CN114611865A - 一种基于仪控平台的工业控制站仪表的健康评估方法 - Google Patents
一种基于仪控平台的工业控制站仪表的健康评估方法 Download PDFInfo
- Publication number
- CN114611865A CN114611865A CN202111627957.5A CN202111627957A CN114611865A CN 114611865 A CN114611865 A CN 114611865A CN 202111627957 A CN202111627957 A CN 202111627957A CN 114611865 A CN114611865 A CN 114611865A
- Authority
- CN
- China
- Prior art keywords
- control station
- instrument
- health
- module
- evaluation
- 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
- 230000036541 health Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000011156 evaluation Methods 0.000 claims abstract description 95
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000015556 catabolic process Effects 0.000 claims description 10
- 238000006731 degradation reaction Methods 0.000 claims description 10
- 230000005183 environmental health Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation 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
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于仪控平台的工业控制站仪表的健康评估方法，包括利用健康度评估模型对控制站进行健康度评估和对控制站的各个模块进行寿命预测；所述健康度评估模型包括若干级评估项目，通过改进权重法计算获得各级评估项目的健康度分数。本发明既能实时计算控制站和各个模块的健康度，也能做到相关模块的寿命预计；利用了改进权重法，将评估项目分为灵敏评估项目和非灵敏评估项目两大类进行权重处理，使健康度评估对故障或运行参数异常的情况反应更加灵敏，健康度评估结果更加合理；从采样数据的变化趋势、模块短板理论寿命等多方面对模块进行寿命预测，最后利用变权重的方法获得综合预测寿命，预测寿命结果更准确。
Description
技术领域
本发明涉及设备健康评估技术领域，具体涉及一种基于仪控平台的工业控制站仪表的健康评估方法。
背景技术
目前，工业控制站仪表的健康评估方法较为匮乏，大部分用于电网的电力设备健康评估，而鲜有用于工业控制站仪表的健康诊断方法，需建立针对相应模块健康度评估模型，能够实时对控制站各个模块和控制站整体的进行健康评估。然而工业控制站仪表的健康度评估若采用模糊层次分析法，使用AHP或FAHP的权重法，易出现即使检测参数出现问题，模块明显处于危险状态，由于健康度的降低幅度小，无法灵敏反应出此类故障的状况，存在针对重要异常参数的变动反应不灵敏的问题。
如中国专利CN108549984A，公开日2018年9月18日，公开了一种基于模糊AHP的电力通信传输网性能综合评估方法，通过将模糊分析方法和层次分析法相结合，综合评价电力通信传输网的整体性能。首先根据电力通信传输网的结构特征和应用需求，确定评判因素，建立二级三层结构的性能指标综合评价体系；利用模糊AHP方法建立电力通信传输网性能综合评价的计算模型；最后结合专家给出的各项性能指标权重、评判因素权重以及评判因素的模糊评语，通过两级评判计算得出电力通信传输网性能的综合评价结果。其通过模糊AHP权重法建立电力通信传输网性能综合评价的计算模型，存在对重要异常参数的变动反应不灵敏的问题。
发明内容
本发明要解决的技术问题是：目前的设备健康评估方法存在对重要异常参数的变动反应不灵敏的技术问题。提出了一种通过改进权重法提高健康度评估对重要参数的反应灵敏度的基于仪控平台的工业控制站仪表的健康评估方法。
为解决上述技术问题，本发明所采取的技术方案为：一种基于仪控平台的工业控制站仪表的健康评估方法，包括利用健康度评估模型对控制站进行健康度评估和对控制站的各个模块进行寿命预测；所述健康度评估模型包括若干级评估项目，通过改进权重法计算获得各级评估项目的健康度分数。一种工业控制站仪表的健康评估方法，实时对控制站各个模块和控制站整体的进行健康评估，既能实时计算控制站和各个模块的健康度，也能做到相关模块的寿命预计。通过健康度和寿命预计结果确认控制站及其各个模块的运行状况，及时进行运维检查和模块检修。
作为优选，改进权重法包括如下步骤：
