CN111382943A - 一种基于加权灰色关联度分析的故障诊断评估方法 - Google Patents
一种基于加权灰色关联度分析的故障诊断评估方法 Download PDFInfo
- Publication number
- CN111382943A CN111382943A CN202010159261.3A CN202010159261A CN111382943A CN 111382943 A CN111382943 A CN 111382943A CN 202010159261 A CN202010159261 A CN 202010159261A CN 111382943 A CN111382943 A CN 111382943A
- Authority
- CN
- China
- Prior art keywords
- fault
- vector
- index
- time
- scheme
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 71
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 17
- 238000002955 isolation Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 21
- 238000013178 mathematical model Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于加权灰色关联度分析的故障诊断评估方法,采用了加权灰色关联度评估方法,基于各种故障诊断方法的诊断结果,统计诊断指标,采用熵权法获得权重,借用信息论中熵的概念,反映了有效信息的多寡,提高了综合评价的客观性;进一步用灰色关联度方法来得到各种待评估诊断方法的最优接近度,定量呈现出各种方法的优劣,增强了评估结果的准确性。
Description
技术领域
本发明涉及故障诊断领域的故障诊断方案的评估方法,具体涉及一种基于加权灰色关联度分析的故障诊断评估方法。
背景技术
对于一个具体的动态系统,采用不同的故障诊断方法构成的故障诊断系统其性能必然各异,诊断能力也有差异,应该对不同诊断方法的诊断性能做出定量或定性的评估。从哪些方面对故障诊断方法进行评估,评估的标准是什么,是在研究故障诊断和系统可靠性分析问题时应该给予足够重视的问题。这不仅可以对不同的故障诊断方法做出比较,还可以帮助设计出性能更好的故障诊断方法,是故障诊断和系统设计研究的一个重要方向。目前故障诊断方法的在国内外已经取得了丰富的研究成果,但针对故障诊断方法评估技术的研究相对较少,仍处于探索阶段。
在实际的工程设计中,首先要正确分析工况条件以及最终的性能要求,针对不同的应用领域和具体的问题,明晰哪些性能是主要的,哪些是次要的,然后对众多的故障诊断方法进行分析,经过适当的权衡和取舍,提出恰如其分的要求,最终选定最佳的解决方案。本发明提供的方法能够对多种故障诊断方案做出评估,可以定量评估故障诊断方案优劣,从而可以大幅改善评估机制体系。
发明内容
要解决的技术问题
目前存在的故障诊断评估技术大多是针对某一类故障诊断方法,适应性和应用范围有限,并且缺乏定量评估。本发明通过对多项故障诊断指标进行加权灰色关联度分析,能够给出描述故障诊断能力的定量指标,确保了诊断评估结果的准确性和客观性。此外,本发明结合测试类通用故障诊断指标,适用于多种故障诊断方法,也适用于多类系统,保证了诊断评估的适应性。这些创新性方法可以帮助我们在多种待评估故障诊断方法中选择到最适合动态系统的解决方案。
技术方案
一种基于加权灰色关联度分析的故障诊断评估方法,其特征在于步骤如下:
步骤1:针对每一种故障诊断方案,在测试仿真系统中注入故障,得到故障诊断结果;分析测试仿真数据,计算每种诊断方案下的指标;
步骤2:基于诊断指标构造评估指标矩阵,并对矩阵进行规范化处理,并用熵权法进行权值计算;
1)对评估指标矩阵进行规范化处理
根据指标类型选择规范性处理方法:
越大越优型指标:
越小越优型指标:
定型指标越接近某一标准值越优:
以上述计算的r(i,j)值作为元素可得规范化指标值矩阵R=(rij)m×n;
2)采用熵权法对处理后的规范化矩阵进行权重值求取
根据熵权法理论,由下式计算得到第i项指标的熵值,
由下式可计算得到第i项指标的熵权,即权重
W=[w1 w2 w3 … wm]T
步骤3:对评估指标矩阵进行灰色关联度分析,结合指标权重得到加权灰色关联度,进行诊断能力综合评估;
1)灰色关联度分析;
首先,求出系统的最优方案G和最劣方案B:
其次,利用下面的灰关联系数公式求第j个方案向量Rj与最优方案向量G的关联系数
第j个方案向量Rj与最劣方案向量B的关联系数
最后,利用层次分析法得到的组合权重W和关联系数,计算加权灰关联度Rj与最优方案向量G的灰关联度:
D(Rj,G)=WTζ(Rj,G)
其中,ζ(Rj,G)=[ζ1(Rj,G) ζ2(Rj,G) … ζm(Rj,G)];
Rj与最劣方案向量B的灰关联度:
D(Rj,B)=WTζ(Rj,B)
其中,ζ(Rj,B)=[ζ1(Rj,B) ζ2(Rj,B) … ζm(Rj,B)];
2)故障诊断能力综合评估
假如第j个方案向量Rj以Vj从属于最优方案向量G,那末Rj以(1-Vj)从属于最劣方案向量B,则称(1-Vj)为第j个方案向量Rj偏离于最优方案向量G的优偏离度,Vj为第j个方案向量Rj偏离于最劣方案向量B的劣偏离度;根据最优原理,给出性能指标函数:
该模型具有明确的物理意义:
1)Vj>0.5,表明Rj从属于最优方案的程度大于从属于最劣方案的程度;Vj<0.5,其物理意义相反;
2)Vj=0.5,表明Rj从属于最优方案的程度与从属于最劣方案的程度相等;
3)Vj=1,表明Rj必定为最优方案;Vj=0,其物理意义相反;
4)Vj越大,表明第j个方案Rj的性能越好;Vj越小;表明第j个方案Rj的性能越差;最优接近度向量V=[V1 V2 … Vn];
因此,根据Vj的大小不同排出各种待评估故障诊断方案的优劣次序,即可得到综合评估结果。
所述的步骤1中的指标包括故障检测率、故障隔离率、虚警率、平均故障检测时间和平均故障隔离时间;
1)故障检测率
故障检测率FDR是指检测并发现系统内一个或者多个故障的能力,定义为在规定的时间内,正确地检测出的故障数与发生的故障总数之比,用百分数表示;其定量数学模型可表示为
式中NT——故障总数,即在工作时间内发生的实际故障数;
ND——正确检测到的故障数;
2)故障隔离率
故障隔离率FIR是指快速而准确地隔离每一个已检测到的故障的能力,定义为在规定的时间内,用规定的方法将故障正确地隔离到具体单元的故障数与在同一时间内已检测到的故障数之比,用百分数表示;其数学模型为
式中NI——在规定条件下用规定方法正确隔离到具体单元的故障数;
ND——在规定条件下用规定方法正确检测到的故障数;
3)虚警率
虚警率FAR是指在规定的工作时间内,发生的虚警数与同一时间内的故障指示总数之比,用百分数表示;其中,虚警是指当故障诊断算法检测出被测单元有故障,而实际上该单元不存在故障的情况;FAR的数学模型可表示为
式中NFA——虚警次数;
NF——真实故障指示次数;
N——指示(报警)总次数;
4)平均故障检测时间
平均故障检测时间MFDT是指当故障发生后,由诊断方法检测并指示该故障所需时间的平均值,其数学模型可表示为:
式中tDi——诊断方法检测并指示第i个故障所需时间;
ND——被诊断方法检测出的故障数;
5)平均故障隔离时间
平均故障隔离时间MFIT定义为从开始隔离故障到完成故障隔离所经历时间的平均值,其数学模型可表示为:
式中tIi——正确隔离第i个故障所用时间;
NI——隔离的故障数。
所述的步骤3中的分辨系数ρ取0.5。
有益效果
本发明采用了加权灰色关联度评估方法,基于各种故障诊断方法的诊断结果,统计诊断指标,采用熵权法获得权重,借用信息论中熵的概念,反映了有效信息的多寡,提高了综合评价的客观性;进一步用灰色关联度方法来得到各种待评估诊断方法的最优接近度,定量呈现出各种方法的优劣,增强了评估结果的准确性。
同时,本发明基于故障诊断测试指标进行定量评估,具体采用通用的故障诊断方法评价指标,并对其进行熵权法求权重和灰色关联度法定量分析,可以将不同种类故障诊断方法在统一框架下进行综合分析评估,也可以推广到多种类动态系统,因此具有良好的通用性和推广性。
附图说明
图1本发明流程图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
步骤一:对故障诊断系统进行仿真测试,分析测试仿真数据,计算出故障诊断评价指标;
针对每一种故障诊断方案,在测试仿真系统中注入故障,得到故障诊断结果。分析测试仿真数据,依次计算每种诊断方案下的故障检测率、故障隔离率、虚警率、平均故障检测时间和平均故障隔离时间等指标。
1)故障检测率
故障检测率(FDR)是指检测并发现系统内一个或者多个故障的能力。FDR一般定义为在规定的时间内,正确地检测出的故障数与发生的故障总数之比,用百分数表示。其定量数学模型可表示为
式中NT——故障总数,即在工作时间内发生的实际故障数;
ND——正确检测到的故障数。
2)故障隔离率
故障隔离率(FIR)是指快速而准确地隔离每一个已检测到的故障的能力。FIR一般定义为在规定的时间内,用规定的方法将故障正确地隔离到具体单元的故障数与在同一时间内已检测到的故障数之比,用百分数表示。其数学模型为
式中NI——在规定条件下用规定方法正确隔离到具体单元的故障数;
ND——在规定条件下用规定方法正确检测到的故障数。
3)虚警率
虚警率(FAR)是指在规定的工作时间内,发生的虚警数与同一时间内的故障指示总数之比,用百分数表示。其中,虚警是指当故障诊断算法检测出被测单元有故障,而实际上该单元不存在故障的情况。FAR的数学模型可表示为
式中NFA——虚警次数;
NF——真实故障指示次数;
N——指示(报警)总次数。
4)平均故障检测时间
平均故障检测时间(MFDT)是指当故障发生后,由诊断方法检测并指示该故障所需时间的平均值,其数学模型可表示为:
式中tDi——诊断方法检测并指示第i个故障所需时间;
ND——被诊断方法检测出的故障数。
5)平均故障隔离时间
平均故障隔离时间(MFIT)定义为从开始隔离故障到完成故障隔离所经历时间的平均值,其数学模型可表示为:
式中tIi——正确隔离第i个故障所用时间;
NI——隔离的故障数。
本实施例得到每种方法的故障诊断指标为:
表1三种故障诊断方法的诊断评估指标
评估指标 | 诊断方法1 | 诊断方法2 | 诊断方法3 |
故障检测率 | 90% | 85% | 95% |
故障隔离率 | 80% | 60% | 60% |
虚警率 | 5% | 8% | 10% |
平均故障检测时间 | 1.2 | 1.8 | 0.9 |
平均故障隔离时间 | 2.0 | 2.5 | 1.5 |
步骤二:构造规范化评估指标矩阵,并基于熵权法计算故障诊断评估指标的权重;
基于诊断指标构造评估指标矩阵,并对矩阵进行规范化处理,并用熵权法进行权值计算,具体步骤如下:
1)对评估指标矩阵进行规范化处理。假设有n个待评估对象,评估指标体系由m个评估指标组成,形成一个原始评估指标矩阵X=(xij)m×n,式中xij为第j个待评估对象在第i个评估指标下的指标值。一般情况下,待评估对象的不同类型指标间的量纲不同,数量差异较大,使得不同指标间在量上不能进行比较,故必须对由定性和定量指标组成的评估指标矩阵X=(xij)m×n进行规范化处理得到规范化矩阵R。在进行规范化处理时,对特殊数据要剔除,否则将得不到正确结果。例如某一项指标不具备时,得到的评分是0分,但是在规范化处理时,选取最小值就需要忽略0值,否则得到的结果可能不准确。指标特征值的规范化处理可以按下面方法进行:
本实施例依据故障诊断指标构造出指标矩阵X为:
越大越优型指标(例如故障检测率、隔离率等)。
越小越优型指标(例如虚警率、故障检测时间、隔离时间等)
定型指标越接近某一标准值越优:
以这些r(i,j)值作为元素可得规范化指标值矩阵。
本实施例以这些r(i,j)值作为元素可得规范化指标特征值矩阵为:
2)采用熵权法对处理后的规范化矩阵进行权重值求取。
已知规范化矩阵R=(rij)m×n,根据熵权法理论,由下式计算得到第i项指标的熵值,
由下式可计算得到第i项指标的熵权,即权重
W=[w1 w2 w3 … wm]T
本实施例得到权重向量为:
W=[0.1567 0.3726 0.1697 0.1443 0.1567]T
步骤三:对评估指标矩阵进行灰色关联度分析,结合指标权重得到加权灰色关联度,进行诊断能力综合评估。
1)灰色关联度分析;
首先,求出系统的最优方案G和最劣方案B:
其次,利用下面的灰关联系数公式求第j个方案向量Rj与最优方案向量G的关联系数
第j个方案向量Rj与最劣方案向量B的关联系数
最后,利用层次分析法得到的组合权重W和关联系数,计算加权灰关联度Rj与最优方案向量G的灰关联度:
D(Rj,G)=WTζ(Rj,G)
其中ζ(Rj,G)=[ζ1(Rj,G) ζ2(Rj,G) … ζm(Rj,G)]
Rj与最劣方案向量B的灰关联度:
D(Rj,B)=WTζ(Rj,B)
其中ζ(Rj,B)=[ζ1(Rj,B) ζ2(Rj,B) … ζm(Rj,B)]
2)故障诊断能力综合评估
假如第j个方案向量Rj以Vj从属于最优方案向量G,那末Rj以(1-Vj)从属于最劣方案向量B,则称(1-Vj)为第j个方案向量Rj偏离于最优方案向量G的优偏离度,Vj为第j个方案向量Rj偏离于最劣方案向量B的劣偏离度。根据最优原理,给出性能指标函数
该模型具有明确的物理意义。
1)Vj>0.5,表明Rj从属于最优方案的程度大于从属于最劣方案的程度;Vj<0.5,其物理意义相反。
2)Vj=0.5,表明Rj从属于最优方案的程度与从属于最劣方案的程度相等;
