CN109508727B - 一种基于加权欧氏距离的度量功能间相似性的方法 - Google Patents
一种基于加权欧氏距离的度量功能间相似性的方法 Download PDFInfo
- Publication number
- CN109508727B CN109508727B CN201810364900.2A CN201810364900A CN109508727B CN 109508727 B CN109508727 B CN 109508727B CN 201810364900 A CN201810364900 A CN 201810364900A CN 109508727 B CN109508727 B CN 109508727B
- Authority
- CN
- China
- Prior art keywords
- function
- characterization
- matrix
- evaluated
- fault
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于加权欧氏距离的度量功能间相似性的方法,包括:建立适用于故障产品和待评产品的功能的表征结构;通过分析故障产品和待评产品的功能的表征结构,建立可以唯一确定功能的功能表征因素集合;为所建立的功能表征因素集合的每个功能表征因素确定功能的表征指标;通过将确定了功能的表征指标的功能表征因素集合中的每个功能表征因素作为矩阵的元素,分别建立故障功能表征矩阵与待评功能的表征矩阵;用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间的距离;根据所计算的故障功能表征矩阵与待评功能的表征矩阵之间的距离,计算故障产品功能与待评产品功能的相似性。
Description
技术领域
本发明涉及故障管理领域,特别是一种基于加权欧氏距离的度量功能间相似性的方法,具体地说是一种度量一个功能与发生故障的功能的相似性的方法。
背景技术
随着装备设计结构的复杂性和多样多样性增加,其投入使用后暴露出了越来越多设计中未加考虑、或难以解决的问题,故障频发,导致装备的使用效率和完成任务的能力大受影响。除了改进装备设计以减少故障发生的可能性以外,提升装备使用阶段表现的很重要一点,在于通过密切监测装备状态,尽可能准确地判断和预测故障的发生和发展,通过科学的故障管理手段,实现使用阶段装备的优化管理。
故障恢复是装备故障管理工作的一个非常重要的组成部分。除了常规的停机维修外,故障功能重构也是恢复故障功能的一个重要手段。对故障功能开展重构的思路包括仅通过重构控制律抵消故障对系统使用造成的影响,以及利用现有系统资源,在某种程度上对发生故障的功能进行直接恢复。而功能相似是可利用的资源对故障功能进行直接恢复的必要条件,因此,对功能间的相似性进行准确度量,是通过功能替换恢复故障功能的基础。
发明内容
本发明的目的是提供一种基于加权欧氏距离的度量功能间相似性的方法,以便简单易行的度量功能之间相似程度。
本发明的一种基于加权欧氏距离的度量功能间相似性的方法包括:
建立适用于故障产品和待评产品的功能的表征结构;
通过分析故障产品和待评产品的功能的表征结构,建立可以唯一确定功能的功能表征因素集合;
为所建立的功能表征因素集合的每个功能表征因素确定功能的表征指标;
通过将确定了功能的表征指标的功能表征因素集合中的每个功能表征因素作为矩阵的元素,分别建立故障功能表征矩阵与待评功能的表征矩阵;
用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间的距离;
根据所计算的故障功能表征矩阵与待评功能的表征矩阵之间的距离,计算故障产品功能与待评产品功能的相似性。
一般来说,功能的表征结构包括产品的功能主体,功能端口,输入/输出,约束条件,传递媒介,以及功能状态;所述的功能表征因素集合是对应于功能的表征结构中产品的功能端口、输入/输出、约束条件、传递媒介、以及功能状态的具体对象;所述的功能的表征指标是功能表征因素的值。
优选地,适用于故障产品和待评产品的功能的表征结构包括功能主体以及根据相似性比较的要求从功能端口,输入/输出,约束条件,传递媒介,以及功能状态中选择的项目。通常,所述的功能的表征结构至少包括产品的功能主体和输入/输出;所述的功能表征因素集合至少是对应于功能的表征结构中产品的输入/输出的具体对象。所述的功能的表征指标是输入/输出的具体对象的值。
优选地,所述的用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间的距离包括:
对待评功能的表征矩阵中的元素进行排序,使待评功能的表征矩阵中与故障功能的表征矩阵中类型相同的元素具有相同的排位,空缺部分以0补位,多余部分舍弃,然后对两个表征矩阵中对应的元素进行两两代数运算,建立待评功能与故障功能的表征矩阵差异矩阵。
优选地,所述的对两个表征矩阵中对应的元素进行两两代数运算是指利用集合运算的求集合的交、并、补规则,对两个表征矩阵中对应的元素进行两两代数运算。
优选地,在对两个表征矩阵中对应的元素进行两两代数运算时,若相同的表征因素对应的表征指标类型不同,则代数运算结果取1;反之,代数运算运算结果为:
优选地,所述的建立待评功能与故障功能的表征矩阵差异矩阵包括:通过将所述代数运算结果作为矩阵元素,建立待评功能与故障功能的表征矩阵差异矩阵。
优选地,所述的根据所计算的故障功能表征矩阵与待评功能的表征矩阵之间的距离包括:
其中ωi是根据功能发挥作用过程中的重要性确定的矩阵元素i的权重;di是故障功能表征列矩阵的第i行坐标的元素i与待评功能表征列矩阵第i行坐标的元素i的代数运算结果。
优选地,所述的计算故障产品功能与待评产品功能的相似性为1与功能表征矩阵间距离之差。
相对于现有技术,本发明的有益效果包括:
1)建立了一个基于加权欧氏距离的度量功能间相似性的方法;
2)本发明提出了从相似性角度对功能进行比较,建立了一种方法使得不同功能由于表征要素集合的存在而具有了可比较性;
3)本发明适用于所有类型的功能进行相似性比较,通过改变表征要素的权重,可以得到不同的相似性比较结果。
4)相似性比较结果一方面可以用于对故障开展基于重构的管理,另一方面可以用于改进、拓展功能设计。
下面结合附图对本发明的一种基于加权欧氏距离的度量功能间相似性的方法进行详细说明。
附图说明
图1是本发明的一种基于加权欧氏距离的度量功能间相似性的方法的示意图。
具体实施方式
功能的本质是一种有利作用。本发明方法通过对功能表征结构进行深入分析,建立能够表征这种作用唯一性的功能表征因素集合,通过计算不同功能所对应的功能表征集合之间的加权欧氏距离,度量功能之间的相似程度。
图1显示了本发明的一种基于加权欧氏距离的度量功能间相似性的方法,其包括:
本发明的一种基于加权欧氏距离的度量功能间相似性的方法包括:
建立适用于故障产品和待评产品的功能的表征结构,其中功能的表征结构包括产品的功能主体,功能端口,输入/输出,约束条件,传递媒介,以及功能状态;
通过分析故障产品和待评产品的功能的表征结构,建立可以唯一确定功能的功能表征因素集合,其中功能表征因素集合是对应于功能的表征结构中产品的功能端口、输入/输出、约束条件、传递媒介、以及功能状态的具体对象;
根据故障产品和待评产品的实际功能,为所建立的功能表征因素集合的每个功能表征因素确定功能的表征指标,其中功能的表征指标是功能表征因素的值;
通过将确定了功能的表征指标的功能表征因素集合中的每个功能表征因素作为矩阵的元素,分别建立故障功能表征矩阵与待评功能的表征矩阵;
用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间的距离;
根据所计算的故障功能表征矩阵与待评功能的表征矩阵之间的距离,计算故障产品功能与待评产品功能的相似性。
具体地说,本发明所述的用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间的距离包括:
对待评功能的表征矩阵中的元素进行排序,使待评功能的表征矩阵中与故障功能的表征矩阵中类型相同的元素具有相同的排位,空缺部分以0补位,多余部分舍弃,然后对两个表征矩阵中对应的元素进行两两代数运算,建立待评功能与故障功能的表征矩阵差异矩阵
具体地说,本发明所述的对两个表征矩阵中对应的元素进行两两代数运算是指利用集合运算的求集合的交、并、补规则,对两个表征矩阵中对应的元素进行两两代数运算。
具体地说,本发明在对两个表征矩阵中对应的元素进行两两代数运算时,若相同的表征因素对应的表征指标类型不同,则代数运算结果取1;反之,代数运算运算结果为:
优选地,所述的建立待评功能与故障功能的表征矩阵差异矩阵包括:通过将所述代数运算结果作为矩阵元素,建立待评功能与故障功能的表征矩阵差异矩阵。
优选地,所述的根据所计算的故障功能表征矩阵与待评功能的表征矩阵之间的距离包括:
其中ωi是根据功能发挥作用过程中的重要性确定的矩阵元素i的权重;di是故障功能表征列矩阵的第i行坐标的元素i与待评功能表征列矩阵第i行坐标的元素i的代数运算结果。
一般来说,各元素在功能相似性比较中所占权重由专家根据要素在功能发挥作用过程中的重要性给出。
当然,本发明的相似程度也可以用故障产品与待评产品的表征矩阵间距离dω(xj,xf)来表示,dω(xj,xf)越小,其其相似度越高,反之则越低。
本发明的与功能作用过程直接相关的功能表征因素包括功能输入、功能输出、环境约束和功能传递媒介中的若干项,每一类表征因素对应的表征矩阵中的参数可能具有不同维度。
下面以某型汽车发动机功能为故障产品功能、以某型电动机功能为待评产品功能,分析它们的相似性。
基于对产品和功能的理解,建立汽车发动机和电动机的功能的表征结构,汽车发动机的表征结构包括:功能主体-汽车发动机;功能端口-无;输入/输出-(击穿电压,燃料空气混合气体)/机械能;约束条件-无;传递媒介-无;功能状态-无。电动机的表征结构包括:功能主体-电动机;功能端口-无;输入/输出-电流/机械能;约束条件-无;传递媒介-无;功能状态-无。
基于所建立的汽车发动机和电动机的功能的表征结构,可以发现两者功能的功能表征结构为(输入,输出)。
基于对产品和功能的理解,可以确定汽车发动机的输入的对象或者内容为“击穿电压,燃料空气混合气体”,其值为“15000V-20000V,14.7”;输出的对象或内容为“机械能”,其值为0-550N.m。电动机输入的对象或者内容为“电流”,其值为19A;电动机输出的对象或内容为“机械能”,其值为0-450N.m。
因而某型汽车发动机的功能表征因素集合为{(击穿电压,燃料空气混合气体),机械能},对应的表征矩阵为((输入为:15000V-20000V,14.7);输出为:0-550N.m);某型电动机的功能表征因素集为{电流,机械能},对应的表征矩阵为(输入为:19A;输出为:0-450N.m)。可以看出,两功能的表征因素集合均由输入、输出组成,同为输入因素,二者表征指标类型存在差异,因此对应元素的代数运算结果,即差异矩阵的第一个元素取值为1。
通过代数运算,建立两功能的表征矩阵差异矩阵:
经专家评估,此类功能的输入与输出在功能发挥作用过程中的重要度矩阵
ω=[0.10.9]
尽管上文对本发明进行了详细说明,但是本发明不限于此,本技术领域技术人员可以根据本发明的原理进行各种修改。因此,凡按照本发明原理所作的修改,都应当理解为落入本发明的保护范围。
Claims (10)
1.一种基于加权欧氏距离的度量功能间相似性的方法,其特征在于,包括:
建立适用于故障产品和待评产品的功能的表征结构;
通过分析故障产品和待评产品的功能的表征结构,建立可以唯一确定功能的功能表征因素集合;
为所建立的功能表征因素集合的每个功能表征因素确定功能的表征指标;
通过将确定了功能的表征指标的功能表征因素集合中的每个功能表征因素作为矩阵的元素,分别建立故障功能表征矩阵与待评功能的表征矩阵;
用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间距离;
根据所计算的故障功能表征矩阵与待评功能的表征矩阵之间距离,计算故障产品功能与待评产品功能的相似性。
2.根据权利要求1所述的方法,其特征在于,所述的功能的表征结构至少包括产品的功能主体和输入/输出。
3.根据权利要求2所述的方法,其特征在于,所述的功能表征因素集合至少是对应于功能的表征结构中产品的输入/输出的具体对象。
4.根据权利要求3所述的方法,其特征在于,所述的功能的表征指标是功能表征因素的值。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述的用加权欧几里德距离公式计算故障功能表征矩阵与待评功能的表征矩阵之间的距离包括:
对待评功能的表征矩阵中的元素进行排序,使待评功能的表征矩阵中与故障功能的表征矩阵中类型相同的元素具有相同的排位,空缺部分以0补位,多余部分舍弃,然后对两个表征矩阵中对应的元素进行两两代数运算,建立待评功能与故障功能的表征矩阵差异矩阵。
6.根据权利要求5所述的方法,其特征在于,所述的对两个表征矩阵中对应的元素进行两两代数运算是指利用集合运算的求集合的交、并、补规则,对两个表征矩阵中对应的元素进行两两代数运算。
8.根据权利要求7所述的方法,其特征在于,所述的建立待评功能与故障功能的表征矩阵差异矩阵包括:通过将所述代数运算结果作为矩阵元素,建立待评功能与故障功能的表征矩阵差异矩阵。
10.根据权利要求9所述的方法,其特征在于,所述的计算故障产品功能与待评产品功能的相似性为1与功能表征矩阵间距离之差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810364900.2A CN109508727B (zh) | 2018-04-23 | 2018-04-23 | 一种基于加权欧氏距离的度量功能间相似性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810364900.2A CN109508727B (zh) | 2018-04-23 | 2018-04-23 | 一种基于加权欧氏距离的度量功能间相似性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508727A CN109508727A (zh) | 2019-03-22 |
CN109508727B true CN109508727B (zh) | 2021-07-16 |
Family
ID=65745454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810364900.2A Active CN109508727B (zh) | 2018-04-23 | 2018-04-23 | 一种基于加权欧氏距离的度量功能间相似性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508727B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016138836A1 (zh) * | 2015-03-03 | 2016-09-09 | 华为技术有限公司 | 相似性度量的方法及设备 |
CN106845397A (zh) * | 2017-01-18 | 2017-06-13 | 湘潭大学 | 一种基于相似度度量的人脸确认方法 |
US9858497B2 (en) * | 2014-05-06 | 2018-01-02 | Nant Holdings Ip, Llc | Image-based feature detection using edge vectors |
CN107578014A (zh) * | 2017-09-06 | 2018-01-12 | 上海寒武纪信息科技有限公司 | 信息处理装置及方法 |
CN107908685A (zh) * | 2017-10-31 | 2018-04-13 | 西安交通大学 | 基于迁移学习的多视角商品图像检索与识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9528852B2 (en) * | 2012-03-02 | 2016-12-27 | Nokia Technologies Oy | Method and apparatus for generating an audio summary of a location |
CN106339716B (zh) * | 2016-08-16 | 2019-10-29 | 浙江工业大学 | 一种基于加权欧氏距离的移动轨迹相似度匹配方法 |
CN107066501B (zh) * | 2016-12-31 | 2020-01-31 | 中国科学技术大学 | 一种基于道路相似性的机动车尾气遥测设备布点方法 |
CN106952015A (zh) * | 2017-02-20 | 2017-07-14 | 国网天津市电力公司 | 一种提高电动汽车充电设施规划质量的方法 |
-
2018
- 2018-04-23 CN CN201810364900.2A patent/CN109508727B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9858497B2 (en) * | 2014-05-06 | 2018-01-02 | Nant Holdings Ip, Llc | Image-based feature detection using edge vectors |
WO2016138836A1 (zh) * | 2015-03-03 | 2016-09-09 | 华为技术有限公司 | 相似性度量的方法及设备 |
CN106845397A (zh) * | 2017-01-18 | 2017-06-13 | 湘潭大学 | 一种基于相似度度量的人脸确认方法 |
CN107578014A (zh) * | 2017-09-06 | 2018-01-12 | 上海寒武纪信息科技有限公司 | 信息处理装置及方法 |
CN107908685A (zh) * | 2017-10-31 | 2018-04-13 | 西安交通大学 | 基于迁移学习的多视角商品图像检索与识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109508727A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276147B (zh) | 一种基于数字孪生模型的制造系统故障溯源方法、系统 | |
CN106021771A (zh) | 一种故障诊断方法及装置 | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN104504248A (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
CN114239734B (zh) | 一种分布式车载健康管理系统 | |
CN113626267A (zh) | 复杂电子系统不确定性故障诊断效能评估方法 | |
CN103995780A (zh) | 一种基于语句频度统计的程序错误定位方法 | |
CN108565852A (zh) | 一种三阶段递进的大电网电压稳定评估的故障筛选与排序方法 | |
CN106777719B (zh) | 双模冗余的故障检测装置的故障检测方法 | |
CN113406524A (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
CN103914386B (zh) | 基于输入参数特征谱的软件缺陷定位方法 | |
CN109990803B (zh) | 检测系统异常的方法、装置及传感器处理的方法、装置 | |
CN109508727B (zh) | 一种基于加权欧氏距离的度量功能间相似性的方法 | |
CN102735435A (zh) | 一种基于相关性模型的动量轮故障可诊断性确定方法 | |
CN103235206A (zh) | 一种变压器的故障诊断方法 | |
Zhang et al. | Sensor fault diagnosis based on correntropy filter and probabilistic neural network | |
CN106874531B (zh) | 一种大气数据系统在故障时的异常测量值数据自恢复方法 | |
CN112849429B (zh) | 一种民机系统测量参数的溯源方法 | |
CN103412223A (zh) | 一种基于定性模型的电气系统故障诊断方法 | |
Zhang et al. | A methodology for optimum sensor localization/selection in fault diagnosis | |
CN110991673B (zh) | 用于复杂系统的故障隔离和定位方法 | |
CN111539635B (zh) | 一种基于网络级联分析的制造服务协作失效消解方法 | |
Shi et al. | Comparison of model-based diagnosis methods: Testability modeling & Rodon | |
Kuang et al. | Design of airborne electrical load management center with high reliability based on dissimilar redundant technique | |
CN107957269B (zh) | 一种惯导系统故障特性判定及测试性预计方法 |
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 |