特征数据；利用熵权法计算出各个阶段的指标特征数据对复杂装备的健康占比权重，计算出复杂装备在相应指标特征数据下的健康指数。本发明通过复杂装备在不同时间段的指标数据得到复杂装备全生命周期各个阶段的特征，计算出复杂装备的健康指数，并根据下一个任务情况对复杂装备进行预防性检修。

Description

基于全生命周期数据的复杂装备的健康评估方法
技术领域
本发明涉及复杂设备管理技术领域，尤其涉及一种基于全生命周期数据的复杂装备的健康评估方法。
背景技术
复杂装备是社会工业领域内重要的基础资源，是推动社会快速发展的重要手段。但是传统的复杂装备维护检修方式是以人工定时检修的方式去检修，工作效率低下且不能及时掌握复杂装备的健康状态，因此，构建复杂装备的健康评估体系，计算复杂装备的健康指数十分重要，为提高复杂装备的检修效率，做到预防性复杂装备健康检修，掌握复杂装备的健康状态发挥了重要作用。
很多复杂装备的历史作业数据和维修数据随着信息技术的发展逐渐完善，但也造成了历史数据不全的特点。现有技术中的一种对复杂装备的健康状态分析的方法大多数基于传感器数据，建立复杂装备的物理失效计算模型，利用该物理失效计算模型实现对复杂装备的健康指数的计算。
上述现有技术中的对复杂装备的健康状态分析的方法的缺点为：计算模型的构建难度大，经营成本高，不适合作为一般复杂装备的健康指数计算模型。
发明内容
本发明的实施例提供了一种基于全生命周期数据的复杂装备的健康评估方法，以实现根据不同时间段的指标数据得到复杂装备全生命周期各个阶段的特征，计算出复杂装备的健康指数。
为了实现上述目的，本发明采取了如下技术方案。
一种基于全生命周期数据的复杂装备的健康评估方法，包括：
获取与复杂装备健康指数减小和增加相关的指标，根据所述指标建立复杂装备全生命周期的健康评估体系，利用所述指标计算出复杂装备全生命周期健康指数；
基于所述复杂装备全生命周期的健康评估体系，利用聚类算法对多个复杂装备在不同时刻的指标数据进行聚类，得到复杂装备的全生命周期各个阶段指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据；
利用熵权法计算出各个阶段的指标特征数据对复杂装备的健康占比权重，计算出复杂装备在相应指标特征数据下的健康指数。
进一步地，所述的获取与复杂装备健康指数减小和增加相关的指标，根据所述指标建立复杂装备全生命周期的健康评估体系，包括：
利用与复杂装备健康指数减小相关的指标和与复杂装备健康指数增加相关的指标构建复杂装备全生命周期的健康评估体系，所述与复杂装备健康指数减少有关的指标集合为S1，集合S1中的元素S1i表示第i个与复杂装备健康指数减少相关的指标，集合S1中的指标个数为m；所述与复杂装备健康指数增加的相关指标集合S2，集合S2中的元素S2i表示第i个与复杂装备健康指数增加相关的指标，集合S2中的指标个数为n。
进一步地，所述的利用所述指标计算出复杂装备全生命周期健康指数，包括：
根据时间间隔t统计复杂装备在不同时刻的各个指标数据，设多个复杂装备统计的数据条数总数和为R_num，将所有统计指标数据构成矩阵M，M中的ID表示指标数据记录的索引，则M表示如下：
ID S11 S12 ....... S1m
1 a1 b1 ....... c1
2 a2 b2 ....... c2
...... ...... ...... ....... ......
i ai bi ....... ci
...... ....... ....... ....... .......
R_num aR_num bR_num ....... cR_num
S21 ...... S2n
d1 ....... e1
d2 ....... e2
...... ....... ......
di ....... ei
....... ....... .......
dR_num ....... eR_num
表中ai,bi,ci,di,ei表示各个复杂装备在某个时刻相应指标数据统计值；
