CN111126813B - 确定设备状态的方法、装置、存储介质及电子设备 - Google Patents
确定设备状态的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111126813B CN111126813B CN201911295168.9A CN201911295168A CN111126813B CN 111126813 B CN111126813 B CN 111126813B CN 201911295168 A CN201911295168 A CN 201911295168A CN 111126813 B CN111126813 B CN 111126813B
- Authority
- CN
- China
- Prior art keywords
- state
- feature
- determining
- scores
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
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
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及一种确定设备状态的方法、装置、存储介质及电子设备,以避免由于专家经验出现偏差而导致的状态评分不准确的问题,从而得到更符合实际情况的设备运行状态。该方法包括:获取多个目标设备的状态特征信息;确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度;调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重;根据所述目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分;根据所述状态评分,确定所述多个目标设备的运行状态。
Description
技术领域
本公开涉及计算机技术领域,具体地,涉及一种确定设备状态的方法、装置、存储介质及电子设备。
背景技术
在工业物联网领域,随着我国工业现代化进程的加快,电力设备的重要性日益凸显,工业上对电力设备的可靠性、安全性也有了更高要求,因此对设备健康状况的评价显得至关重要。相关技术的设备评价方法通常是基于专家经验而进行的。具体的,主要是通过专家经验而主观地确定针对设备不同状态特征的评价权重,然后针对不同的数据均采用该评价权重进行评分。
发明内容
本公开的目的是提供一种确定设备状态的方法、装置、存储介质及电子设备,以提供一种新的评价设备状态的方式。
为了实现上述目的,第一方面,本公开提供一种确定设备评价的方法,所述方法包括:
获取多个目标设备的状态特征信息;
确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,所述特征分值是根据预设评分规则以及所述多个目标设备的状态特征信息而确定的;
调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重;
根据所述目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分;
根据所述状态评分,确定所述多个目标设备的运行状态。
可选地,所述确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,包括:
确定所述多个目标设备在每一状态特征信息下的特征分值的方差,并确定所述每一状态特征信息对应的方差的和值;
针对所述每一状态特征信息,根据所述状态特征信息对应的方差与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
可选地,所述确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,包括:
针对每一状态特征信息,确定所述多个目标设备在所述状态特征信息下的特征分值与所述多个目标设备在其他状态特征信息下的特征分值之间的最小KL散度,并确定所述每一状态特征信息对应的最小KL散度的和值;
根据所述状态特征信息对应的最小KL散度与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
可选地,所述确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,包括:
针对每一状态特征信息,确定所述多个目标设备在所述状态特征信息下的特征分值与所述多个目标设备在其他状态特征信息下的特征分值之间的最小动态时间规整DTW距离,并确定所述每一状态特征信息对应的最小DTW距离的和值;
根据所述状态特征信息对应的最小DTW距离与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
可选地,所述调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重,包括:
若状态特征信息的差异度大于预设差异度,则按照如下公式,增大所述状态特征信息对应的预设特征权重,得到目标特征权重:
wnew=w0·(1+D)
其中,w0表示所述状态特征信息对应的预设特征权重,wnew表示增大后得到的目标特征权重,D表示所述状态特征信息对应的差异度。
可选地,所述方法还包括:
针对每一状态特征信息,根据所述状态特征信息对应的目标特征权重与预设阈值之间的数值关系,确定所述状态特征信息的目标状态特征区间;
根据所述目标状态特征区间,更新所述预设评分规则中所述状态特征信息对应的状态特征区间,并确定更新后的状态特征区间对应的特征分值;
根据更新后的所述预设评分规则以及所述多个目标设备的状态特征信息,确定所述多个目标设备在每一状态特征信息下的特征分值。
可选地,所述确定所述多个目标设备在每一状态特征信息下的特征分值,包括:
根据更新后的所述预设评分规则以及所述多个目标设备的状态特征信息,确定所述多个目标设备在每一状态特征信息下的初始特征分值;
按照以下公式,确定所述多个目标设备在每一状态特征信息下的目标特征分值:
其中,s表示所述目标特征分值,s1表示所述初始特征分值,s2表示所述预设评分规则中与所述初始特征分值的差值最小、且比所述初始特征分值大的特征分值,k表示预设调整参数,x表示所述目标设备在任一状态特征信息下对应的状态特征值。