A1：建立健康度评估模型，确认相关评估项目之间的从属关系；
A2：构建判断矩阵；
A3：计算权重；
A4：进行一致性检测；
A5：对评估项目进行灵敏评估项目和非灵敏评估项目分类，获取各评估项目的改进权重。
改进权重法的步骤为：
1)建立4级的健康度评估模型，确认相关评估项目之间的从属关系；
2)建立判断矩阵。确定每两个评估项目之间的重要性(两两比较)，用aij的值(1～9)表示第i个评估项目相对第j个评估项目的重要性，数字越大，ai越重要，从而形成判断矩阵A。其中，aij＝1/aji。
3)计算各评估项目的对应权重；
4)一致性检测。计算矩阵A的最大特征根，代入公式计算一致性比例CR
其中，n为A的阶数，CI为一致性指标，RI为随意一致性指标；
5)对评估项目进行灵敏评估项目和非灵敏评估项目分类，获取各评估项目的改进权重。
作为优选，步骤A3中利用方根法将判断矩阵的各行进行乘积再归一化，得到各评估项目的对应权重向量[k1，k2……kn]，n为评估项目个数。通过方根法对判断矩阵A进行权重向量计算。
作为优选，步骤A5计算过程包括：将衰退型评估项目设为非灵敏评估项目，将非灵敏评估项目的权重设定为正数，归一化后形成集合K'；将非衰退型评估项目设为灵敏评估项目，将灵敏评估项目权重归一化后，乘以系数p形成集合K”，-1<p<0。
将可靠度、绝缘阻抗等衰退型评估项目设定为非灵敏评估项目，将其权重设定为正数，归一化后形成集合K'。将故障、外力破坏等非衰退型评估项目设定为灵敏评估项目，将权重归一化后，乘以一个系数p(-1<p<0)形成集合K”。p越小，表明灵敏评估项目对最终的健康度评估结果影响越大。
作为优选，健康度评估模型包括4级评估项目，第1级评估项目为控制站健康度；第2级评估项目为控制站下属模块的健康度；第3级为环境健康度、指标型状态量、检测型状态量和记录型状态量；第4级为各个状态量和环境健康度下属的评估项目。
健康度评估模型主要分为4级评估项目：第1级评估项目为控制站健康度；
第2级评估项目为控制站下属模块1健康度、模块2健康度……模块k健康度(该控制站下属共k个模块)的健康度，包括但不仅限于机柜、电源模块、IO模块、控制器模块、IO通讯模块等；
第3级为环境健康度、指标型状态量、检测型状态量、记录型状态量；
第4级为各个状态量或环境健康度下属的评估项目。此类评估项目将根据相应模块的可靠性数据、运行特点和数据特征设定。各级评估项目的健康度分数是由其下一级的评估项目的健康度按照改进权重法进行计算获得的。
作为优选，对控制站的各个模块进行的寿命预测包括趋势数据寿命预测、短板理论寿命预测和变权重综合预测寿命。
退化是所有高精密电子产品的共有特性。对于一些模块，能通过测量该模块的某些表征其退化程度或运行情况的某些参数，进行拟合数据变化趋势预测模块寿命；工业控制站仪表的相关模块均是复杂、高精密的模块，模块中的某个元器件失效，则会导致模块功能异常甚至故障。因此模块的寿命应由其最薄弱的元器件的寿命决定。
作为优选，趋势数据寿命预测的实施步骤包括：
确定能表征该模块退化情况或运行情况的运行参数ai，采集参数ai在不同时间段的值；
对参数ai，通过数据预处理，去除异常值，并进行平滑处理；
根据参数ai随时间的退化特点进行数据的趋势拟合，通过拟合曲线计算该参数ai达到阈值的时间，就是该趋势数据预测的寿命Li。以上为单个参数ai的寿命预测，若有n个参数，则按照以上步骤获得a1，……，an的预测寿命结果La1，……，Lan。
作为优选，短板理论寿命预测的实施步骤包括：
根据模块的运行环境、运行年限和设计原理，确认模块的失效机理；
根据失效机理确定模块上的m个薄弱元器件，利用其威布尔模型计算预测寿命L元器件1，……，L元器件m；
根据短板理论预测寿命L元器件预测＝min(L元器件1，……，L元器件m)。
了解模块的运行环境、运行年限、设计原理等相关信息，确认可能存在的失效机理。
根据失效机理确定模块上的m个薄弱元器件，利用其威布尔模型计算预测寿命L元器件1，……，L元器件m。
根据短板理论，模块寿命由其最薄弱的短板元器件的寿命决定，因此，短板理论预测的寿命L元器件预测＝min(L元器件1，……，L元器件m)。
作为优选，变权重综合预测寿命过程中变权重方法计算权重公式为：
L＝k1×La1+......+kn×Lan+k元器件预测×L元器件预测
对于单向递减的参数ai，其权重计算方法为：
其中，ki为ai的权重值，amax为ai的理论最大值或最大阈值，amin为ai的理论最小值或最小阈值；
对于单向递增的参数ai，其权重计算方法为：
对于存在上下限，在上下限范围内的参数ai，其权重计算方法为
其中，aN为ai的额定值。
在通过趋势预测寿命获得n个参数的趋势数据预测寿命结果La1，……，Lan和短板理论预测的寿命L元器件预测的情况下，利用变权重的方法将m+1个寿命预测结果综合起来，获得综合寿命预测结果。
本发明的实质性效果是：1、本发明提出了一种工业控制站仪表的健康评估方法，实时对控制站各个模块和控制站整体的进行健康评估，既能实时计算控制站和各个模块的健康度，也能做到相关模块的寿命预计。通过健康度和寿命预计结果确认控制站及其各个模块的运行状况，及时进行运维检查和模块检修。
2、本发明的健康评估部分利用了改进权重法，将评估项目分为灵敏评估项目和非灵敏评估项目两大类进行权重处理，使健康度评估对故障或运行参数异常的情况反应更加灵敏，健康度评估结果更加合理。