利用K-means聚类算法对矩阵M聚类，并计算聚完类后的各个类别的指标数据的统计值，得到复杂装备的全生命周期各个阶段的指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据。
进一步地，所述的利用K-means聚类算法对矩阵M聚类，并计算聚完类后的各个类别的指标数据的统计值，得到复杂装备的全生命周期各个阶段的指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据，包括：
利用K-means聚类算法对矩阵M进行聚类，矩阵M的每一行数据代表复杂装备的一次指标统计数据，即为样本点，聚类结果为k类，k表示复杂装备全生命周期的阶段数；
计算样本点与聚类中心点的误差平方和SSE：
式中p表示样本点；
式中mi表示聚类中心点；
式中Ci表示样本点所在类别中的样本个数；
根据SSE变化率判断最佳的k值，当SSE变化率减小时，k达到最佳聚类数；
K-means聚完类后，统计k个类别各项指标数据的平均值，将各项指标数据的平均值作为各个类别中心，则第p类别中心点的指标数据统计值为S11p,S12p,......,S1mp,S21p,S22p,......,S2np，每个类别的数据数量分别为：num1,num2,......,numk；
式中S11pi表示分完类别后第p类别的第i条记录数据中指标S11的数据值；
式中S11p表示第p类别中心点的S11指标数据统计平均值；
式中nump表示第p类别的指标数据记录数量；
下面公式类推：
......
......
进一步地，所述的利用熵权法计算出各个阶段的指标特征数据对复杂装备的健康占比权重，包括：
对矩阵M进行归一化处理，得到归一化矩阵M1；根据熵的定义和所述归一化矩阵M1确定指标的熵，定义n个指标的熵和熵权，再根据熵权法计算各个指标的健康占比权重W1,W2,......,Wm+n。
进一步地，所述的计算出复杂装备在相应指标特征数据下的健康指数，包括：
复杂装备健康指数表征复杂装备的工作能力，设定复杂装备全生命周期健康指数范围是[0,100]，复杂装备全生命周期是从第1阶段开始，到第k阶段结束；
复杂装备全生命周期第i阶段的健康指数值Hi的计算公式如下：
当前复杂装备的健康指数H用来表征当前复杂装备的工作能力，当前复杂装备的指标数据分别为S11x,S12x,......,S1mx,S21x,S22x,......,S2nx，分别计算当前复杂装备指标数据与复杂装备全生命周期各个阶段指标数据中心点之间的权重距离；
A11＝(S11x-S111)2×W11
式中S111表示第1阶段指标数据S11的统计平均值；
式中W11表示指标数据S11对复杂装备健康占比权重；
式中A11表示当前时刻指标数据S11x与第1阶段指标S11统计平均值的权重距离平方和；
下面的公式以此类推：
......
Am1＝(S1mx-S1m1)2×W1m
......
B11＝(S21x-S211)2×W21
式中S211表示第1阶段指标S21的统计平均值；
式中W21表示指标S21对复杂装备健康占比权重；
式中B11表示当前时刻指标数据S21x与第1阶段指标S21统计平均值的权重距离平方和；
下面公式以此类推；
......
Bn1＝(S21x-S21n)2×W2n
式中m表示与复杂装备健康减少相关指标数量；
式中n表示与复杂装备健康增加相关指标数量；
式中d1表示当前时刻复杂装备指标数据与第1阶段复杂装备指标数据的权重距离；
下面公式以此类推；
......
计算当前复杂装备与复杂装备各个阶段距离和dsum＝d1+d2+...dk，则
式中H表示当前复杂装备的健康指数；
式中Hk表示复杂装备全生命周期第k阶段健康指数Hk；
根据当前复杂装备的健康指数H判断当前复杂装备处在全生命周期哪个阶段。
进一步地，所述的方法还包括：