第二方面,本公开还提供一种确定设备状态的装置,所述装置包括:
获取模块,用于获取多个目标设备的状态特征信息;
第一确定模块,用于确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,所述特征分值是根据预设评分规则以及所述多个目标设备的状态特征信息而确定的;
调整模块,用于调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重;
第二确定模块,用于根据所述目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分;
第三确定模块,用于根据所述状态评分,确定所述多个目标设备的运行状态。
第三方面,本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任一项所述方法的步骤。
第四方面,本公开还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面中任一项所述方法的步骤。
通过上述技术方案,可以在获取到多个目标设备的状态特征信息之后,确定多个目标设备在每一状态特征信息下的特征分值之间的差异度,如果差异度大于预设差异度,则可以增大该差异度对应的状态特征信息的预设特征权重,得到目标特征权重,从而根据该目标特征权重以及对应的特征分值,确定多个目标设备对应的状态评分,进而根据该状态评分确定多个目标设备的运行状态。通过这样的方式,针对不同的数据,可以根据数据之间的差异度调整预设特征权重,得到更符合实际情况的设备状态评分,相较于相关技术中仅根据专家经验而确定状态特征权重的方式,可以避免由于专家经验出现偏差而导致的状态评分不准确的问题,提高设备状况评价的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据本公开一示例性实施例示出的一种确定设备状态的方法的流程图;
图2是根据本公开另一示例性实施例示出的一种确定设备状态的方法的流程图;
图3是根据本公开一示例性实施例示出的一种确定设备状态的装置的框图;
图4是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
在工业物联网领域,随着我国工业现代化进程的加快,电力设备的重要性日益凸显,工业上对电力设备的可靠性、安全性也有了更高要求,因此对设备健康状况的评价显得至关重要。相关技术的设备评价方法通常是基于专家经验而进行的。具体的,主要是通过专家经验而主观地确定针对设备不同状态特征的评价权重,然后针对不同的数据均采用该评价权重进行评分。如果专家经验出现偏差,则可能导致状态评分不准确的问题,无法得到符合实际情况的设备运行状态。
例如,状态特征信息包括设备的投产时间与设备寿命、动力系统运行状态和传动系统运行状态,根据专家经验确定了投产时间与设备寿命的权重为1,动力系统运行状态和传动系统运行状态的权重均为0.1。在此种情况下,设备1、设备2、设备3和设备4在上述三个状态特征信息下的特征分值分别如表1所示:
表1
如果根据上述专家经验确定的权重和表1所示的特征分值分别确定设备1、设备2、设备3和设备4的状态评分,可以得到每个设备的状态评分分别为5.3、5.5、5.7和5.5,每个设备的状态评分差异较小,无法有效的评价出设备健康状况的好坏。
有鉴于此,本公开实施例提供一种确定设备状态的方法、装置、存储介质及电子设备,以避免由于专家经验出现偏差而导致的状态评分不准确的问题,从而得到更符合实际情况的设备运行状态。
图1是根据本公开一示例性实施例示出的一种确定设备状态的方法的流程图。参照图1,该方法包括:
步骤101,获取多个目标设备的状态特征信息。
步骤102,确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,所述特征分值是根据预设评分规则以及所述多个目标设备的状态特征信息而确定的。
步骤103,调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重。
步骤104,根据目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分。
步骤105,根据所述状态评分,确定所述多个目标设备的运行状态。
通过上述方式,针对不同的数据,可以根据数据之间的差异度调整预设特征权重,得到更符合实际情况的设备状态评分,相较于相关技术中仅根据专家经验而确定状态特征权重的方式,可以避免由于专家经验出现偏差而导致的状态评分不准确的问题,提高设备状况评价的准确性。
为了使得本领域技术人员更加理解本公开实施例中确定设备状态的方法,下面对上述各步骤进行详细举例说明。
在步骤101中,目标设备可以是例如电力设备等不同类型的设备,本公开实施例对此不作限定。状态特征信息可以是设备投产时间、设备寿命、动力系统运行状态、传动系统运行状态、历史故障次数等可以用于表征设备状态的信息,本公开实施例对此也不作限定。
在获取到目标设备的状态特征信息之后,可以确定多个目标设备在每一状态特征信息下的特征分值之间的差异度。其中,特征分值可以是根据预设评分规则以及多个目标设备的状态特征信息而确定的。
示例地,预设评分规则可以是预先根据实际情况或者历史数据而设定的,本公开实施例对此不作限定。例如,针对目标设备为电力设备的情况,预设评分规则可以如表2所示:
表2
应当理解的是,预设评分规则可以包括状态特征信息对应的多个状态特征区间以及多个状态特征区间分别对应的特征分值。其中,多个状态特征区间可以分别是某一状态特征信息下状态特征值的不同范围。例如,参照表2,在状态特征信息为历史故障次数的情况下,可以将状态特征值分别为近一年故障次数小于1次、近一年故障次数为1至3次和近一年故障次数大于等于3次的情况作为历史故障次数对应的状态特征区间。
多个状态特征区间分别对应的特征分值可以是根据实际情况而预先设定的,本公开实施例对此不作限定。比如,参照表2,在状态特征信息为历史故障次数的情况下,可以设定近一年故障次数小于1次对应的特征分值为100分,近一年故障次数为1至3次对应的特征分值为60分,近一年故障次数大于等于3次对应的特征分值为30分。
在本公开实施例中,可以根据预设评分规则以及每个目标设备的状态特征信息,确定每个目标设备在不同状态特征信息下的特征分值,然后根据该特征分值以及每个状态特征信息对应的特征权重进行加权求和,从而得到每个目标设备的状态评分。