3、本方法的寿命预测部分从采样数据的变化趋势、模块短板理论寿命等多方面对模块进行寿命预测，最后利用变权重的方法获得综合预测寿命。该方法规避了由于前期采样数据样本少波动大导致趋势数据预测方法前期预测结果不准确的问题，同时也规避了短板理论无法深入结合模块运行参数，导致短板理论后期预测结果不准确的问题。另外，越接近临界阈值的采样数据预测的寿命对最后合成的综合预测寿命的影响越大，相应的综合预测寿命结果更准确。
附图说明
图1为基于仪控平台的工业控制站仪表的健康评估方法的模型流程框图；
图2为针对工业控制站及各模块的健康度评估模型；
图3为改进权重法的流程图；
图4为改进权重法计算的控制器健康度；
图5为层次分析法计算的控制器健康度；
图6为本方法的基于变权重法的综合寿命预测流程图；
图7为综合寿命预测方法得到的电源寿命仿真图。
具体实施方式
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
一种基于仪控平台的工业仪表控制系统的健康评估方法，主要分为两个部分，一个部分是控制站及各个模块健康度的计算，另一个部分为各个模块的寿命评估。输入的数据来源主要有台账数据、SCD配置文件、运行告警数据、模块设计性能、环境监测数据这五个数据源，总体模型框图如图1所示。
健康度能够量化评估控制站、各个模块的实时运行水平，寿命评估能够预计模块运行寿命。因此，本实施例能为运维人员的运行维护工作、用户制定检修需求和计划提供参考。
本实施例的健康度模型在应用于工业控制站仪表后，其健康度评估模型主要分为4级评估项目，如图2所示。
第1级评估项目为控制站健康度；
第2级评估项目为控制站下属模块1健康度、模块2健康度……模块k健康度(该控制站下属共k个模块)的健康度，包括但不仅限于机柜、电源模块、IO模块、控制器模块、IO通讯模块等；
第3级为环境健康度、指标型状态量、检测型状态量、记录型状态量；
第4级为各个状态量或环境健康度下属的评估项目。此类评估项目将根据相应模块的可靠性数据、运行特点和数据特征设定。
各级评估项目的健康度分数是由其下一级的评估项目的健康度按照改进权重法进行计算获得的，改进权重法的步骤如图3所示，其步骤为：
1)建立健康度评估模型，确认相关评估项目之间的从属关系；
2)建立判断矩阵。确定每两个评估项目之间的重要性(两两比较)，用aij的值(1～9)表示第i个评估项目相对第j个评估项目的重要性，数字越大，ai越重要，从而形成判断矩阵A，其中，aij＝1/aji；
3)计算权重。利用方根法将A的各行进行乘积再归一化，得到各评估项目的对应权重向量[k1，k2……kn](共n个评估项目)；
4)一致性检测。计算矩阵A的最大特征根，代入公式计算一致性比例CR
其中，n为A的阶数，CI为一致性指标，RI为随意一致性指标；
5)将可靠度、绝缘阻抗等衰退型评估项目设定为非灵敏评估项目，将其权重设定为正数，归一化后形成集合K'。将故障、外力破坏等非衰退型评估项目设定为灵敏评估项目，将权重归一化后，乘以一个系数p(-1<p<0)形成集合K”。p越小，表明灵敏评估项目对最终的健康度评估结果影响越大。
利用本文的改进权重法计算某控制器的健康度随时间的变化如图4所示。当发生故障、CPU负荷超量程等影响灵敏评估项目的事件时，健康度分数明显下降。
而利用传统的层次分析法，输入相同的数据得到的结果如图5所示。其中，Q1表示轻故障，Q2表示CPU负荷超量程，Q3表示重故障，Q4表示组态丢失，Q5表示由点估计变成区间估计可信度更高，Q6表示硬件故障报警，对比可知改进权重法在遇到重要的故障时，健康度下降幅度更大，对此类需要重点关注的故障或参数异常反应更灵敏。
本实施例除了健康度评估之外，还有对控制站各个模块进行寿命预测的功能，该寿命评估的步骤如图6所示。
退化是所有高精密电子产品的共有特性。对于一些模块，能通过测量该模块的某些表征其退化程度或运行情况的某些参数，进行拟合数据变化趋势预测模块寿命。其步骤如下：
1)确定能表征该模块退化情况或运行情况的运行参数ai，采集参数ai在不同时间段的值；
2)对参数ai，通过数据预处理，去除异常值，并进行平滑处理；
3)根据参数ai随时间的退化特点进行数据的趋势拟合，通过拟合曲线计算该参数ai达到阈值的时间，就是该趋势数据预测的寿命Li。
以上为单个参数ai的寿命预测，若有n个参数，则按照以上步骤获得a1，……，an的预测寿命结果La1，……，Lan。
工业控制站仪表的相关模块均是复杂、高精密的模块，模块中的某个元器件失效，则会导致模块功能异常甚至故障。因此模块的寿命应由其最薄弱的元器件的寿命决定。其步骤为：
1)了解模块的运行环境、运行年限、设计原理等相关信息，确认可能存在的失效机理；
2)根据失效机理确定模块上的m个薄弱元器件，利用其威布尔模型计算预测寿命L元器件1，……，L元器件m；
3)根据短板理论，模块寿命由其最薄弱的短板元器件的寿命决定，因此，短板理论预测的寿命L元器件预测＝min(L元器件1，……，L元器件m)。
在通过趋势预测寿命获得n个参数的趋势数据预测寿命结果La1，……，Lan和短板理论预测的寿命L元器件预测的情况下，利用变权重的方法将m+1个寿命预测结果综合起来，获得综合寿命预测结果。
变权重方法计算权重公式如下：