统计复杂装备本次作业后的各项指标数据，计算出本次作业后复杂装备的健康指数，根据所述本次作业后复杂装备的健康指数和下次复杂装备的工作量评估复杂装备是否可以完成下一个工作任务，判断复杂装备的健康指数是否在上一次修理后的全生命周期阶段健康指数范围内，若不是则建议检修一遍。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例提出了一种基于全生命周期复杂装备作业数据和维修数据的健康评估方法，以实现在单个复杂装备全生命周期历史数据不全情况下，构建复杂装备全生命周期，并计算复杂装备的健康指数，并为单个复杂装备的预防性检修提供一种方法。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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基于全生命周期数据的复杂装备的健康评估方法的处理流程图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明实施例的方法可以有效地解决现有技术的问题，构建复杂装备全生命周期画像，建立复杂装备全生命周期健康评估体系，为计算复杂装备健康指数提供了新的思路。
本发明实施例提供的一种基于全生命周期的复杂装备的健康评估方法的处理流程如图1所示，包括如下的处理流程：
步骤S110、建立复杂装备全生命周期的健康评估体系。
目标层是复杂装备健康指数，影响因素层分为两层，分别是与复杂装备健康指数减小相关的指标和与复杂装备健康指数增加相关的指标。与复杂装备健康指数减小相关的指标有多个，与复杂装备健康指数增加相关的指标也有多个，建立复杂装备全生命周期的健康评估体系，利用这些指标计算出复杂装备全生命周期健康指数。
寻找影响复杂装备健康指数的相关指标，即对复杂装备全生命周期在复杂装备的健康指数减少和增加两个方面分析：
(1.1)复杂装备全生命周期的健康指数计算体系中与复杂装备健康指数减少有关的指标集合S1：集合中的元素是与复杂装备健康指数减少相关的指标S1i，S1i表示第i个与复杂装备健康指数减少相关的指标，集合中的元素个数为与复杂装备健康指数减少相关的指标个数，假设指标个数为m。
(1.2)复杂装备全生命周期的健康指数计算体系中与复杂装备健康指数增加的相关指标集合S2：集合中的元素是与复杂装备健康指数增加相关的指标S2i，S2i表示第i个与复杂装备健康指数增加相关的指标，集合中的元素个数为与复杂装备健康指数增加相关的指标个数，假设指标个数为n。
步骤S120、对复杂装备全生命周期各个阶段的特征进行分析。
在建立了复杂装备的健康评估体系的基础上，利用聚类算法对多个复杂装备在不同时刻的各个指标数据进行聚类，得到复杂装备全生命周期各个阶段指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据，并利用熵权法计算出各个指标对复杂装备健康占比权重。
步骤S130、计算复杂装备全生命周期健康指数。
建立模型计算一个复杂装备在相应指标数据下的健康指数。
步骤S140、评估复杂装备是否可以完成下一个工作任务。
进一步，所述的步骤S120具体包括：
以时间间隔t作为复杂装备各个阶段的指标数据的统计时间间隔，根据时间间隔t统计复杂装备在不同时刻的各个指标数据，这里假设多个复杂装备统计的数据条数总数和为R_num。将所有统计指标数据构成矩阵M，M中的ID表示指标数据记录的索引，则M表示如下：
ID S11 S12 ....... S1m
1 a1 b1 ....... c1
2 a2 b2 ....... c2
...... ...... ...... ....... ......
i ai bi ....... ci
...... ....... ....... ....... .......
R_num aR_num bR_num ....... cR_num
S21 ...... S2n
d1 ....... e1
d2 ....... e2
...... ....... ......
di ....... ei
....... ....... .......
dR_num ....... eR_num
表中ai,bi,ci,di,ei表示各个复杂装备在某个时刻相应指标数据统计值。