具体的,为了针对不同的数据确定不同的特征权重,提高状态评分的结果准确度,可以先确定多个目标设备在每一状态特征信息下的特征分值之间的差异度,然后调整状态特征信息对应的预设特征权重,以增大差异度大于预设差异度的状态特征信息对应的预设特征权重,得到目标特征权重。最后可以根据目标特征权重进行加权求和,得到每个目标设备的状态评分。
在一种可能的方式中,确定多个目标设备在每一状态特征信息下的特征分值之间的差异度可以是:先确定多个目标设备在每一状态特征信息下的特征分值的方差,并确定每一状态特征信息对应的方差的和值,然后针对每一状态特征信息,根据该状态特征信息对应的方差与该和值之间的比值,确定多个目标设备在该状态特征信息下的特征分值之间的差异度。
例如,状态特征信息包括投产时间与设备寿命、动力系统运行状态和传动系统运行状态,在此种情况下,某一目标设备在“投产时间与设备寿命”这一状态特征信息下的特征分值之间的差异度可以表示为:
其中,V投产表示状态特征信息“投产时间与设备寿命”对应的差异度,var投产表示状态特征信息“投产时间与设备寿命”对应的方差,var动力表示状态特征信息“动力系统运行状态”对应的方差,var传动表示状态特征信息“传动系统运行状态”对应的方差。其中,在不同状态特征信息下特征分值的方差计算方式与相关技术中类似,这里不再赘述。
应当理解的是,若要确定目标设备在动力系统运行状态下的差异度,则可以将公式(1)的分子替换成目标设备在动力系统运行状态下对应的方差进行计算。若要确定目标设备在传动系统运行状态下的差异度,则可以将公式(1)的分子替换成目标设备在传动系统运行状态下对应的方差进行计算。
在另一种可能的方式中,确定多个目标设备在每一状态特征信息下的特征分值之间的差异度还可以是:针对每一状态特征信息,确定多个目标设备在该状态特征信息下的特征分值与多个目标设备在其他状态特征信息下的特征分值之间的最小KL散度,并确定每一状态特征信息对应的最小KL散度的和值。然后,根据该状态特征信息对应的最小KL散度与该和值之间的比值,确定多个目标设备在该状态特征信息下的特征分值之间的差异度。
其中,KL散度是一种量化两种概率分布P和Q之间差异的参数,又叫相对熵。如果P和Q之间差异越大,则KL散度取值越大,反之则KL散度取值越小。在本公开实施例中,如果某一状态特征信息下的特征分值与其他状态特征信息下的特征分值差异越大,则该状态特征信息与其他状态特征信息之间的KL散度越大,反之则越小。
因此,可以先确定某一状态特征信息与其他状态特征信息之间的最小KL散度,然后根据该最小KL散度与所有状态特征信息对应的最小KL散度的和值之间的比值确定该状态特征信息下的特征分值之间的差异度,比如可以将该比值确定为状态特征信息的特征分值之间的差异度。应当理解的是,通过最小KL散度的方式,如果得到某一状态特征信息的差异度较大,则更能说明该状态特征信息的特征分值与其他状态特征信息的特征分值之间差异较大,从而可以增加该状态特征信息的预设特征权重。
示例地,确定状态特征信息对应的最小KL散度可以是:先针对每一状态特征信息,确定多个目标设备在该状态特征信息下的特征分值与多个目标设备在其他状态特征信息下的特征分值之间的KL散度。其中,KL散度的计算方式与相关技术中类似,这里不再赘述。
然后,可以将得到KL散度按照表3所示的方式进行排列:
表3
其中,a1表示状态特征信息“投产时间与设备寿命”与“动力系统运行状态”分别对应的特征分值之间的KL散度,b1表示状态特征信息“投产时间与设备寿命”与“传动系统运行状态”分别对应的特征分值之间的KL散度,c1表示状态特征信息“动力系统运行状态”与“传动系统运行状态”分别对应的特征分值之间的KL散度。
然后,可以在表3中确定不同状态特征信息对应的行,再在对应行的KL散度中确定最小值。比如,对于状态特征信息“投产时间与设备寿命”,可在a1和b1中确定最小值,从而得到该状态特征信息对应的最小KL散度。
在得到每一状态特征信息对应的最小KL散度之后,可以确定所有最小KL散度的和值,即对所有最小KL散度求和。然后,可以根据该状态特征信息对应的最小KL散度与该和值之间的比值,确定多个目标设备在该状态特征信息下的特征分值之间的差异度。比如,针对状态特征信息“投产时间与设备寿命”,其差异度可以表示为:
其中,V投产表示状态特征信息“投产时间与设备寿命”对应的差异度,min_KL投产表示状态特征信息“投产时间与设备寿命”对应的最小KL散度,min_KL动力表示状态特征信息“动力系统运行状态”对应的最小KL散度,min_KL传动表示状态特征信息“传动系统运行状态”对应的最小KL散度。
应当理解的是,如果要确定目标设备在动力系统运行状态下的差异度,则可以将公式(2)的分子替换成目标设备在动力系统运行状态下对应的最小KL散度进行计算。如果要确定目标设备在传动系统运行状态下的差异度,则可以将公式(2)的分子替换成目标设备在传动系统运行状态下对应的最小KL散度进行计算。
在另一种可能的方式中,确定多个目标设备在每一状态特征信息下的特征分值之间的差异度还可以是:针对每一状态特征信息,确定多个目标设备在状态特征信息下的特征分值与多个目标设备在其他状态特征信息下的特征分值之间的最小动态时间规整DTW距离,并确定每一状态特征信息对应的最小DTW距离的和值。然后,根据状态特征信息对应的最小DTW距离与该和值之间的比值,确定多个目标设备在该状态特征信息下的特征分值之间的差异度。
其中,DTW(Dynamic Time Warping,动态时间规整)是一种衡量两个长度不同的数据序列之间相似度的方法。DTW距离越大,则说明数据序列之间差异越大,反之则说明数据序列之间差异越小。在本公开实施例中,如果某一状态特征信息下的特征分值与其他状态特征信息下的特征分值差异越大,则该状态特征信息对应的最小DTW距离越大,反之则越小。
因此,可以先确定某一状态特征信息与其他状态特征信息之间的最小DTW距离,然后根据该最小DTW距离与所有状态特征信息对应的最小DTW距离的和值之间的比值确定该状态特征信息下的特征分值之间的差异度,比如可以将该比值确定为状态特征信息的特征分值之间的差异度。应当理解的是,通过最小DTW距离的方式,如果得到某一状态特征信息的差异度较大,则更能说明该状态特征信息的特征分值与其他状态特征信息的特征分值之间差异较大,从而可以增加该状态特征信息的预设特征权重。
示例地,与确定最小KL散度的方式类似,可以先针对每一状态特征信息,确定多个目标设备在状态特征信息下的特征分值与多个目标设备在其他状态特征信息下的特征分值之间的DTW距离。其中,DTW距离的计算方式与相关技术中类似,这里不再赘述。