针对单向递减的参数ai，其权重计算方法为：
ki为ai的权重值；amax为ai的理论最大值或最大阈值；amin为ai的理论最小值或最小阈值。
针对单向递增的参数ai，其权重计算方法为：
针对在某个上下限范围内的参数ai，其权重计算方法为
aN为ai的额定值。
根据上面两条公式，计算趋势数据预测寿命结果La1，……，Lan的权重为k1，k2，……，kn，设定短板理论预测的寿命L元器件预测的权重k元器件预测＝1利用归一化处理所有的权重。再利用以下公式获得综合预测寿命：
L＝k1×La1+......+kn×Lan+k元器件预测×L元器件预测
综合寿命预测方法的优势如下：
1、克服前期数据样本少时预测不准的问题
2、越接近临界值的数据，预测寿命对综合预测寿命的影响越大，结果更精确
利用上述的综合预测方法，仿真某一控制站电源的预测寿命随时间变化如图7所示。横坐标为时间，纵坐标为在该时刻预测的电源剩余寿命。包括参数1的趋势参数寿命预测结果、参数2的趋势参数寿命预测结果、短板理论的寿命预测结果和利用三个寿命预测和变权重计算得到的综合寿命预测。图中趋势数据寿命预测前期由于样本少、波动大，其寿命预测结果不准确，而短板理论在后期的寿命预测中存在较大的偏差。利用变权重法获得的寿命预测结果，克服了前期数据样本少波动大的缺点，并且越接近预测寿命临界值的参数其对应的权重也就越大，相应的综合预测寿命的结果也就更加准确。
以上实施例仅表达了本实施例的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对实施例专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本实施例构思的前提下，还可以做出若干变形和改进，这些都属于本实施例的保护范围。
Claims (9)
1.一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，包括利用健康度评估模型对控制站进行健康度评估和对控制站的各个模块进行寿命预测；所述健康度评估模型包括若干级评估项目，通过改进权重法计算获得各级评估项目的健康度分数。
2.根据权利要求1所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，改进权重法包括如下步骤：
A1：建立健康度评估模型，确认相关评估项目之间的从属关系；
A2：构建判断矩阵；
A3：计算权重；
A4：进行一致性检测；
A5：对评估项目进行灵敏评估项目和非灵敏评估项目分类，获取各评估项目的改进权重。
3.根据权利要求2所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，步骤A3中利用方根法将判断矩阵的各行进行乘积再归一化，得到各评估项目的对应权重向量[k1，k2……kn]，n为评估项目个数。
4.根据权利要求2或3所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，步骤A5计算过程包括：将衰退型评估项目设为非灵敏评估项目，将非灵敏评估项目的权重设定为正数，归一化后形成集合K'；将非衰退型评估项目设为灵敏评估项目，将灵敏评估项目权重归一化后，乘以系数p形成集合K”，-1<p<0。
5.根据权利要求1或2所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，健康度评估模型包括4级评估项目，第1级评估项目为控制站健康度；第2级评估项目为控制站下属模块的健康度；第3级为环境健康度、指标型状态量、检测型状态量和记录型状态量；第4级为各个状态量和环境健康度下属的评估项目。
6.根据权利要求1所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，对控制站的各个模块进行的寿命预测包括趋势数据寿命预测、短板理论寿命预测和变权重综合预测寿命。
7.根据权利要求6所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，趋势数据寿命预测的实施步骤包括：
确定能表征该模块退化情况或运行情况的运行参数ai，采集参数ai在不同时间段的值；
对参数ai，通过数据预处理，去除异常值，并进行平滑处理；
根据参数ai随时间的退化特点进行数据的趋势拟合，通过拟合曲线计算该参数ai达到阈值的时间，就是该趋势数据预测的寿命Li。
8.根据权利要求6或7所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，短板理论寿命预测的实施步骤包括：
根据模块的运行环境、运行年限和设计原理，确认模块的失效机理；
根据失效机理确定模块上的m个薄弱元器件，利用其威布尔模型计算预测寿命L元器件1，……，L元器件m；
根据短板理论预测寿命L元器件预测＝min(L元器件1，……，L元器件m)。
9.根据权利要求8所述的一种基于仪控平台的工业控制站仪表的健康评估方法，其特征在于，变权重综合预测寿命过程中变权重方法计算权重公式为：
L＝k1×La1+......+kn×Lan+k元器件预测×L元器件预测
单向递减的参数ai，其权重计算方法为：
其中，ki为ai的权重值，amax为ai的理论最大值或最大阈值，amin为ai的理论最小值或最小阈值；
