CN114563045B - 一种医院后勤系统的检测方法、装置、电子设备及介质 - Google Patents

一种医院后勤系统的检测方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN114563045B
CN114563045B CN202210205993.0A CN202210205993A CN114563045B CN 114563045 B CN114563045 B CN 114563045B CN 202210205993 A CN202210205993 A CN 202210205993A CN 114563045 B CN114563045 B CN 114563045B
Authority
CN
China
Prior art keywords
matrix
sensor
researched
covariance matrix
current moment
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
Application number
CN202210205993.0A
Other languages
English (en)
Other versions
CN114563045A (zh
Inventor
陈高祥
马如明
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.)
Nanjing Tiansu Automation Control System Co ltd
Original Assignee
Nanjing Tiansu Automation Control System 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 Nanjing Tiansu Automation Control System Co ltd filed Critical Nanjing Tiansu Automation Control System Co ltd
Priority to CN202210205993.0A priority Critical patent/CN114563045B/zh
Publication of CN114563045A publication Critical patent/CN114563045A/zh
Application granted granted Critical
Publication of CN114563045B publication Critical patent/CN114563045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种医院后勤系统的检测方法、装置、电子设备及介质。基于卡尔曼滤波理论，通过获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并确定对应待研究对象当前时刻的先验状态向量和先验协方差矩阵，以及卡尔曼增益，进而得出待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。解决了目前很难精确判断医院后勤系统中待研究对象的测量值是否属于异常的问题，达到对医院后勤系统的相关场景进行更精确检测，提高医院后勤系统异常告警精度，降低无效告警率。

Description

一种医院后勤系统的检测方法、装置、电子设备及介质
技术领域
本发明涉及信号处理技术领域，尤其涉及一种医院后勤系统的检测方法、装置、电子设备及介质。
背景技术
医院后勤系统主要是依托计算机网络平台、远程数据传输技术、智能监控技术以及大容量数据存储等技术手段，实现对医院后勤管理的各个环节，例如：供水供电供气、环保绿化、消防、后勤人员、车辆等业务信息，进行高效的数据采集、处理分析，提高医院后勤管理工作效率和保障水平。
现有对医院后勤系统中待研究对象的测量值的检测方法，通常只会针对某个测量值(例如能耗、温度、压力、水量等)设定一个阈值或一个波动区域，当实际测量值超出设定值后就判定为异常，或者在短时间内多次测量实际值取其平均作为最终测量值，再进行判断。由于阈值的确定是一个模糊过程，且医院后勤系统随着实际运行环境、状态的变化，阈值也将会动态变化；另一方面，各种测量传感器本身存在系统误差以及外部影响，测量值并非是真实值。上述两者都会导致最终检测结果的不可靠，进而出现大量无效的异常判断，为实际工作带来很大负面影响。
发明内容
本发明提供了一种医院后勤系统的检测方法、装置、电子设备及介质，以解决很难精确判断医院后勤系统中待研究对象的测量值是否属于异常的问题。
根据本发明的一方面，提供了一种医院后勤系统的检测方法，所述医院后勤系统的检测方法包括：
获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵；
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益；
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。
可选的，在基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵之前，还包括：
确定状态转移矩阵、外部确定性影响控制矩阵、外部确定性影响控制向量、外部不确定性噪声矩阵均值向量和外部噪声协方差；
基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵，包括：
基于公式(一)根据所述状态转移矩阵、所述外部确定性影响控制矩阵、所述外部确定性影响控制向量以及所述外部不确定性噪声矩阵均值向量确定对应所述待研究对象当前时刻的先验状态向量，具体公式(一)为：
Figure BDA0003523278930000021
其中，
Figure BDA0003523278930000022
为所述待研究对象当前时刻的先验状态向量；/>
Figure BDA0003523278930000023
为所述待研究对象上一时刻的先验状态向量；At为所述状态转移矩阵；Bt为所述外部确定性影响控制矩阵；