然后,可以将得到的DTW距离按照表4所示的方式进行排列:
表4
其中,a2表示状态特征信息“投产时间与设备寿命”与“动力系统运行状态”分别对应的特征分值之间的DTW距离,b2表示状态特征信息“投产时间与设备寿命”与“传动系统运行状态”分别对应的特征分值之间的DTW距离,c2表示状态特征信息“动力系统运行状态”与“传动系统运行状态”分别对应的特征分值之间的DTW距离。
然后,在表4中确定不同状态特征信息对应的行,再在对应行的DTW距离中确定最小值。比如,对于状态特征信息“投产时间与设备寿命”,可在a2和b2中确定最小值,从而得到该状态特征信息对应的最小DTW距离。
在得到每个状态特征信息分别对应的最小DTW距离之后,可以确定所有最小DTW距离的和值,即对所有最小DTW距离求和。然后,可以根据该状态特征信息对应的最小DTW距离与该和值之间的比值,确定多个目标设备在该状态特征信息下的特征分值之间的差异度。比如,针对状态特征信息“投产时间与设备寿命”,其差异度可以表示为:
其中,V投产表示状态特征信息“投产时间与设备寿命”对应的差异度,min_DTW投产表示状态特征信息“投产时间与设备寿命”对应的最小DTW距离,min_DTW动力表示状态特征信息“动力系统运行状态”对应的最小DTW距离,min_DTW传动表示状态特征信息“传动系统运行状态”对应的最小DTW距离。
应当理解的是,如果要确定目标设备在动力系统运行状态下的差异度,则可以将公式(3)的分子替换成目标设备在动力系统运行状态下对应的最小DTW距离进行计算。如果要确定目标设备在传动系统运行状态下的差异度,则可以将公式(3)的分子替换成目标设备在传动系统运行状态下对应的最小DTW距离进行计算。
通过上述任一方式确定多个目标设备在每一状态特征信息下的特征分值之间的差异度之后,可以调整状态特征信息对应的预设特征权重,以增大差异度大于预设差异度的状态特征信息对应的预设特征权重。也即是说,在本公开实施例中,若某一状态特征信息的差异度大于预设差异度,则可以增大该状态特征信息对应的预设特征权重。其中,预设差异度可以是根据实际情况设定的,本公开实施例对此不作限定。应当理解的是,若某一状态特征信息的差异度小于或等于预设差异度,则可以不作调整,即该状态特征信息对应的目标特征权重则与该状态特征信息对应的预设特征权重一致。
示例地,预设特征权重可以是按照相关技术中的方式而确定的,本公开实施例对此不作限定。比如,确定预设特征权重的方式可以是:预先针对样本设备(不同于目标设备的设备)构建判决矩阵。具体的,若样本设备包括6个设备,每个设备分别包括四个状态特征信息,则可以先根据表5所示的规则由专家主观确定该判决矩阵中的每个元素的取值,从而得到如表6所示的取值示例。
表5
表6
然后,可以根据表6所示的数值计算上述判决矩阵对应的特征向量,从而得到上述四个状态特征信息分别对应的预设特征权重。比如,在可能的方式中,可以得到上述四个状态特征信息分别对应的预设特征权重分别为0.078、0.522、0.2和0.2,等等。应当理解的是,计算判决矩阵对应的特征向量的过程与相关技术中类似,这里不再赘述。
在本公开实施例中,若某一状态特征信息的差异度大于预设差异度,则可以调整该状态特征信息对应的预设特征权重。在可能的方式中,若状态特征信息的差异度大于预设差异度,则可以按照如下公式,增大该状态特征信息对应的预设特征权重,得到目标特征权重:
wnew=w0·(1+D) (4)
其中,w0表示状态特征信息对应的预设特征权重,wnew表示增大后得到的目标特征权重,D表示状态特征信息对应的差异度。
应当理解的是,在可能的方式中,为了提高结果准确性,公式(4)中的差异度可以包括通过上述至少一种方式而确定的差异度。比如,该差异度可以包括通过方差确定的差异度D方差、通过最小KL散度确定的差异度DKL、以及通过最小DTW距离确定的差异度DDTW。相应地,可以按照如下公式增大差异度大于预设差异度的状态特征信息所对应的预设特征权重:
wnew=w0·(1+D方差+DKL+DDTW) (5)
在可能的方式中,如果公式(4)中的差异度包括至少两种方式确定的差异度,则还可以在每种方式确定的差异度前加上权重值,用于控制调整的幅度。比如,在上述举例中,差异度包括通过方差确定的差异度D方差、通过最小KL散度确定的差异度DKL、以及通过最小DTW距离确定的差异度DDTW,可以预先设定D方差对应的权重为f1,DKL对应的权重为f2,DDTW对应的权重为f3。相应地,可按照如下公式调整状态特征信息的预设特征权重:
wnew=w0·(1+f1·D方差+f2·DKL+f3·DDTW) (6)
在通过上述任一方式调整预设特征权重之后,还可以针对每一状态特征信息,根据该状态特征信息对应的目标特征权重与预设阈值的数值关系,确定该状态特征信息对应的目标状态特征区间。然后,根据目标状态特征区间,更新预设评分规则中状态特征信息对应的状态特征区间,并确定更新后的状态特征区间对应的特征分值。最后,可以根据更新后的预设评分规则以及多个目标设备的状态特征信息,确定多个目标设备在每一状态特征信息下的特征分值。
示例地,预设阈值可以是根据实际情况设定的,本公开实施例对此不作限定。在可能的方式中,该预设阈值可以包括多个不同的阈值,从而可以针对不同的实际情况,根据状态特征信息对应的目标特征权重与预设阈值的数值关系,确定不同的目标状态特征区间。
比如,可以在目标特征权重大于第一阈值时,确定状态特征信息对应的目标状态特征区间包括5个不同的状态特征区间,其中每个状态特征区间的临界值划分可以根据实际情况设定,本公开实施例对此不作限定。或者,可以在目标特征权重小于第一阈值且大于第二阈值时,确定状态特征信息对应的目标状态特征区间包括4个不同的状态特征区间,其中第二阈值小于第一阈值。又或者,可以在目标特征权重小于第二阈值时,确定状态特征信息对应的目标状态特征区间包括3个不同的状态特征区间,等等。
在确定目标状态特征区间后,可以直接根据该目标状态特征区间更新预设评分规则中状态特征信息对应的状态特征区间。或者,可以确定目标状态特征区间与预设评分规则中该状态特征信息当前对应的状态特征区间是否一致,若不一致,则更新状态特征区间。
进一步,还可以确定更新后的状态特征区间对应的特征分值。示例地,可以根据目标状态特征区间包括的状态特征区间的个数,在预设分值范围内平均地进行分值划分,然后将对应的分位数确定为目标特征分值。比如,目标状态特征区间包括5个不同的状态特征区间,预设分值范围为0~100,那么可以确定该5个不同的状态特征区间分别对应的目标特征分值为100、80、60、40和20。或者,可以根据历史数据,确定该5个不同的状态特征区间分别对应的目标特征分值为100、85、60、35、20,等等,本公开实施例对此不作限定。