利用经典的K-means聚类算法对M矩阵进行聚类，M矩阵的每一行数据代表复杂装备的一次指标统计数据，即为样本点，聚类结果为k类。
k：表示复杂装备全生命周期不同阶段数。
对k的取值判断采用计算样本点与聚类中心点的误差平方和SSE来判断。
式中p表示样本点；
式中mi表示聚类中心点；
式中Ci表示样本点所在类别中的样本个数。
根据SSE变化率判断最佳的k值，当SSE变化率骤然减小时，k达到最佳聚类数。
K-means聚完类后，统计k个类别各项指标数据的平均值，将各项指标数据的平均值作为各个类别中心。则第p类别中心点的指标数据统计值为S11p,S12p,......,S1mp,S21p,S22p,......,S2np。每个类别数据数量分别为：num1,num2,......,numk。
式中S11pi表示分完类别后第p类别的第i条记录数据中指标S11的数据值；
式中S11p表示第p类别中心点的S11指标数据统计平均值；
式中nump表示第p类别的指标数据记录数量。
下面公式类推。
......
......
根据熵权法计算各个指标的健康占比权重。
构建矩阵M；
对矩阵M进行归一化处理，得到归一化矩阵M1；
根据熵的定义，根据归一化矩阵M1，可以确定指标的熵；
定义熵权。定义了第n个指标的熵后，可得到第n个指标的熵权；
计算各个指标的健康占比权重值，分别为W11,W12,......,W1m,W21,W22,......,W2n。
进一步，所述步骤S130，具体包括：
复杂装备健康指数表征复杂装备的工作能力，设定复杂装备全生命周期健康指数范围是[0,100]，复杂装备全生命周期是从第1阶段开始，到第k阶段结束。计算当前复杂装备指标数据与复杂装备各个阶段指标数据相似度，并根据相似度计算当前复杂装备健康指数，判断当前复杂装备处在全生命周期哪个阶段，这里将聚类结果作为复杂装备全生命周期的阶段数。
(3.1)复杂装备全生命周期第i(i从1开始)阶段开始健康指数Hi：指该阶段指标数据下的复杂装备健康指数值。
(3.2)当前复杂装备的健康指数H:指当前复杂装备所处全生命周期哪个阶段，用来表征复杂装备工作能力。当前复杂装备的指标数据分别为S11x,S12x,......,S1mx,S21x,S22x,......,S2nx，分别计算当前复杂装备指标数据与复杂装备全生命周期各个阶段指标数据中心点的距离，则d1表示与第1阶段的权重距离，d2表示与第2阶段的权重距离，以此类推dk表示与第k阶段的权重距离。
A11＝(S11x-S111)2×W11
式中S111表示第1阶段指标S11的统计平均值；
式中W11表示指标S11对复杂装备健康占比权重；
式中A11表示当前时刻指标数据S11x与第1阶段指标S11统计平均值的权重距离平方和。
下面的公式以此类推。
......
Am1＝(S1mx-S1m1)2×W1m
......
B11＝(S21x-S211)2×W21
式中S211表示第1阶段指标S21的统计平均值；
式中W21表示指标S21对复杂装备健康占比权重；
式中B11表示当前时刻指标数据S21x与第1阶段指标S21统计平均值的权重距离平方和。
下面公式以此类推。
......
Bn1＝(S21x-S21n)2×W2n
式中m表示与复杂装备健康减少相关指标数量；
式中n表示与复杂装备健康增加相关指标数量；
式中d1表示当前时刻复杂装备指标数据与第1阶段复杂装备指标数据的权重距离。
下面公式以此类推。
......
计算当前复杂装备与复杂装备各个阶段距离和dsum＝d1+d2+...dk，则
式中H表示当前复杂装备的健康指数；
式中Hk表示复杂装备全生命周期第k阶段健康指数Hk。
进一步，所述步骤140，具体包括：
统计复杂装备本次作业后的各项指标数据，并依据步骤130复杂装备健康指数计算方法，计算出本次作业后复杂装备健康指数。根据下次复杂装备的工作量，利用步骤3的方法计算复杂装备的健康指数，判断复杂装备健康指数是否在上一次修理后的全生命周期阶段健康指数范围内，若不是则建议检修一遍。