Figure BDA0003523278930000024
为所述外部确定性影响控制向量；/>
Figure BDA0003523278930000025
为所述外部不确定性噪声矩阵均值向量；
基于公式(二)根据所述状态转移矩阵以及所述外部噪声协方差确定对应所述待研究对象当前时刻的先验协方差矩阵，具体公式(二)为：
Figure BDA0003523278930000031
其中，
Figure BDA0003523278930000032
为所述待研究对象当前时刻的先验协方差矩阵；/>
Figure BDA0003523278930000033
为所述待研究对象上一时刻的先验协方差矩阵；Qt为所述外部噪声协方差；/>
Figure BDA0003523278930000034
为所述状态转移矩阵的矩阵转置。
可选的，获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，包括：
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵；
基于公式(三)根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，具体公式(三)为：
Figure BDA0003523278930000035
其中，K′为所述待研究对象当前时刻的卡尔曼增益；Ht为所述传感器观测值转换矩阵；
Figure BDA0003523278930000036
为所述传感器观测值转换矩阵的矩阵转置；/>
Figure BDA0003523278930000037
为所述传感器噪声协方差矩阵。
可选的，确定所述待研究对象的传感器实际读数矩阵、传感器实际读数均值向量、传感器测量值噪声矩阵以及传感器测量值噪声均值向量；
所述传感器测量值噪声矩阵服从所述传感器测量值噪声均值向量
Figure BDA0003523278930000038
所述传感器噪声协方差矩阵/>
Figure BDA0003523278930000039
的正态分布，具体为：
Figure BDA00035232789300000310
其中，
Figure BDA00035232789300000311
为所述传感器测量值噪声矩阵；
所述传感器实际读数矩阵
Figure BDA0003523278930000041
服从正态分布，具体为：
Figure BDA0003523278930000042
其中，
Figure BDA0003523278930000043
为所述传感器实际读数矩阵；/>
Figure BDA0003523278930000044
为所述传感器实际读数均值向量。
可选的，根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，包括：
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵。
可选的，根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，包括：
基于公式(四)根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，具体公式(四)为：
Figure BDA0003523278930000045
其中，
Figure BDA0003523278930000046
为所述后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，包括：
基于公式(五)根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，具体公式(五)为：
Figure BDA0003523278930000051
其中，
Figure BDA0003523278930000052
为所述后验协方差矩阵。
可选的，所述医院后勤系统的检测方法还包括：
以预设时间步长迭代循环更新对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行更新检测。
根据本发明的另一方面，提供了一种医院后勤系统的检测装置，所述医院后勤系统的检测装置包括：
先验估计模块，用于执行获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵；
卡尔曼增益确定模块，用于执行获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益；
后验估计模块，用于执行根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的医院后勤系统的检测方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的医院后勤系统的检测方法。
本发明实施例的技术方案，基于卡尔曼滤波理论，通过获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并确定对应待研究对象当前时刻的先验状态向量和先验协方差矩阵，以及卡尔曼增益，进而得出待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。解决了目前很难精确判断医院后勤系统中待研究对象的测量值是否属于异常的问题，达到对医院后勤系统的相关场景进行更精确检测，提高医院后勤系统异常告警精度，降低无效告警率。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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是根据本发明实施例一提供的一种医院后勤系统的检测方法的流程图；
图2是根据本发明实施例二提供的一种医院后勤系统的检测方法的流程图；
图3是根据本发明实施例二提供的一种医院后勤系统的检测方法的计算过程流程图；
图4是本发明实施例提供的医院后勤系统的能耗异常检测的仿真结果示意图；
图5是本发明实施例提供的又一医院后勤系统的能耗异常检测的仿真结果示意图；
图6是根据本发明实施例三提供的一种医院后勤系统的检测装置的结构示意图；
图7是实现本发明实施例的医院后勤系统的检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“当前时刻”、“上一时刻”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种医院后勤系统的检测方法的流程图，本实施例可适用于对医院后勤系统中采集数据进行异常检测的情况，该医院后勤系统的检测方法可以由医院后勤系统的检测装置来执行，该医院后勤系统的检测装置可以采用硬件和/或软件的形式实现，该医院后勤系统的检测装置可配置于医院后勤系统所属的电子设备中。如图1所示，该医院后勤系统的检测方法包括：
S110、获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵。
其中，待研究对象可以为医院后勤系统涉及的管理业务的各个环节，待研究对象对应于医院后勤系统的某个系统，且该系统在医院后勤系统中过程简单、机制明确、数据全面。
可选的，待研究对象可以为医院后勤系统中供水供电供气、环保绿化、消防、后勤人员、车辆、暖通等系统中的一种，本实施例获取一个、两个或多个待研究对象，即获取供水供电供气、环保绿化、消防、后勤人员、车辆、暖通等系统中的一种、两种或多种作为待研究对象，本实施例对待研究对象的数量选取不作任何限制。
由于在医院后勤系统中，某个系统涉及的目标测量参数可能只有一个，也可能同时涉及多个，则在本实施例中，目标测量参数的数量是由待研究对象决定的。待研究对象涉及一个目标测量参数，则对应获取该待研究对象的一个目标测量参数，待研究对象涉及多个目标测量参数，则对应获取该待研究对象的多个目标测量参数中的一个、两个或多个。
示例性的，以医院后勤系统中暖通系统为例，暖通系统涉及能耗、温度、压力、水量等多个目标测量参数，则可以获取暖通系统中能耗、温度、压力、水量等测量参数的一个，作为目标测量参数，也可以获取能耗、温度、压力、水量等测量参数的多个，作为多个目标测量参数。
以医院后勤系统中供电系统为例，供电系统只涉及能耗这一个测量参数，则获取能耗作为供电系统的目标测量参数。
可以理解的是，目标测量参数是满足正态分布的，则在任意时刻，一个目标测量参数均存在对应的均值和方差，多个目标测量参数则对应均值向量和协方差矩阵。
在本实施例中，确定待研究对象当前时刻的先验状态向量和先验协方差矩阵，当前时刻可以对应为任意时刻，即获取的是待研究对象任意时刻的先验状态向量和先验协方差矩阵，从而进行卡尔曼滤波的预测状态迭代循环。
在上述基础上，在卡尔曼滤波理论中，待研究对象的状态满足正态分布，即每次得到的目标测量参数满足正态分布，则通过建立卡尔曼滤波状态方程确定待研究对象当前时刻的先验状态向量，并确定当前时刻目标测量参数对应的先验协方差矩阵，以完成对待研究对象的目标测量参数的先验状态估计。
S120、获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益。
进一步的，在对待研究对象的目标测量参数的先验状态估计后，利用目标测量参数对应的各种传感器的读数结果对先验状态估计值进行校正，从而使得最终结果更加准确。
在对医院后勤系统的实际检测中，很多情况下对传感器的实际观测量并不在目标测量参数的考量里面，则需要通过某种转换才能将传感器的实际观测结果转化成目标测量参数，即引入传感器观测值转换矩阵。
示例性的，以目标测量参数为温度为例，传感器的直接观测结果是内部温敏材料的变化量，每次测得内部温敏材料的变化量后，必须通过一定方式才能转化成最终的温度值。
在本实施例中，将传感器的直接观测量到目标量的转换过程，用传感器观测值转换矩阵表示，即得到待研究对象当前时刻的传感器观测值均值向量，传感器观测值均值向量为预测的待研究对象的观测值，传感器观测值均值向量服从正态分布。
进一步，确定所述待研究对象当前时刻的传感器实际读数矩阵、传感器实际读数均值向量，传感器实际读数均值向量为实际的待研究对象的观测值，传感器实际读数均值向量服从正态分布。
其中，待研究对象当前时刻的传感器实际读数在实际情况中，通常只读一次数据，在本实施例中仍定义为矩阵表示，即传感器实际读数矩阵。
需要说明的是，待研究对象当前时刻的传感器观测值均值向量和传感器实际读数矩阵可以对应两个传感器的读数结果对先验状态估计值进行校正，在实际情况中，也可以为获取多个传感器的读数结果对先验状态估计值进行校正，或是只获取一个传感器的读数结果对先验状态估计值进行校正，本实施例对此不作任何限制。
S130、根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。
在上述基础上，根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量；根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵。
具体的，当确定待研究对象当前时刻的传感器观测值均值向量和传感器实际读数矩阵，则将传感器观测值均值向量和传感器实际读数矩阵两个正态分布代入双变量正态分布公式，同理，若确定多个传感器的读数结果，即多个传感器观测值均值向量和传感器实际读数矩阵，则代入多变量正态分布公式，进而得到最终的传感器观测值，最终的传感器观测值不是可以直接读取到的值，且最终的传感器观测值服从正态分布。
进一步的，最终的传感器观测值可以通过待研究对象当前时刻对应的后验估计状态向量经过传感器观测值转换矩阵转换而来，将两种最终的传感器观测值相结合，可以确定待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵。
在上述实施例的基础上，确定待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵后，以预设时间步长迭代循环更新对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行更新检测。
其中，预设时间步长可以由本领域技术人员根据实际情况进行选择设置，本实施例对此不作任何限制。
具体的，根据所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，对下一时刻对应的后验估计状态向量和后验协方差矩阵进行更新，以此类推循环迭代，直至完成对所述医院后勤系统中对应的待研究对象的更新检测。
本发明实施例的技术方案，基于卡尔曼滤波理论，通过获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并确定对应待研究对象当前时刻的先验状态向量和先验协方差矩阵，以及卡尔曼增益，进而得出待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。解决了目前很难精确判断医院后勤系统中待研究对象的测量值是否属于异常的问题，达到对医院后勤系统的相关场景进行更精确检测，提高医院后勤系统异常告警精度，降低无效告警率。
实施例二
图2为本发明实施例二提供的一种医院后勤系统的检测方法的流程图，
图3为本发明实施例二提供的一种医院后勤系统的检测方法的计算过程流程图，本实施例在上述实施例的基础上，提供一种优选实施例。如图2和图3所示，该医院后勤系统的检测方法包括：
S210、获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并确定状态转移矩阵、外部确定性影响控制矩阵、外部确定性影响控制向量、外部不确定性噪声矩阵均值向量和外部噪声协方差。
S220、基于公式(一)根据所述状态转移矩阵、所述外部确定性影响控制矩阵、所述外部确定性影响控制向量以及所述外部不确定性噪声矩阵均值向量确定对应所述待研究对象当前时刻的先验状态向量，结合图3所示，具体公式(一)为：
Figure BDA0003523278930000121
其中，
Figure BDA0003523278930000122
为所述待研究对象当前时刻t的先验状态向量；/>
Figure BDA0003523278930000123
为所述待研究对象上一时刻t-1的先验状态向量；At为所述状态转移矩阵；Bt为所述外部确定性影响控制矩阵；/>
Figure BDA0003523278930000124
为所述外部确定性影响控制向量；/>
Figure BDA0003523278930000125
为所述外部不确定性噪声矩阵均值向量；
示例性的，以医院后勤系统中暖通系统为例，暖通系统涉及能耗、温度、压力、水量等多个目标测量参数，
Figure BDA0003523278930000126
状态转移矩阵At决定了待研究对象从上一时刻t-1的状态变化到当前时刻t的状态，不同的待研究对象中状态转移矩阵At需要根据具体问题具体确定。
示例性的，以所述外部确定性影响控制矩阵Bt和所述外部确定性影响控制向量
Figure BDA0003523278930000127
为每隔2Δt时间通过控制命令让水流量增加0.5吨为例，则Bt＝[2Δt]，/>
Figure BDA0003523278930000128
外部不确定性噪声矩阵均值向量
Figure BDA0003523278930000129
表示不确定性产生的噪声矩阵Wt的均值向量，比如因为机械误差因素导致无法精确控制0.5吨的水量，只能达到0.49吨，在本实施例中假设各种外部噪声服从均值为0的正态分布(该假设在绝大部分情况下与实际相符)，即：
Figure BDA0003523278930000131
其中，Qt表示外部各种噪声的外部噪声协方差，在实际中可以通过多次试验得到各个目标测量参数的不同值，然后直接求协方差矩阵；N()表示正态分布。
S230、基于公式(二)根据所述状态转移矩阵以及所述外部噪声协方差确定对应所述待研究对象当前时刻的先验协方差矩阵，结合图3所示，具体公式(二)为：
Figure BDA0003523278930000132
其中，
Figure BDA0003523278930000133
为所述待研究对象当前时刻t的先验协方差矩阵；/>
Figure BDA0003523278930000134
为所述待研究对象上一时刻t-1的先验协方差矩阵；Qt为所述外部噪声协方差；/>
Figure BDA0003523278930000135
为所述状态转移矩阵的矩阵转置。
S240、获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵。
在上述基础上，根据所述传感器观测值转换矩阵Ht、所述待研究对象当前时刻的先验状态向量
Figure BDA0003523278930000136
以及先验协方差矩阵/>
Figure BDA0003523278930000137
得到所述待研究对象当前时刻t的传感器观测值的均值向量/>
Figure BDA0003523278930000138
以及协方差矩阵/>
Figure BDA0003523278930000139
具体为：
Figure BDA00035232789300001310
Figure BDA00035232789300001311
其中，“e”表示“estimate估计”。
进一步的，确定所述待研究对象的传感器实际读数矩阵
Figure BDA00035232789300001312
传感器实际读数均值向量/>
Figure BDA00035232789300001313
传感器测量值噪声矩阵/>
Figure BDA00035232789300001314
以及传感器测量值噪声均值向量/>
Figure BDA00035232789300001315
所述传感器测量值噪声矩阵服从所述传感器测量值噪声均值向量
Figure BDA0003523278930000141
所述传感器噪声协方差矩阵/>
Figure BDA0003523278930000142
的正态分布，具体为：
Figure BDA0003523278930000143
其中，
Figure BDA0003523278930000144
为所述传感器测量值噪声矩阵；
所述传感器实际读数矩阵
Figure BDA0003523278930000145
服从正态分布，具体为：
Figure BDA0003523278930000146
其中，
Figure BDA0003523278930000147
为所述传感器实际读数矩阵；/>
Figure BDA0003523278930000148
为所述传感器实际读数均值向量。
S250、基于公式(三)根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，结合图3所示，具体公式(三)为：
Figure BDA0003523278930000149
其中，K′为所述待研究对象当前时刻的卡尔曼增益；Ht为所述传感器观测值转换矩阵；
Figure BDA00035232789300001410
为所述传感器观测值转换矩阵的矩阵转置；/>
Figure BDA00035232789300001411
为所述传感器噪声协方差矩阵。
S260、基于公式(四)根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，结合图3所示，具体公式(四)为：
Figure BDA00035232789300001412
其中，
Figure BDA00035232789300001413
为所述后验估计状态向量。
S270、基于公式(五)根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，结合图3所示，具体公式(五)为：
Figure BDA00035232789300001414
其中，
Figure BDA00035232789300001415
为所述后验协方差矩阵。
在上述基础上，步骤S250至步骤S270的具体计算方式如下：
将传感器观测值均值向量和传感器实际读数矩阵对应的正态分布带入多变量正态分布相乘公式可得：
Figure BDA0003523278930000151
Figure BDA0003523278930000152
其中，
Figure BDA0003523278930000153
为最终的传感器观测值的均值向量；K为待研究对象上一时刻t-1的卡尔曼增益；/>
Figure BDA0003523278930000154
为最终的传感器观测值的协方差矩阵。
最终的传感器观测值
Figure BDA0003523278930000155
其满足正态分布如下：
Figure BDA0003523278930000156
另一方面，最终的传感器观测值的均值向量
Figure BDA0003523278930000157
由后验估计状态向量/>
Figure BDA0003523278930000158
经过所述传感器观测值转换矩阵Ht转换而来，具体为：
Figure BDA0003523278930000159
综上所述，可以得到所述待研究对象当前时刻t对应的后验估计状态向量
Figure BDA00035232789300001510
和后验协方差矩阵/>
Figure BDA00035232789300001511
以及卡尔曼增益K′，具体为：
Figure BDA00035232789300001512
Figure BDA00035232789300001513
其中，K′为卡尔曼增益；
Figure BDA00035232789300001514
为所述传感器观测值转换矩阵的矩阵转置；/>
Figure BDA00035232789300001515
为所述传感器噪声协方差矩阵。
S280、结合图3所示，确定待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵后，以预设时间步长迭代循环更新对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行更新检测。
示例性的，以医院后勤系统的能耗异常检测为例，为简便起见，认为在极短时间间隔内能耗值不变，即上一时刻能耗值等于下一时刻能耗值，即状态转移矩阵At＝1。在实际中，可以根据能耗的历史数据、与能耗相关的其他数据(比如温度数据)得到下一个时刻的能耗值与当前能耗值的关系，从而动态地决定状态转移矩阵At的值。医院后勤系统的能耗异常检测涉及的其他参数如下表所示：
表1：医院后勤系统的能耗异常检测涉及的其他参数
Figure BDA0003523278930000161
图4是本发明实施例提供的医院后勤系统的能耗异常检测的仿真结果示意图，参见图4，横坐标为时间(分钟)，纵坐标为能耗(千瓦时)，图4中“点线”表示理想能耗曲线，“+线”表示每个时间点传感器的实际测量能耗值，“实线”表示通过卡尔曼滤波后的最终能耗值。可见，经过卡尔曼滤波后的能耗值精度相比于实际测量值在精度上有了很大提高，平均平方误差从1.1268降到了0.1233，下降幅度达89％。如果此时的能耗阈值在图中虚线所示位置，则原本在两条虚线外侧的实际测量值都将被视为能耗异常，经过卡尔曼滤波以后，绝大部分无效异常都会被过滤，只剩矩形框内小部分作为有效异常，有效提高了医院后勤系统的能耗异常检测识别精确度。
图5是本发明实施例提供的又一医院后勤系统的能耗异常检测的仿真结果示意图，参见图5，横坐标为迭代次数，纵坐标为能耗(千瓦时2)，图5中展示了所有200个时间步迭代的平方误差，从图5中可以看出，当迭代到第20步后，整体趋于稳定，平方误差率保持在0.14平方千瓦时左右。这说明卡尔曼滤波方法需要在一定时间步后才能进入正常工作状态，前期需要一定的时间进行学习。
实施例三
图6为本发明实施例三提供的一种医院后勤系统的检测装置的结构示意图。如图6所示，该医院后勤系统的检测装置包括：
先验估计模块610，用于执行获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵；
卡尔曼增益确定模块620，用于执行获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益；
后验估计模块630，用于执行根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测。
可选的，医院后勤系统的检测装置包括：
确定状态转移矩阵、外部确定性影响控制矩阵、外部确定性影响控制向量、外部不确定性噪声矩阵均值向量和外部噪声协方差；
基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵，包括：
基于公式(一)根据所述状态转移矩阵、所述外部确定性影响控制矩阵、所述外部确定性影响控制向量以及所述外部不确定性噪声矩阵均值向量确定对应所述待研究对象当前时刻的先验状态向量，具体公式(一)为：
Figure BDA0003523278930000181
其中，
Figure BDA0003523278930000182
为所述待研究对象当前时刻的先验状态向量；/>
Figure BDA0003523278930000183
为所述待研究对象上一时刻的先验状态向量；At为所述状态转移矩阵；Bt为所述外部确定性影响控制矩阵；
Figure BDA0003523278930000184
为所述外部确定性影响控制向量；/>
Figure BDA0003523278930000185
为所述外部不确定性噪声矩阵均值向量；
基于公式(二)根据所述状态转移矩阵以及所述外部噪声协方差确定对应所述待研究对象当前时刻的先验协方差矩阵，具体公式(二)为：
Figure BDA0003523278930000186
其中，
Figure BDA0003523278930000187
为所述待研究对象当前时刻的先验协方差矩阵；/>
Figure BDA0003523278930000188
为所述待研究对象上一时刻的先验协方差矩阵；Qt为所述外部噪声协方差；/>
Figure BDA0003523278930000189
为所述状态转移矩阵的矩阵转置。
可选的，卡尔曼增益确定模块620包括：
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵；
基于公式(三)根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，具体公式(三)为：
Figure BDA00035232789300001810
其中，K′为所述待研究对象当前时刻的卡尔曼增益；Ht为所述传感器观测值转换矩阵；
Figure BDA00035232789300001811
为所述传感器观测值转换矩阵的矩阵转置；/>
Figure BDA00035232789300001812
为所述传感器噪声协方差矩阵。
可选的，确定所述待研究对象的传感器实际读数矩阵、传感器实际读数均值向量、传感器测量值噪声矩阵以及传感器测量值噪声均值向量；
所述传感器测量值噪声矩阵服从所述传感器测量值噪声均值向量
Figure BDA0003523278930000191
所述传感器噪声协方差矩阵/>
Figure BDA0003523278930000192
的正态分布，具体为：
Figure BDA0003523278930000193
其中，
Figure BDA0003523278930000194
为所述传感器测量值噪声矩阵；
所述传感器实际读数矩阵
Figure BDA0003523278930000195
服从正态分布，具体为：
Figure BDA0003523278930000196
其中，
Figure BDA0003523278930000197
为所述传感器实际读数矩阵；/>
Figure BDA0003523278930000198
为所述传感器实际读数均值向量。
可选的，根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，包括：
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵。
可选的，根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，包括：
基于公式(四)根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，具体公式(四)为：
Figure BDA0003523278930000201
其中，
Figure BDA0003523278930000202
为所述后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，包括：
基于公式(五)根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，具体公式(五)为：
Figure BDA0003523278930000203
其中，
Figure BDA0003523278930000204
为所述后验协方差矩阵。
可选的，所述医院后勤系统的检测装置还包括：
以预设时间步长迭代循环更新对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行更新检测。
本发明实施例所提供的医院后勤系统的检测装置可执行本发明任意实施例所提供的医院后勤系统的检测方法，具备执行医院后勤系统的检测方法相应的功能模块和有益效果。
实施例四
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如医院后勤系统的检测方法。
在一些实施例中，医院后勤系统的检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的医院后勤系统的检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行医院后勤系统的检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (8)

1.一种医院后勤系统的检测方法，其特征在于，包括：
获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵；
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益；
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测；
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，包括：
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵；
基于公式(三)根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，具体公式(三)为：
Figure QLYQS_1
其中，K′为所述待研究对象当前时刻的卡尔曼增益；Ht为所述传感器观测值转换矩阵；
Figure QLYQS_2
为所述传感器观测值转换矩阵的矩阵转置；/>
Figure QLYQS_3
为所述传感器噪声协方差矩阵；
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，包括：
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵。
2.根据权利要求1所述的医院后勤系统的检测方法，其特征在于，在基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵之前，还包括：
确定状态转移矩阵、外部确定性影响控制矩阵、外部确定性影响控制向量、外部不确定性噪声矩阵均值向量和外部噪声协方差；
基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵，包括：
基于公式(一)根据所述状态转移矩阵、所述外部确定性影响控制矩阵、所述外部确定性影响控制向量以及所述外部不确定性噪声矩阵均值向量确定对应所述待研究对象当前时刻的先验状态向量，具体公式(一)为：
Figure QLYQS_4
其中，
Figure QLYQS_5
为所述待研究对象当前时刻的先验状态向量；/>
Figure QLYQS_6
为所述待研究对象上一时刻的先验状态向量；At为所述状态转移矩阵；Bt为所述外部确定性影响控制矩阵；/>
Figure QLYQS_7
为所述外部确定性影响控制向量；/>
Figure QLYQS_8
为所述外部不确定性噪声矩阵均值向量；
基于公式(二)根据所述状态转移矩阵以及所述外部噪声协方差确定对应所述待研究对象当前时刻的先验协方差矩阵，具体公式(二)为：
Figure QLYQS_9
其中，
Figure QLYQS_10
为所述待研究对象当前时刻的先验协方差矩阵；/>
Figure QLYQS_11
为所述待研究对象上一时刻的先验协方差矩阵；Qt为所述外部噪声协方差；/>
Figure QLYQS_12
为所述状态转移矩阵的矩阵转置。
3.根据权利要求1所述的医院后勤系统的检测方法，其特征在于，确定所述待研究对象的传感器实际读数矩阵、传感器实际读数均值向量、传感器测量值噪声矩阵以及传感器测量值噪声均值向量；
所述传感器测量值噪声矩阵服从所述传感器测量值噪声均值向量
Figure QLYQS_13
所述传感器噪声协方差矩阵/>
Figure QLYQS_14
的正态分布，具体为：
Figure QLYQS_15
其中，
Figure QLYQS_16
为所述传感器测量值噪声矩阵；
所述传感器实际读数矩阵
Figure QLYQS_17
服从正态分布，具体为：
Figure QLYQS_18
其中，
Figure QLYQS_19
为所述传感器实际读数矩阵；/>
Figure QLYQS_20
为所述传感器实际读数均值向量。
4.根据权利要求1所述的医院后勤系统的检测方法，其特征在于，根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，包括：
基于公式(四)根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量，具体公式(四)为：
Figure QLYQS_21
其中，
Figure QLYQS_22
为所述后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，包括：
基于公式(五)根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵，具体公式(五)为：
Figure QLYQS_23
其中，
Figure QLYQS_24
为所述后验协方差矩阵。
5.根据权利要求1所述的医院后勤系统的检测方法，其特征在于，所述医院后勤系统的检测方法还包括：
以预设时间步长迭代循环更新对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行更新检测。
6.一种医院后勤系统的检测装置，其特征在于，包括：
先验估计模块，用于执行获取医院后勤系统中至少一个待研究对象的至少一个目标测量参数，并基于所述目标测量参数确定对应所述待研究对象当前时刻的先验状态向量和先验协方差矩阵；
卡尔曼增益确定模块，用于执行获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵，并根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益；
后验估计模块，用于执行根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量和所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验估计状态向量和后验协方差矩阵，以对所述医院后勤系统中对应的所述待研究对象进行检测；
所述卡尔曼增益确定模块，具体用于：
获取所述待研究对象当前时刻的传感器噪声协方差矩阵以及传感器观测值转换矩阵；
基于公式(三)根据所述先验协方差矩阵、所述传感器噪声协方差矩阵以及所述传感器观测值转换矩阵确定所述待研究对象当前时刻的卡尔曼增益，具体公式(三)为：
Figure QLYQS_25
其中，K′为所述待研究对象当前时刻的卡尔曼增益；Ht为所述传感器观测值转换矩阵；
Figure QLYQS_26
为所述传感器观测值转换矩阵的矩阵转置；/>
Figure QLYQS_27
为所述传感器噪声协方差矩阵；
所述后验估计模块，具体用于：
根据所述传感器观测值转换矩阵、所述卡尔曼增益、所述先验状态向量以及所述传感器实际读数均值向量确定所述待研究对象当前时刻对应的后验估计状态向量；
根据所述传感器观测值转换矩阵、所述卡尔曼增益以及所述先验协方差矩阵确定所述待研究对象当前时刻对应的后验协方差矩阵。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的医院后勤系统的检测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的医院后勤系统的检测方法。
CN202210205993.0A 2022-02-28 2022-02-28 一种医院后勤系统的检测方法、装置、电子设备及介质 Active CN114563045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210205993.0A CN114563045B (zh) 2022-02-28 2022-02-28 一种医院后勤系统的检测方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210205993.0A CN114563045B (zh) 2022-02-28 2022-02-28 一种医院后勤系统的检测方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN114563045A CN114563045A (zh) 2022-05-31
CN114563045B true CN114563045B (zh) 2023-06-27

Family

ID=81717142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210205993.0A Active CN114563045B (zh) 2022-02-28 2022-02-28 一种医院后勤系统的检测方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN114563045B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728618A (zh) * 2017-09-28 2018-02-23 南通大学 一种无人船的避障方法
CN110174104A (zh) * 2019-05-30 2019-08-27 北京邮电大学 一种组合导航方法、装置、电子设备及可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010057658A (ja) * 2008-09-03 2010-03-18 Institute Of Physical & Chemical Research 検出装置および方法、並びにプログラム
CN107707310B (zh) * 2017-09-20 2020-05-29 哈尔滨工业大学深圳研究生院 一种基于自适应卡尔曼的偏振解复用和载波相位恢复方法
CN110766726B (zh) * 2019-10-17 2022-03-01 重庆大学 复杂背景下的大钟料罐容器移动目标视觉定位与动态跟踪方法
CN111157960B (zh) * 2019-12-03 2021-09-28 南京汇君半导体科技有限公司 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备
CN111578928B (zh) * 2020-05-07 2022-04-05 北京邮电大学 一种基于多源融合定位系统的定位方法及装置
CN113422593B (zh) * 2021-07-05 2024-04-26 北京信息科技大学 滤波方法、滤波器、计算机可读存储介质、处理器和fpga

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728618A (zh) * 2017-09-28 2018-02-23 南通大学 一种无人船的避障方法
CN110174104A (zh) * 2019-05-30 2019-08-27 北京邮电大学 一种组合导航方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN114563045A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN101248365B (zh) 估算与电池相关的状态向量的系统和方法
CN116108604B (zh) 一种供水管网异常检测方法、系统、设备及存储介质
CN115932586A (zh) 一种电池荷电状态在线估算方法、装置、设备及介质
Kong et al. Remaining useful life prediction for degrading systems with random shocks considering measurement uncertainty
CN116663747A (zh) 一种基于数据中心基础设施的智能预警方法及系统
CN114563045B (zh) 一种医院后勤系统的检测方法、装置、电子设备及介质
CN117370913A (zh) 光伏系统中异常数据的检测方法、装置以及设备
CN115597872B (zh) 抽水蓄能机组甩负荷测试方法、装置、设备及介质
CN115375039A (zh) 一种工业设备故障预测方法、装置、电子设备及存储介质
CN112581727B (zh) 桥梁的位移漂移预警方法、装置、设备及存储介质
CN117131315B (zh) 基于求解多元二次函数极值的超差电能表确定方法及介质
CN113960965B (zh) 数据处理方法、装置、电子设备和可读存储介质
CN115062273B (zh) 工业互联网的光电传感器精度控制方法及系统
CN115373449B (zh) 一种数据处理方法、装置、设备及存储介质
CN115022348B (zh) 一种高端电池智能工厂云级架构数据存储方法
CN117833208A (zh) 配电网状态推演方法、装置、电子设备和存储介质
CN115392027A (zh) 一种网架结构的安全评估方法、装置、设备及介质
CN118154026A (zh) 一种燃料可靠性指标的确定方法、装置、设备及介质
CN118333610A (zh) 一种信息处理方法、装置、电子设备及存储介质
CN117436736A (zh) 一种生产环境中的自动计产方法、装置、设备及介质
CN118057390A (zh) 油藏数值模拟拟合精度的确定方法、装置、设备及介质
CN117421174A (zh) 一种系统异常监测方法、装置、设备以及存储介质
CN117420369A (zh) 一种线路线损检测方法、装置、电子设备和存储介质
CN115097195A (zh) 逆变器mppt电压异常诊断方法、装置、电子设备和存储介质
CN117829611A (zh) 一种基于人工智能的分包商管理风险评估预警方法

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