在通过上述方式对预设评分规则包括的状态特征区间以及特征分值进行更新后,可以根据更新后的预设评分规则以及多个目标设备的状态特征信息,确定多个目标设备在每一状态特征信息下的特征分值。示例地,可先根据目标设备的某一状态特征信息,确定该目标设备在预设评分规则中对应的状态特征区间,再在预设评分规则中确定该状态特征区间对应的特征分值。
或者,在可能的方式中,还可以先根据更新后的预设评分规则以及多个目标设备的状态特征信息,确定多个目标设备在每一状态特征信息下的初始特征分值,然后按照以下公式,确定多个目标设备在每一状态特征信息下的目标特征分值:
其中,s表示目标特征分值,s1表示初始特征分值,s2表示预设评分规则中与初始特征分值的差值最小、且比初始特征分值大的特征分值,k表示预设调整参数,x表示目标设备在任一状态特征信息下对应的状态特征值。应当理解的是,预设调整参数k可以是根据实际情况设定的,本公开实施例对此不作限定。
例如,状态特征信息为“投产时间与设备寿命”,其对应的状态特征值为投产时间与设备寿命之间的比值。参照表1所示的预设评分规则,对于该比值为0.199和0.201的两种情况,虽然状态特征值仅相差0.002,但是对于的特征分值却相差了20分。在本公开实施例中,为了避免这种情况,使得每一个状态特征区间的临界状态特征值之间的特征分值差异减小,可以先根据预设评分规则,确定一初始特征分值,然后按照公式(7)确定目标特征分值。
比如,在上述举例中,预设评分规则如表1所示,状态特征信息为“投产时间与设备寿命”,目标设备在该状态特征信息下的状态特征值为0.199(即投产时间与设备寿命之间的比值为0.199),预设调整参数设定为0.2。在此种情况下,首先可以确定初始特征分值为80,在预设评分规则中与该初始特征分值最接近、且与该初始特征分值大的特征分值为100。然后,可以将上述各参数值代入公式(7)中得到该目标设备在“投产时间与设备寿命”这一状态特征信息下的目标特征分值。
通过上述方式,可以根据目标设备在每一状态特征信息下的目标特征权重以及多个目标设备在每一状态特征信息下的特征分值进行加权求和,确定多个目标设备分别对应的状态评分,从而可以根据该状态评分确定目标设备的运行状态。比如,可以预先设定状态评分为80分以上(不包括80分)则确定目标设备运行状态为健康,状态评分为60分至80分则确定目标设备运行状态为良好,状态评分为60分以下则确定目标设备运行状态为不健康,等等,从而根据状态评分,可以确定目标设备的运行状态。并且,通过上述方式可以针对不同的数据确定不同的特征权重,得到更符合实际情况的评分结果,从而提高对于设备健康状况评价的准确性。
下面通过另一示例性实施例对本公开中状态评分模型确定目标设备的状态评分的过程进行说明。参照图2,该过程包括:
步骤201,获取多个目标设备的状态特征信息;
步骤202,确定多个目标设备在每一状态特征信息下的方差、最小KL散度以及最小DTW距离,得到多个目标设备在每一状态特征信息对应的目标差异度。应当理解的是,确定方差、最小KL散度以及最小DTW距离的方式已在上文进行说明,这里不再赘述。
步骤203,根据方差、最小KL散度以及最小DTW距离,调整状态特征信息的预设特征权重,以增大目标差异度大于预设差异度的状态特征信息对应的预设特征权重,得到目标特征权重。应当理解的是,在步骤203中可以按照公式(5)或者公式(6)确定目标特征权重,这里不再赘述。
步骤204,针对每一状态特征信息,根据该状态特征信息对应的目标特征权重与预设阈值的数值关系,确定状态特征信息对应的目标状态特征区间。
步骤205,根据目标状态特征区间,更新预设评分规则中状态特征信息对应的状态特征区间。
步骤206,确定更新后的状态特征区间对应的目标特征分值。
步骤207,根据更新后的预设评分规则以及多个目标设备的状态特征信息,确定多个目标设备在每一状态特征信息下的特征分值。
步骤208,根据目标特征权重以及多个目标设备在每一状态特征信息下的特征分值,确定多个目标设备分别对应的状态评分。
步骤209,根据状态评分,确定多个目标设备的运行状态。
上述各步骤的具体实施方式已在上文进行详细举例说明,这里不再赘述。另外应当理解的是,对于上述方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受上文所描述的动作顺序的限制。其次,本领域技术人员也应该知悉,上文所描述的实施例属于优选实施例,所涉及的步骤并不一定是本公开所必须的。
通过上述方式,针对不同的数据,可以根据数据之间的差异度调整预设特征权重,得到更符合实际情况的设备状态评分,相较于相关技术中仅根据专家经验而确定状态特征权重的方式,可以避免由于专家经验出现偏差而导致的状态评分不准确的问题,提高设备状况评价的准确性。
基于同一发明构思,本公开实施例还提供一种确定设备状态的装置,该装置可以通过软件、硬件或者两者结合的方式成为电子设备的部分或全部。参照图3,该确定设备状态的装置300可以包括:
获取模块301,获取模块,用于获取多个目标设备的状态特征信息;
第一确定模块302,用于确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,所述特征分值是根据预设评分规则以及所述多个目标设备的状态特征信息而确定的;
调整模块303,用于调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重;
第二确定模块304,用于根据所述目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分;
第三确定模块305,用于根据所述状态评分,确定所述多个目标设备的运行状态。
可选地,所述第一确定模块302用于:
确定所述多个目标设备在每一状态特征信息下的特征分值的方差,并确定所述每一状态特征信息对应的方差的和值;
针对所述每一状态特征信息,根据所述状态特征信息对应的方差与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
可选地,所述第一确定模块302用于:
针对每一状态特征信息,确定所述多个目标设备在所述状态特征信息下的特征分值与所述多个目标设备在其他状态特征信息下的特征分值之间的最小KL散度,并确定所述每一状态特征信息对应的最小KL散度的和值