综上所述，本发明实施例提出了一种基于全生命周期复杂装备作业数据和维修数据的健康评估方法，以实现在单个复杂装备全生命周期历史数据不全情况下，构建复杂装备全生命周期，并计算复杂装备的健康指数，并为单个复杂装备的预防性检修提供一种方法。
本发明实施例可以克服当单个复杂装备全生命周期维修数据不全，指标不全情况下，通过多个复杂装备在不同时间段的指标数据得到复杂装备全生命周期各个阶段的特征，计算出单个复杂装备健康指数，并根据下一个任务情况对复杂装备进行预防性检修。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种基于全生命周期数据的复杂装备的健康评估方法，其特征在于，包括：
获取与复杂装备健康指数减小和增加相关的指标，根据所述指标建立复杂装备全生命周期的健康评估体系，利用所述指标计算出复杂装备全生命周期健康指数；
基于所述复杂装备全生命周期的健康评估体系，利用聚类算法对多个复杂装备在不同时刻的指标数据进行聚类，得到复杂装备的全生命周期各个阶段指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据；
利用熵权法计算出各个阶段的指标特征数据对复杂装备的健康占比权重，计算出复杂装备在相应指标特征数据下的健康指数。
2.根据权利要求1所述的方法，其特征在于，所述的获取与复杂装备健康指数减小和增加相关的指标，根据所述指标建立复杂装备全生命周期的健康评估体系，包括：
利用与复杂装备健康指数减小相关的指标和与复杂装备健康指数增加相关的指标构建复杂装备全生命周期的健康评估体系，所述与复杂装备健康指数减少有关的指标集合为S1，集合S1中的元素S1i表示第i个与复杂装备健康指数减少相关的指标，集合S1中的指标个数为m；所述与复杂装备健康指数增加的相关指标集合S2，集合S2中的元素S2i表示第i个与复杂装备健康指数增加相关的指标，集合S2中的指标个数为n。
3.根据权利要求2所述的方法，其特征在于，所述的利用所述指标计算出复杂装备全生命周期健康指数，包括：
根据时间间隔t统计复杂装备在不同时刻的各个指标数据，设多个复杂装备统计的数据条数总数和为R_num，将所有统计指标数据构成矩阵M，M中的ID表示指标数据记录的索引，则M表示如下：
ID S11 S12 ....... S1m 1 a1 b1 ....... c1 2 a2 b2 ....... c2 ...... ...... ...... ....... ...... i ai bi ....... ci ...... ....... ....... ....... ....... R_num aR_num bR_num ....... cR_num
S21 ...... S2n d1 ....... e1 d2 ....... e2 ...... ....... ...... di ....... ei ....... ....... ....... dR_num ....... eR_num
表中ai,bi,ci,di,ei表示各个复杂装备在某个时刻相应指标数据统计值；
利用K-means聚类算法对矩阵M聚类，并计算聚完类后的各个类别的指标数据的统计值，得到复杂装备的全生命周期各个阶段的指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据。
4.根据权利要求3所述的方法，其特征在于，所述的利用K-means聚类算法对矩阵M聚类，并计算聚完类后的各个类别的指标数据的统计值，得到复杂装备的全生命周期各个阶段的指标数据，对各个阶段的指标数据进行统计分析得到各个阶段的指标特征数据，包括：
利用K-means聚类算法对矩阵M进行聚类，矩阵M的每一行数据代表复杂装备的一次指标统计数据，即为样本点，聚类结果为k类，k表示复杂装备全生命周期的阶段数；
计算样本点与聚类中心点的误差平方和SSE：
式中p表示样本点；
式中mi表示聚类中心点；
式中Ci表示样本点所在类别中的样本个数；
根据SSE变化率判断最佳的k值，当SSE变化率减小时，k达到最佳聚类数；