3)Vj=1,表明Rj必定为最优方案;Vj=0,其物理意义相反。
4)Vj越大,表明第j个方案Rj的性能越好;Vj越小,表明第j个方案Rj的性能越差。最优接近度向量V=[V1 V2 … Vn]。
本实施例可以得到最优接近度向量为:V=[0.7947 0.1278 0.4578],因此,根据Vj的大小不同排出各种待评估故障诊断方案的优劣次序,说明第一种故障诊断方法更优,其次是第三种诊断方法,第二种诊断方法在该评估体系中最差。
本发明实例针对某特定系统,待评估的故障诊断方法相应的三种,但是本发明专利的实施并不局限于该动态系统和待评估的几种方法,也可以应用于其他动态系统和故障诊断方法的评估。
Claims (3)
1.一种基于加权灰色关联度分析的故障诊断评估方法,其特征在于步骤如下:
步骤1:针对每一种故障诊断方案,在测试仿真系统中注入故障,得到故障诊断结果;分析测试仿真数据,计算每种诊断方案下的指标;
步骤2:基于诊断指标构造评估指标矩阵,并对矩阵进行规范化处理,并用熵权法进行权值计算;
1)对评估指标矩阵进行规范化处理
根据指标类型选择规范性处理方法:
越大越优型指标:
越小越优型指标:
定型指标越接近某一标准值越优:
以上述计算的r(i,j)值作为元素可得规范化指标值矩阵R=(rij)m×n;
2)采用熵权法对处理后的规范化矩阵进行权重值求取
根据熵权法理论,由下式计算得到第i项指标的熵值,
由下式可计算得到第i项指标的熵权,即权重
W=[w1 w2 w3…wm]T
步骤3:对评估指标矩阵进行灰色关联度分析,结合指标权重得到加权灰色关联度,进行诊断能力综合评估;
1)灰色关联度分析;
首先,求出系统的最优方案G和最劣方案B:
其次,利用下面的灰关联系数公式求第j个方案向量Rj与最优方案向量G的关联系数
第j个方案向量Rj与最劣方案向量B的关联系数
最后,利用层次分析法得到的组合权重W和关联系数,计算加权灰关联度Rj与最优方案向量G的灰关联度:
D(Rj,G)=WTζ(Rj,G)
其中,ζ(Rj,G)=[ζ1(Rj,G) ζ2(Rj,G)…ζm(Rj,G)];
Rj与最劣方案向量B的灰关联度:
D(Rj,B)=WTζ(Rj,B)
其中,ζ(Rj,B)=[ζ1(Rj,B) ζ2(Rj,B)…ζm(Rj,B)];
2)故障诊断能力综合评估
假如第j个方案向量Rj以Vj从属于最优方案向量G,那末Rj以(1-Vj)从属于最劣方案向量B,则称(1-Vj)为第j个方案向量Rj偏离于最优方案向量G的优偏离度,Vj为第j个方案向量Rj偏离于最劣方案向量B的劣偏离度;根据最优原理,给出性能指标函数:
该模型具有明确的物理意义:
1)Vj>0.5,表明Rj从属于最优方案的程度大于从属于最劣方案的程度;Vj<0.5,其物理意义相反;
2)Vj=0.5,表明Rj从属于最优方案的程度与从属于最劣方案的程度相等;
3)Vj=1,表明Rj必定为最优方案;Vj=0,其物理意义相反;
4)Vj越大,表明第j个方案Rj的性能越好;Vj越小;表明第j个方案Rj的性能越差;最优接近度向量V=[V1 V2…Vn];
因此,根据Vj的大小不同排出各种待评估故障诊断方案的优劣次序,即可得到综合评估结果。
2.根据权利要求1所述的一种基于加权灰色关联度分析的故障诊断评估方法,其特征在于所述的步骤1中的指标包括故障检测率、故障隔离率、虚警率、平均故障检测时间和平均故障隔离时间;
1)故障检测率
故障检测率FDR是指检测并发现系统内一个或者多个故障的能力,定义为在规定的时间内,正确地检测出的故障数与发生的故障总数之比,用百分数表示;其定量数学模型可表示为
式中NT——故障总数,即在工作时间内发生的实际故障数;
ND——正确检测到的故障数;
2)故障隔离率
故障隔离率FIR是指快速而准确地隔离每一个已检测到的故障的能力,定义为在规定的时间内,用规定的方法将故障正确地隔离到具体单元的故障数与在同一时间内已检测到的故障数之比,用百分数表示;其数学模型为
式中NI——在规定条件下用规定方法正确隔离到具体单元的故障数;
ND——在规定条件下用规定方法正确检测到的故障数;
3)虚警率
虚警率FAR是指在规定的工作时间内,发生的虚警数与同一时间内的故障指示总数之比,用百分数表示;其中,虚警是指当故障诊断算法检测出被测单元有故障,而实际上该单元不存在故障的情况;FAR的数学模型可表示为
式中NFA——虚警次数;
NF——真实故障指示次数;
N——指示(报警)总次数;
4)平均故障检测时间
平均故障检测时间MFDT是指当故障发生后,由诊断方法检测并指示该故障所需时间的平均值,其数学模型可表示为:
式中tDi——诊断方法检测并指示第i个故障所需时间;
ND——被诊断方法检测出的故障数;
5)平均故障隔离时间
平均故障隔离时间MFIT定义为从开始隔离故障到完成故障隔离所经历时间的平均值,其数学模型可表示为:
式中tIi——正确隔离第i个故障所用时间;
NI——隔离的故障数。
3.根据权利要求1所述的一种基于加权灰色关联度分析的故障诊断评估方法,其特征在于所述的步骤3中的分辨系数ρ取0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159261.3A CN111382943A (zh) | 2020-03-09 | 2020-03-09 | 一种基于加权灰色关联度分析的故障诊断评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159261.3A CN111382943A (zh) | 2020-03-09 | 2020-03-09 | 一种基于加权灰色关联度分析的故障诊断评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111382943A true CN111382943A (zh) | 2020-07-07 |
Family
ID=71221486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010159261.3A Pending CN111382943A (zh) | 2020-03-09 | 2020-03-09 | 一种基于加权灰色关联度分析的故障诊断评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382943A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112099351A (zh) * | 2020-09-03 | 2020-12-18 | 西北工业大学 | 一种基于中心对称多面体的分布式故障诊断方法 |
CN112881827A (zh) * | 2021-01-12 | 2021-06-01 | 新疆大学 | 一种基于改进灰色关联分析的油浸式变压器故障诊断方法 |
CN113159162A (zh) * | 2021-04-19 | 2021-07-23 | 南京理工大学紫金学院 | 一种基于信息融合与灰色关联度的故障诊断方法及系统 |
CN113281059A (zh) * | 2021-05-18 | 2021-08-20 | 潍柴动力股份有限公司 | 一种scr故障评估方法、scr装置及车辆 |
CN113988617A (zh) * | 2021-10-27 | 2022-01-28 | 中国航空综合技术研究所 | 基于综合效能评估的系统测试诊断需求分解计算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN109034676A (zh) * | 2018-10-22 | 2018-12-18 | 西南交通大学 | 不完备指标权重信息下的配电网故障恢复方案区间评估方法 |
CN109359870A (zh) * | 2018-10-19 | 2019-02-19 | 西南交通大学 | 一种基于选择消去法的配电网故障恢复方案综合评估方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
-
2020
- 2020-03-09 CN CN202010159261.3A patent/CN111382943A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN109359870A (zh) * | 2018-10-19 | 2019-02-19 | 西南交通大学 | 一种基于选择消去法的配电网故障恢复方案综合评估方法 |
CN109034676A (zh) * | 2018-10-22 | 2018-12-18 | 西南交通大学 | 不完备指标权重信息下的配电网故障恢复方案区间评估方法 |
Non-Patent Citations (2)
Title |
---|
张秋余: "基于熵权与灰色关联度的隐写分析算法评估" * |
张震,胡寿松: "动态系统故障诊断方法的灰色层次评估法" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112099351A (zh) * | 2020-09-03 | 2020-12-18 | 西北工业大学 | 一种基于中心对称多面体的分布式故障诊断方法 |
CN112099351B (zh) * | 2020-09-03 | 2022-09-30 | 西北工业大学 | 一种基于中心对称多面体的分布式故障诊断方法 |
CN112881827A (zh) * | 2021-01-12 | 2021-06-01 | 新疆大学 | 一种基于改进灰色关联分析的油浸式变压器故障诊断方法 |
CN113159162A (zh) * | 2021-04-19 | 2021-07-23 | 南京理工大学紫金学院 | 一种基于信息融合与灰色关联度的故障诊断方法及系统 |
CN113281059A (zh) * | 2021-05-18 | 2021-08-20 | 潍柴动力股份有限公司 | 一种scr故障评估方法、scr装置及车辆 |
CN113281059B (zh) * | 2021-05-18 | 2022-09-23 | 潍柴动力股份有限公司 | 一种scr故障评估方法、scr装置及车辆 |
CN113988617A (zh) * | 2021-10-27 | 2022-01-28 | 中国航空综合技术研究所 | 基于综合效能评估的系统测试诊断需求分解计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382943A (zh) | 一种基于加权灰色关联度分析的故障诊断评估方法 | |
CN107505133B (zh) | 基于自适应mrvm的滚动轴承故障概率性智能诊断方法 | |
Charrad et al. | NbClust: an R package for determining the relevant number of clusters in a data set | |
CN110352389B (zh) | 信息处理装置及信息处理方法 | |
De Marchi et al. | Untangling neural nets | |
CN109165242B (zh) | 一种基于熵排序与时空分析的故障诊断及预警方法 | |
CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测系统 | |
CN115982602B (zh) | 一种光伏变压器电故障检测方法 | |
CN108829878B (zh) | 一种工业实验数据异常点检测方法及装置 | |
CN112308038B (zh) | 基于课堂式生成对抗网络模型的机械设备故障信号识别方法 | |
US7552035B2 (en) | Method to use a receiver operator characteristics curve for model comparison in machine condition monitoring | |
CN109240276B (zh) | 基于故障敏感主元选择的多块pca故障监测方法 | |
CN110046789B (zh) | 一种学生信息素养测评试卷的自动生成方法及系统 | |
CN113298162A (zh) | 一种基于K-means算法的桥梁健康监测方法及系统 | |
CN116678552B (zh) | 一种变温度环境下光纤应力传感器异常监测方法 | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
CN111274543A (zh) | 一种基于高维空间映射的航天器系统异常检测方法 | |
CN113266921A (zh) | 一种空调设备故障检测方法、装置、设备及介质 | |
CN113010394A (zh) | 一种用于数据中心的机房故障检测方法 | |
CN115221963B (zh) | 一种数据驱动的核级管道共振故障检测方法和系统 | |
CN116384732A (zh) | 场站管道风险智能评估方法、系统、存储介质及计算设备 | |
CN107506824B (zh) | 一种配电网的不良观测数据检测方法及装置 | |
CN115330177B (zh) | 一种基于因果学习的城市公共设施安全风险评估方法 | |
CN116956638B (zh) | 一种设备寿命数据联合拟合检验分析方法 | |
CN118010614B (zh) | 共混型互穿网络热塑性弹性体的耐腐蚀性检测方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200707 |
|
WD01 | Invention patent application deemed withdrawn after publication |