根据所述状态特征信息对应的最小KL散度与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
可选地,所述第一确定模块302用于:
针对每一状态特征信息,确定所述多个目标设备在所述状态特征信息下的特征分值与所述多个目标设备在其他状态特征信息下的特征分值之间的最小动态时间规整DTW距离,并确定所述每一状态特征信息对应的最小DTW距离的和值;
根据所述状态特征信息对应的最小DTW距离与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
可选地,所述调整模块303用于:
当状态特征信息的差异度大于预设差异度时,按照如下公式,增大所述状态特征信息对应的预设特征权重,得到目标特征权重:
wnew=w0·(1+D) (4)
其中,w0表示所述状态特征信息对应的预设特征权重,wnew表示增大后得到的目标特征权重,D表示所述状态特征信息对应的差异度。
可选地,所述装置300还包括:
第四确定模块,针对每一状态特征信息,根据所述状态特征信息对应的目标特征权重与预设阈值之间的数值关系,确定所述状态特征信息的目标状态特征区间;
更新模块,用于根据所述目标状态特征区间,更新所述预设评分规则中所述状态特征信息对应的状态特征区间,并确定更新后的状态特征区间对应的特征分值;
第五确定模块,用于根据更新后的所述预设评分规则以及所述多个目标设备的状态特征信息,确定所述多个目标设备在每一状态特征信息下的特征分值。
可选地,所述第五确定模块用于:
根据更新后的所述预设评分规则以及所述多个目标设备的状态特征信息,确定所述多个目标设备在每一状态特征信息下的初始特征分值;
按照以下公式,确定所述多个目标设备在每一状态特征信息下的目标特征分值:
其中,s表示所述目标特征分值,s1表示所述初始特征分值,s2表示所述预设评分规则中与所述初始特征分值的差值最小、且比所述初始特征分值大的特征分值,k表示预设调整参数,x表示所述目标设备在任一状态特征信息下对应的状态特征值。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
基于同一发明构思,本公开实施例还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面中任一项所述方法的步骤。
在可能的方式中,该电子设备的框图可以如图4所示。参照图4,该电子设备可以包括:处理器401,存储器402。该电子设备400还可以包括多媒体组件403,输入/输出(I/O)接口404,以及通信组件405中的一者或多者。
其中,处理器401用于控制该电子设备400的整体操作,以完成上述的确定设备状态的方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备400的操作,这些数据例如可以包括用于在该电子设备400上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件403可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器402或通过通信组件405发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口404为处理器401和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件405可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备400可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的确定设备状态的方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的确定设备状态的方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器402,上述程序指令可由电子设备400的处理器401执行以完成上述的确定设备状态的方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的确定设备状态的方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (8)
1.一种确定设备状态的方法,其特征在于,所述方法包括:
获取多个目标设备的状态特征信息,所述状态特征信息为设备投产时间、设备寿命、动力系统运行状态、传动系统运行状态或历史故障次数;
确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,所述特征分值是根据预设评分规则以及所述多个目标设备的状态特征信息而确定的,所述差异度根据所述多个目标设备在每一状态特征信息下的特征分值之间的方差、KL散度或DTW距离得到;
调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重;
根据所述目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分;
根据所述状态评分,确定所述多个目标设备的运行状态;
所述方法还包括:
针对每一状态特征信息,根据所述状态特征信息对应的目标特征权重与预设阈值之间的数值关系,确定所述状态特征信息的目标状态特征区间;
根据所述目标状态特征区间,更新所述预设评分规则中所述状态特征信息对应的状态特征区间,并确定更新后的状态特征区间对应的特征分值;
根据更新后的所述预设评分规则以及所述多个目标设备的状态特征信息,确定所述多个目标设备在每一状态特征信息下的特征分值;
所述确定所述多个目标设备在每一状态特征信息下的特征分值,包括:
根据更新后的所述预设评分规则以及所述多个目标设备的状态特征信息,确定所述多个目标设备在每一状态特征信息下的初始特征分值;
按照以下公式,确定所述多个目标设备在每一状态特征信息下的特征分值:
其中,s表示所述特征分值,s1表示所述初始特征分值,s2表示所述预设评分规则中与所述初始特征分值的差值最小、且比所述初始特征分值大的特征分值,k表示预设调整参数,x表示所述目标设备在任一状态特征信息下对应的状态特征值。
2.根据权利要求1所述的方法,其特征在于,所述确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,包括:
确定所述多个目标设备在每一状态特征信息下的特征分值的方差,并确定所述每一状态特征信息对应的方差的和值;
针对所述每一状态特征信息,根据所述状态特征信息对应的方差与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
3.根据权利要求1所述的方法,其特征在于,所述确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,包括:
针对每一状态特征信息,确定所述多个目标设备在所述状态特征信息下的特征分值与所述多个目标设备在其他状态特征信息下的特征分值之间的最小KL散度,并确定所述每一状态特征信息对应的最小KL散度的和值;
根据所述状态特征信息对应的最小KL散度与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
4.根据权利要求1所述的方法,其特征在于,所述确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,包括:
针对每一状态特征信息,确定所述多个目标设备在所述状态特征信息下的特征分值与所述多个目标设备在其他状态特征信息下的特征分值之间的最小动态时间规整DTW距离,并确定所述每一状态特征信息对应的最小DTW距离的和值;
根据所述状态特征信息对应的最小DTW距离与所述和值之间的比值,确定所述多个目标设备在所述状态特征信息下的特征分值之间的差异度。
5.根据权利要求1-4任一所述的方法,其特征在于,所述调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重,包括:
若状态特征信息的差异度大于预设差异度,则按照如下公式,增大所述状态特征信息对应的预设特征权重,得到目标特征权重:
wnew=w0·(1+D)
其中,w0表示所述状态特征信息对应的预设特征权重,wnew表示增大后得到的目标特征权重,D表示所述状态特征信息对应的差异度。
6.一种确定设备状态的装置,其特征在于,实现如权利要求1-5任一所述的方法,所述装置包括:
获取模块,用于获取多个目标设备的状态特征信息,所述状态特征信息为设备投产时间、设备寿命、动力系统运行状态、传动系统运行状态或历史故障次数;
第一确定模块,用于确定所述多个目标设备在每一状态特征信息下的特征分值之间的差异度,所述特征分值是根据预设评分规则以及所述多个目标设备的状态特征信息而确定的,所述差异度根据所述多个目标设备在每一状态特征信息下的特征分值之间的方差、KL散度或DTW距离得到;
调整模块,用于调整所述状态特征信息对应的预设特征权重,以增大所述差异度大于预设差异度的状态特征信息所对应的预设特征权重,得到目标特征权重;
第二确定模块,用于根据所述目标特征权重以及所述多个目标设备在每一状态特征信息下的特征分值,确定所述多个目标设备分别对应的状态评分;
第三确定模块,用于根据所述状态评分,确定所述多个目标设备的运行状态。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
8.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295168.9A CN111126813B (zh) | 2019-12-16 | 2019-12-16 | 确定设备状态的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295168.9A CN111126813B (zh) | 2019-12-16 | 2019-12-16 | 确定设备状态的方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126813A CN111126813A (zh) | 2020-05-08 |
CN111126813B true CN111126813B (zh) | 2023-10-31 |
Family
ID=70499307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911295168.9A Active CN111126813B (zh) | 2019-12-16 | 2019-12-16 | 确定设备状态的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126813B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268367A (zh) * | 2014-08-06 | 2015-01-07 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于多元线性回归的变电设备状态评价权重修正方法及系统 |
CN105654229A (zh) * | 2015-11-26 | 2016-06-08 | 国家电网公司 | 一种电网自动化系统及设备运行状态风险评估算法 |
CN107066365A (zh) * | 2017-02-20 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 一种系统异常的监测方法及装置 |
WO2018064800A1 (en) * | 2016-10-08 | 2018-04-12 | Nokia Technologies Oy | Apparatus, method and computer program product for distance estimation between samples |
CN109408968A (zh) * | 2018-10-27 | 2019-03-01 | 国网山东省电力公司电力科学研究院 | 用于评价变压器实时状态的健康指数的方法 |
CN109711663A (zh) * | 2018-11-15 | 2019-05-03 | 国网山东省电力公司淄博供电公司 | 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统 |
CN110348676A (zh) * | 2019-05-29 | 2019-10-18 | 国网湖南省电力有限公司 | 一种变电站自动化设备状态评价方法及系统 |
CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
-
2019
- 2019-12-16 CN CN201911295168.9A patent/CN111126813B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268367A (zh) * | 2014-08-06 | 2015-01-07 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于多元线性回归的变电设备状态评价权重修正方法及系统 |
CN105654229A (zh) * | 2015-11-26 | 2016-06-08 | 国家电网公司 | 一种电网自动化系统及设备运行状态风险评估算法 |
WO2018064800A1 (en) * | 2016-10-08 | 2018-04-12 | Nokia Technologies Oy | Apparatus, method and computer program product for distance estimation between samples |
CN107066365A (zh) * | 2017-02-20 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 一种系统异常的监测方法及装置 |
CN109408968A (zh) * | 2018-10-27 | 2019-03-01 | 国网山东省电力公司电力科学研究院 | 用于评价变压器实时状态的健康指数的方法 |
CN109711663A (zh) * | 2018-11-15 | 2019-05-03 | 国网山东省电力公司淄博供电公司 | 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统 |
CN110348676A (zh) * | 2019-05-29 | 2019-10-18 | 国网湖南省电力有限公司 | 一种变电站自动化设备状态评价方法及系统 |
CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
乔美英 ; 刘宇翔 ; 陶慧 ; .一种基于信息熵和DTW的多维时间序列相似性度量算法.中山大学学报(自然科学版).2019,(第02期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111126813A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6661559B2 (ja) | 異常検出装置、異常検出方法およびプログラム | |
US20200150159A1 (en) | Anomaly detection device, anomaly detection method, and storage medium | |
Chen et al. | Condition-based maintenance using the inverse Gaussian degradation model | |
CN111143102B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN108304287B (zh) | 一种磁盘故障检测方法、装置以及相关设备 | |
EP3896420A1 (en) | Method, device and electronic apparatus for detecting performance status of optical module in engineering application | |
JP2018156415A (ja) | 診断装置、診断システム、診断方法およびプログラム | |
KR101768654B1 (ko) | 전자 기기의 고장 예측 장치 및 이를 이용한 고장 예측 방법 | |
CN114510852B (zh) | 一种基于异常工况的生产工艺参数的推荐方法及装置 | |
KR101522385B1 (ko) | 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체 | |
Wang et al. | Remaining useful life prediction considering joint dependency of degradation rate and variation on time-varying operating conditions | |
JP2024502098A (ja) | 時系列データの異常監視方法、装置、電子機器及び記憶媒体 | |
JP2014527214A5 (zh) | ||
CN111144717B (zh) | 确定设备状态的方法、装置、存储介质及电子设备 | |
JP6618846B2 (ja) | 管理装置および制御方法 | |
CN111126813B (zh) | 确定设备状态的方法、装置、存储介质及电子设备 | |
CN111814331B (zh) | 复杂情况下多变点的设备剩余使用寿命预测方法 | |
CN112526366B (zh) | 电池电气连接性预警方法、装置、存储介质及电子设备 | |
CN108694755B (zh) | 模型构建系统以及模型构建方法 | |
JPWO2020110201A1 (ja) | 情報処理装置 | |
JP2013011987A (ja) | 異常状態検知装置及び異常状態検知方法 | |
JP6347771B2 (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
JP2019200650A (ja) | 異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラム | |
KR20180122955A (ko) | 근적외선 분광법 및 머신 러닝 기술에 의한 제조 프로세스에서의 엔드포인트 검출 | |
KR101615345B1 (ko) | 반도체 생산 공정에서 센서 데이터들을 이용하여 웨이퍼의 수율을 분석하는 방법 |
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 |