K-means聚完类后，统计k个类别各项指标数据的平均值，将各项指标数据的平均值作为各个类别中心，则第p类别中心点的指标数据统计值为S11p,S12p,......,S1mp,S21p,S22p,......,S2np，每个类别的数据数量分别为：num1,num2,......,numk；
式中S11pi表示分完类别后第p类别的第i条记录数据中指标S11的数据值；
式中S11p表示第p类别中心点的S11指标数据统计平均值；
式中nump表示第p类别的指标数据记录数量；
下面公式类推：
......
......
5.根据权利要求4所述的方法，其特征在于，所述的利用熵权法计算出各个阶段的指标特征数据对复杂装备的健康占比权重，包括：
对矩阵M进行归一化处理，得到归一化矩阵M1；根据熵的定义和所述归一化矩阵M1确定指标的熵，定义n个指标的熵和熵权，再根据熵权法计算各个指标的健康占比权重W1,W2,......,Wm+n。
6.根据权利要求5所述的方法，其特征在于，所述的计算出复杂装备在相应指标特征数据下的健康指数，包括：
复杂装备健康指数表征复杂装备的工作能力，设定复杂装备全生命周期健康指数范围是[0,100]，复杂装备全生命周期是从第1阶段开始，到第k阶段结束；
复杂装备全生命周期第i阶段的健康指数值Hi的计算公式如下：
当前复杂装备的健康指数H用来表征当前复杂装备的工作能力，当前复杂装备的指标数据分别为S11x,S12x,......,S1mx,S21x,S22x,......,S2nx，分别计算当前复杂装备指标数据与复杂装备全生命周期各个阶段指标数据中心点之间的权重距离；
A11＝(S11x-S111)2×W11
式中S111表示第1阶段指标数据S11的统计平均值；
式中W11表示指标数据S11对复杂装备健康占比权重；
式中A11表示当前时刻指标数据S11x与第1阶段指标S11统计平均值的权重距离平方和；
下面的公式以此类推：
......
Am1＝(S1mx-S1m1)2×W1m
......
B11＝(S21x-S211)2×W21
式中S211表示第1阶段指标S21的统计平均值；
式中W21表示指标S21对复杂装备健康占比权重；
式中B11表示当前时刻指标数据S21x与第1阶段指标S21统计平均值的权重距离平方和；
下面公式以此类推；
......
Bn1＝(S21x-S21n)2×W2n
式中m表示与复杂装备健康减少相关指标数量；
式中n表示与复杂装备健康增加相关指标数量；
式中d1表示当前时刻复杂装备指标数据与第1阶段复杂装备指标数据的权重距离；
下面公式以此类推；
......
计算当前复杂装备与复杂装备各个阶段距离和dsum＝d1+d2+...dk，则
式中H表示当前复杂装备的健康指数；
式中Hk表示复杂装备全生命周期第k阶段健康指数Hk；
根据当前复杂装备的健康指数H判断当前复杂装备处在全生命周期哪个阶段。
7.根据权利要求6所述的方法，其特征在于，所述的方法还包括：
统计复杂装备本次作业后的各项指标数据，计算出本次作业后复杂装备的健康指数，根据所述本次作业后复杂装备的健康指数和下次复杂装备的工作量评估复杂装备是否可以完成下一个工作任务，判断复杂装备的健康指数是否在上一次修理后的全生命周期阶段健康指数范围内，若不是则建议检修一遍。
CN201810609456.6A 2018-06-13 2018-06-13 基于全生命周期数据的复杂装备的健康评估方法 Active CN108921397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810609456.6A CN108921397B (zh) 2018-06-13 2018-06-13 基于全生命周期数据的复杂装备的健康评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810609456.6A CN108921397B (zh) 2018-06-13 2018-06-13 基于全生命周期数据的复杂装备的健康评估方法