对于单向递增的参数ai，其权重计算方法为：
对于存在上下限，在上下限范围内的参数ai，其权重计算方法为
其中，aN为ai的额定值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111627957.5A CN114611865A (zh) | 2021-12-28 | 2021-12-28 | 一种基于仪控平台的工业控制站仪表的健康评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111627957.5A CN114611865A (zh) | 2021-12-28 | 2021-12-28 | 一种基于仪控平台的工业控制站仪表的健康评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114611865A true CN114611865A (zh) | 2022-06-10 |
Family
ID=81857689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111627957.5A Pending CN114611865A (zh) | 2021-12-28 | 2021-12-28 | 一种基于仪控平台的工业控制站仪表的健康评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114611865A (zh) |
-
2021
- 2021-12-28 CN CN202111627957.5A patent/CN114611865A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Coble et al. | Identifying optimal prognostic parameters from data: a genetic algorithms approach | |
| CN111950918B (zh) | 一种基于电力交易数据的市场风险评估方法 | |
| CN111322732A (zh) | 一种空调健康状态分析方法和系统 | |
| CN108053148B (zh) | 一种电力信息系统故障高效诊断方法 | |
| CN110221976B (zh) | 一种基于度量技术的计量终端软件质量量化评价方法 | |
| CN112785091A (zh) | 一种对油田电潜泵进行故障预测与健康管理的方法 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
| CN116380445B (zh) | 基于振动波形的设备状态诊断方法及相关装置 | |
| CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
| CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
| CN112906764A (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
| CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
| CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
| CN117554821A (zh) | 基于深度学习网络的储能电池在线监测管理方法及系统 | |
| CN112580254A (zh) | 一种基于多级决策融合的换流变多维度分析和预警方法 | |
| CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
| CN111882238A (zh) | 基于云模型和eahp的门座起重机结构健康评估方法 | |
| CN116957534A (zh) | 一种预测智能电表更换数量的方法 | |
| CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
| CN114611865A (zh) | 一种基于仪控平台的工业控制站仪表的健康评估方法 | |
| CN116109039A (zh) | 一种数据驱动异常检测与预警系统 | |
| CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
| CN114266013A (zh) | 基于深度学习虚拟感知网络的传动系统振动解耦方法 | |
| CN114417953A (zh) | 一种充电桩负荷识别及负荷保护安全方法 | |
| Zhongyi et al. | Health index construction and remaining useful lifetime prediction of aviation products based on multi-source degradation data fusion |
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 |