Publications (2)

Publication Number Publication Date
CN108921397A true CN108921397A (zh) 2018-11-30
CN108921397B CN108921397B (zh) 2022-07-08

Family

ID=64419546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810609456.6A Active CN108921397B (zh) 2018-06-13 2018-06-13 基于全生命周期数据的复杂装备的健康评估方法

Country Status (1)

Country Link
CN (1) CN108921397B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114896441A (zh) * 2022-06-07 2022-08-12 连云港东旺奶牛养殖有限公司 一种奶牛信息化智能养殖方法及系统
CN115063005A (zh) * 2022-06-29 2022-09-16 长城汽车股份有限公司 平台生命周期健康度评估方法、系统及设备、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002017118A2 (en) * 2000-08-23 2002-02-28 General Electric Company Method for guiding repair or replacement of parts for generally complex equipment
US20090112520A1 (en) * 2007-10-30 2009-04-30 Applied Materials, Inc. Self-aware semiconductor equipment
CN105825286A (zh) * 2015-01-09 2016-08-03 北京仿真中心 一种武器装备全生命周期费用估算系统及方法
CN106022385A (zh) * 2016-05-26 2016-10-12 华南理工大学 基于动态规划和K-means聚类的特征选择算法
CN107544253A (zh) * 2017-03-17 2018-01-05 中国人民解放军91049部队 基于改进模糊熵权法的大型导弹装备退役安全控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002017118A2 (en) * 2000-08-23 2002-02-28 General Electric Company Method for guiding repair or replacement of parts for generally complex equipment
US20090112520A1 (en) * 2007-10-30 2009-04-30 Applied Materials, Inc. Self-aware semiconductor equipment
CN105825286A (zh) * 2015-01-09 2016-08-03 北京仿真中心 一种武器装备全生命周期费用估算系统及方法
CN106022385A (zh) * 2016-05-26 2016-10-12 华南理工大学 基于动态规划和K-means聚类的特征选择算法
CN107544253A (zh) * 2017-03-17 2018-01-05 中国人民解放军91049部队 基于改进模糊熵权法的大型导弹装备退役安全控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚云峰等: "装备健康状态评估方法研究", 《现代防御技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114896441A (zh) * 2022-06-07 2022-08-12 连云港东旺奶牛养殖有限公司 一种奶牛信息化智能养殖方法及系统
CN115063005A (zh) * 2022-06-29 2022-09-16 长城汽车股份有限公司 平台生命周期健康度评估方法、系统及设备、存储介质

Also Published As

Publication number Publication date
CN108921397B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
WO2021073462A1 (zh) 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法
CN107247737B (zh) 基于用电量的台区违约用电分析与挖掘方法
CN111738462B (zh) 电力计量装置故障抢修主动服务预警方法
CN107391713A (zh) 一种解决协同过滤推荐技术中冷启动问题的方法及系统
CN107392479A (zh) 基于逻辑回归模型的电力客户停电敏感度评分卡实施方法
CN107067341B (zh) 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法
CN101178703B (zh) 基于网络分割的故障诊断谱聚类方法
CN110381126A (zh) 基于边缘计算的用电设备识别方法、系统、设备及介质
CN108921397A (zh) 基于全生命周期数据的复杂装备的健康评估方法
CN106769051B (zh) 一种基于mcea-kpca和组合svr的滚动轴承剩余使用寿命预测方法
CN103605103A (zh) 基于s型曲线函数的电能计量故障智能诊断方法
CN105373894A (zh) 基于稽查数据的电力营销业务诊断模型的建立方法及系统
CN110310031A (zh) 一种配电网多维风险评估方法
CN110311709A (zh) 用电信息采集系统故障判别方法
CN110046792B (zh) 基于雷达图综合评价法的零电量用户排查方法
CN109004997A (zh) 一种频谱感知方法、装置和计算机可读存储介质
CN106709821A (zh) 一种基于主成分分析的中压配电网供电可靠性评估方法
CN114707431B (zh) 一种旋转多组件剩余使用寿命预测方法、系统及存储介质
CN106845937A (zh) 一种基于互联网的人力资源管理系统
CN116862283A (zh) 养老环境评估、控制方法及系统
CN109840466A (zh) 基于聚类及全局/局部距离综合的多重度量学习方法
CN116468300A (zh) 基于神经网络的军队总医院学科评估方法及系统
CN108665242A (zh) 一种简历匹配方法和装置
CN104504512A (zh) 基于指标权重的火电厂经济指标考评系统及其方法
CN105096217B (zh) 一种电力计量自动化终端通信状态预测方法和系统

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
TA01 Transfer of patent application right

Effective date of registration: 20220616

Address after: 102208 No. 302, unit 3, building 22, Jiayuan district 1, Shinkansen, Changping District, Beijing

Applicant after: Ren Shuang

Address before: Room 02b-485, block B (second floor), No. 28, information road, Haidian District, Beijing 100085

Applicant before: BEIJING BEIJIAO ZHIXING INFORMATION TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant