CN115755831A - 一种基于模糊层次分析的故障诊断方法及系统 - Google Patents

一种基于模糊层次分析的故障诊断方法及系统 Download PDF

Info

Publication number
CN115755831A
CN115755831A CN202211352805.3A CN202211352805A CN115755831A CN 115755831 A CN115755831 A CN 115755831A CN 202211352805 A CN202211352805 A CN 202211352805A CN 115755831 A CN115755831 A CN 115755831A
Authority
CN
China
Prior art keywords
fuzzy
fault diagnosis
matrix
determining
vector
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
Application number
CN202211352805.3A
Other languages
English (en)
Inventor
周宏宽
柴文婷
孙衢骎
陶模
郑伟
冯毅
刘佩
柯汉兵
陈朝旭
李献领
柯志武
郭晓杰
王晨阳
赵振兴
黄崇海
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.)
719th Research Institute of CSIC
Original Assignee
719th Research Institute of CSIC
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 719th Research Institute of CSIC filed Critical 719th Research Institute of CSIC
Priority to CN202211352805.3A priority Critical patent/CN115755831A/zh
Publication of CN115755831A publication Critical patent/CN115755831A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明提供一种基于模糊层次分析的故障诊断方法及系统，属于智能监测技术领域，包括：基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；由所述层次结构模型，建立模糊互补判断矩阵；根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。本发明通过将模糊评价与层次分析法结合的模糊层次分析法，针对分配系统或分系统及其关键部件的分配方法，解决了传统方法不能很好地处理复杂非线性系统的分配问题，能得到客观准确的故障诊断结果。

Description

一种基于模糊层次分析的故障诊断方法及系统
技术领域
本发明涉及智能监测技术领域，尤其涉及一种基于模糊层次分析的故障诊断方法及系统。
背景技术
随着工业智能化的推进，智能制造进入新的发展阶段，伴随而来的智能化设备的精密程度和复杂程度都有所提升，而工业设备在运行中长久地受到振动和冲击，容易造成零件磨损和部件老化等问题，进而导致工业设备发生故障。
因为故障诊断的应用场景，因设备的不同、工况的不同、复杂程度的不同、评定方法与专家的经验水平不同等条件限制，导致实际中的诊断过程有许多难以测定的不确定性。因此，将模糊理论引入故障诊断具有必要性。首先，不同工业设备的物理机制、精密程度、故障机理、零件种类等都有不同的区别，这导致造成故障发生的原因是多样的，因此诊断过程具有模糊性。其次，专家们往往根据故障特征来判断故障，而多种故障特征共同作用，可能同时对应多种故障类别，这样的判断也存在模糊性。因故障诊断的应用场景，因设备的不同、工况的不同、复杂程度的不同、评定方法与专家的经验水平不同等条件限制，导致实际中的诊断过程有许多难以测定的不确定性。
由于现有方法中没有系统地将计算指标和专家测评指标进行结合，形成系统客观的故障判断方案，因此针对模糊理论应用于故障检测需要提出新的方法。
发明内容
本发明提供一种基于模糊层次分析的故障诊断方法及系统，用以解决现有技术中针对工业设备故障检测容易受多种因素影响，导致诊断结果不够客观准确的缺陷。
第一方面，本发明提供一种基于模糊层次分析的故障诊断方法，包括：
基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；
由所述层次结构模型，建立模糊互补判断矩阵；
根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；
基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
根据本发明提供的一种基于模糊层次分析的故障诊断方法，所述基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型，包括：
确定所述故障检测目标为所述层次结构模型的目标层；
确定所述故障诊断指标集合为所述层次结构模型的准则层；
确定所述故障检测对象为所述层次结构模型的方案层。
根据本发明提供的一种基于模糊层次分析的故障诊断方法，所述由所述层次结构模型，建立模糊互补判断矩阵，包括：
提取所述层次结构模型中的每一层元素；
确定每一层元素相对于所述层次结构模型中相邻层的模糊偏好关系值集合；
由所述模糊偏好关系值集合建立所述模糊互补判断矩阵。
根据本发明提供的一种基于模糊层次分析的故障诊断方法，所述根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重，包括：
对所述模糊互补判断矩阵中按照行进行求和，得到矩阵行；
基于所述矩阵行中的任意两个矩阵行值对所述矩阵行进行转换，得到相对矩阵行；
对所述相对矩阵行进行归一化，得到排序向量；
由所述相对矩阵行中的任意两个矩阵行值确定互反矩阵；
基于所述排序向量和所述互反矩阵，得到权值向量；
由所述权值向量确定所述相对权重。
根据本发明提供的一种基于模糊层次分析的故障诊断方法，所述基于所述排序向量和所述互反矩阵，得到权值向量，包括：
以所述排序向量作为迭代初值，迭代K次得到特征向量VK；
由特征向量VK、特征向量VK的无穷范数和所述互反矩阵，得到特征向量VK+1；
若特征向量VK的无穷范数和特征向量VK+1的无穷范数的绝对差值小于等于预设值，则确定特征向量VK满足收敛条件，对特征向量VK+1进行归一化，得到所述权值向量。
根据本发明提供的一种基于模糊层次分析的故障诊断方法，所述由所述权值向量确定所述相对权重，包括：
根据所述故障诊断指标集合的维度，对所述权值向量求平均值，得到所述相对权重。
根据本发明提供的一种基于模糊层次分析的故障诊断方法，所述基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果，包括：
根据所述相对权重确定对应的综合可靠性分配向量；
对所述综合可靠性分配向量求和，得到可靠性和值；
由所述综合可靠性分配向量中任一向量和所述可靠性和值，获得任一故障诊断指标对应的所述可靠性指标分配结果。
第二方面，本发明还提供一种基于模糊层次分析的故障诊断系统，包括：
第一建立模块，用于基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；
第二建立模块，用于由所述层次结构模型，建立模糊互补判断矩阵；
第一确定模块，用于根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；
第二确定模块，用于基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于模糊层次分析的故障诊断方法。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于模糊层次分析的故障诊断方法。
第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于模糊层次分析的故障诊断方法。
本发明提供的基于模糊层次分析的故障诊断方法及系统，通过将模糊评价与层次分析法结合的模糊层次分析法，针对分配系统或分系统及其关键部件的分配方法，解决了传统方法不能很好地处理复杂非线性系统的分配问题，能得到客观准确的故障诊断结果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的基于模糊层次分析的故障诊断方法的流程示意图；
图2是本发明提供的可靠分配层次模型示意图；
图3是本发明提供的基于模糊层次分析的故障诊断系统的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
针对现有技术中工业设备故障检测的局限性，本发明提出一种基于模糊层次分析的故障诊断方法，如图1所示，包括：
步骤100：基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；
步骤200：由所述层次结构模型，建立模糊互补判断矩阵；
步骤300：根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；
步骤400：基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
需要说明的是，将模糊评价与层次分析法结合而成的模糊层次分析法，模糊层次分析法从本质上讲，是对模糊综合评价法与层次分析法这两种数理分析法各自特点相互结合进行使用的分析方法。这种分析方法可以对目标问题进行详细解构，再用一定的组合方法将问题简化，并且可以考虑模糊性。模糊综合评价法的核心理论是将模糊集合理论的概念在分析评价中进行使用。广而采之的层次分析法的计算求解过程中，首先是在构造判断矩阵的过程中对决策参与者的主观性评价判断较少，其次是如果指标较多，判断矩阵的一致性检验将非常繁琐。为了解决该问题，提出将模糊数学与层次分析法相结合的方法。
从本质上讲，模糊数学的现实理论基础是将实际思考过程中形成的模糊概念参数化，并入模型中计算。比如我们在检测大型工业设备时，可能会有大量的传感器。这些传感器因年久失修、外力影响等因素，可能存在部分失灵等问题，即各传感器的可信度是不同的。又或者，在评价大型设备的可靠性时，其存在多维度指标，需要对各指标定性、定量的评测，而其中部分指标是计算得到，部分指标是由专家测评，因此需要将不同的指标综合纳入评价模型，并且考虑各自的模糊性。
此处，层次分析法(Analytic Hierarchy Process，AHP)是在1970年初被Saaty等人提出的一种容易适用的多原则决议计划办法。当人们处理决策问题时，往往需要将多种因素纳入考虑范围。在做出决定时，还需要在多种可行方案间挑选最优方案，这要求对多要素进行比较。这些要素的重要性通常来说难以精确量化，因而AHP为该类问题提供了一种十分适用的解决途径，它可以将定性因素与定量因素综合考虑，进行决策。
从本质上讲，层次分析法首先会分解高度复杂的问题，在一定的主导关系的帮助下，将分解后的组件组合为渐进关系层次结构。然后通过成对比较和分析，确定每个因素的重要性，最后结合专家的判断为因素的重要程度排序。层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同的层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。运用层次分析法构造系统模型时，大体可以分为以下四个步骤：1)建立层次结构模型；2)构造判断(成对比较)矩阵；3)层次单排序及其一致性检验；4)层次总排序及其一致性检验。
1)建立层次结构模型
将决策的目标、考虑的因素(决策准则)和决策对象按他们之间的相互关系分成最高层、中间层和最低层，绘制层次结构图，其中：
最高层(目标层)：决策的目的、要解决的问题；
中间层(准则层或指标层)：考虑的因素、决策的准则；
最低层(方案层)：决策时的备选方案。
2)构造判断矩阵
在确定各层次各因素之间的权重时，如果只是定性的结果(例如认为景色占80％，费用10％等等)，则常常不容易被别人接受，因此Santy等人提出一致矩阵法，即不把所有因素放在一起比较，而是两两比较；对此时采用相对尺度，以尽可能减少性质不同的诸因素相互比较的困难，以提高准确性；成对比较矩阵是表示本层所有因素针对上一层某一个因素(目标)的相对重要性的比较。
3)层次单排序
记W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值，这一过程称为层次单排序，那能否确认层次单排序，需要进行一致性检验，所谓一致性检验是指对成对比较矩阵确定不一致的允许范围。成对比较矩阵有两种可能，一致阵或者不是一致阵：如果成对比较矩阵是一致阵，则我们自然会取对应于最大特征根n的归一化特征向量{w_1,w_2,…,w_n}，且∑w_i＝1，w_i表示下层第i个因素对上层某个因素影响程度的权值。若成对比较矩阵不是一致阵，Saaty等人建议用其最大特征根对应的归一化特征向量作为权向量W，则AW＝λW，W＝{w_1,w_2,…,w_n}，这样确定权向量的方法称为特征根法。
4)层次总排序
计算某一层次所有因素对于最高层(总目标)相对重要性的权值，称为层次总排序。这一过程是从最高层到最低层次依次进行的。
以图2所示的船舶蒸汽动力系统的可靠分配层次模型分析为例，由于其设计方法复杂，非模糊的方法计算精度不高、对模糊性缺乏考虑，因此，结合实际数据和专家经验的模糊层次分析法便很适合用来解决船舶蒸汽动力系统的可靠性分配问题。以层次分析法建立目标层、准则层、方案层。在分析其可靠性的时候，有很多指标。有的标准可以定量衡量，有的则需要人为的主观的评价。
利用模糊偏好(互补判断矩阵)对层次分析法进行修改，只需要在两个步骤进行适当的改变即可。一个是将AHP中的两两比较构造判断矩阵更改为两两比较构造模糊一致判断矩阵。另一个是，根据判断矩阵求权重的方法不一样了，根据模糊一致判断矩阵求权重的方法与根据判断矩阵求权重的方法存在差别。
本发明通过提取故障检测中的故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型，再由层次结构模型，建立模糊互补判断矩阵，进一步根据模糊互补判断矩阵，计算确定故障诊断指标集合的相对权重，最后由相对权重确定故障诊断指标集合的可靠性指标分配结果。
本发明通过将模糊评价与层次分析法结合的模糊层次分析法，针对分配系统或分系统及其关键部件的分配方法，解决了传统方法不能很好地处理复杂非线性系统的分配问题，能得到客观准确的故障诊断结果。
基于上述实施例，所述基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型，包括：
确定所述故障检测目标为所述层次结构模型的目标层；
确定所述故障诊断指标集合为所述层次结构模型的准则层；
确定所述故障检测对象为所述层次结构模型的方案层。
具体地，以图2中可靠分配层次模型为例，以故障检测目标，即滚齿积液压系统作为层次结构模型的目标层；以故障诊断指标集合，包括可维修值、工况、复杂度、制造技术、失效率、成本和失效影响程度作为层次结构模型的准则层；以故障检测对象，包括供油站、控制阀和机床油路作为层次结构模型的方案层。
本发明通过将故障检测中的各个层级划分为层次结构模型的不同层次，能清晰客观地进行模糊分层，便于充分考虑复杂非线性系统可靠性分配的相关影响因素。
基于上述实施例，所述由所述层次结构模型，建立模糊互补判断矩阵，包括：
提取所述层次结构模型中的每一层元素；
确定每一层元素相对于所述层次结构模型中相邻层的模糊偏好关系值集合；
由所述模糊偏好关系值集合建立所述模糊互补判断矩阵。
具体地，将模糊矩阵用A表示，模糊矩阵A表示针对上一层某元素，本层次与之有关元素之间相对重要性的比较。假设上一层次的元素C同下一层次中的元素b1,b2,…,bn有联系，则模糊互补矩阵为：
Figure BDA0003919353950000091
通常采用表1所示的0.1-0.9标度给与数量标度。
表1
a_(ij) 相比重要程度 a_(ji)
0.5 等同 0.5
0.6 略重要 0.4
0.7 明显重要 0.3
0.8 强烈重要 0.2
0.9 极端重要 0.1
基于上述实施例，所述根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重，包括：
对所述模糊互补判断矩阵中按照行进行求和，得到矩阵行；
基于所述矩阵行中的任意两个矩阵行值对所述矩阵行进行转换，得到相对矩阵行；
对所述相对矩阵行进行归一化，得到排序向量；
由所述相对矩阵行中的任意两个矩阵行值确定互反矩阵；
基于所述排序向量和所述互反矩阵，得到权值向量；
由所述权值向量确定所述相对权重。
其中，所述基于所述排序向量和所述互反矩阵，得到权值向量，包括：
以所述排序向量作为迭代初值，迭代K次得到特征向量VK；
由特征向量VK、特征向量VK的无穷范数和所述互反矩阵，得到特征向量VK+1；
若特征向量VK的无穷范数和特征向量VK+1的无穷范数的绝对差值小于等于预设值，则确定特征向量VK满足收敛条件，对特征向量VK+1进行归一化，得到所述权值向量。
其中，所述由所述权值向量确定所述相对权重，包括：
根据所述故障诊断指标集合的维度，对所述权值向量求平均值，得到所述相对权重。
具体地，设模糊互补判断矩阵(模糊关系偏好矩阵)为A＝(aij)n×n，对矩阵A按行求和，
Figure BDA0003919353950000111
然后使用转换公式，
Figure BDA0003919353950000112
之后，对于转换后的矩阵R＝(r1,r2,…,rn)T使用行和归一化，得到排序向量W(0)。具体包括：
Figure BDA0003919353950000113
再使用如下的转换公式：
Figure BDA0003919353950000114
得到了由互补模糊偏好关系矩阵R转换的互反矩阵E＝(eij)n×n。
再以排序向量W(0)作为特征值法的初值V0，进一步求取精度更高的权值向量W(k)，迭代步骤如下：
1)以V0＝W(0)＝(w1,w2,…,wn)T作为迭代初值，使用如下公式得到特征向量VK+1以及其无穷范数：
Figure BDA0003919353950000115
2)判断如下不等式是否成立：
|||VK+1||∞-||VK||∞|≤ε,(ε＝0.0001)
若成立，即V已收敛，||VK+1||∞是最大特征值λmax，并对VK+1进行归一化：
Figure BDA0003919353950000121
计算出排序向量W(k)＝VK+1，迭代结束。若不成立，即令VK＝VK+1，并设为迭代初值进行下一轮迭代，直至收敛。
在实际问题中，一般有k个决策者(k＝1,2,…,m)给出对同一因素的互补判断矩阵Ak＝(aij(k))n×n,(k＝1,2,…,m)。对每个决策者的判断和意见求平均，作为对某因素的排序向量。
Figure BDA0003919353950000122
再各自计算各层次的因素权重，最后综合每层权重，即可得到各子系统对目标的权重。
本发明通过提出的复杂非线性系统模糊互补判断矩阵的权重计算方法，能得到故障检测系统中各影响因素相对客观和准确的影响程度。
基于上述实施例，所述基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果，包括：
根据所述相对权重确定对应的综合可靠性分配向量；
对所述综合可靠性分配向量求和，得到可靠性和值；
由所述综合可靠性分配向量中任一向量和所述可靠性和值，获得任一故障诊断指标对应的所述可靠性指标分配结果。
具体地，通过引入综合可靠性分配向量B，表明综合考虑所有影响因素后所有子系统的可靠度分配和向量R是对应的，即为：
r1:r2:…:rn＝b1:b2:…:bn
由于机器系统的可靠性模型是由一系列子系统组成的，可以得到：
Figure BDA0003919353950000131
综上，可以算出任一故障诊断指标对应的可靠性指标分配结果，例如失效率为：
Figure BDA0003919353950000132
以液压系统为例，得出机床油路复杂度越高，供油站复杂度越低，可靠性越高的结论。可以看出，模糊判断信息更加准确，计算量减少。
下面对本发明提供的基于模糊层次分析的故障诊断系统进行描述，下文描述的基于模糊层次分析的故障诊断系统与上文描述的基于模糊层次分析的故障诊断方法可相互对应参照。
图3是本发明提供的基于模糊层次分析的故障诊断系统的结构示意图，如图3所示，包括：第一建立模块31、第二建立模块32、第一确定模块33和第二确定模块34，其中：
第一建立模块31用于基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；第二建立模块32用于由所述层次结构模型，建立模糊互补判断矩阵；第一确定模块33用于根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；第二确定模块34用于基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
本发明通过将模糊评价与层次分析法结合的模糊层次分析法，针对分配系统或分系统及其关键部件的分配方法，解决了传统方法不能很好地处理复杂非线性系统的分配问题，能得到客观准确的故障诊断结果。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行基于模糊层次分析的故障诊断方法，该方法包括：基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；由所述层次结构模型，建立模糊互补判断矩阵；根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于模糊层次分析的故障诊断方法，该方法包括：基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；由所述层次结构模型，建立模糊互补判断矩阵；根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于模糊层次分析的故障诊断方法，该方法包括：基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；由所述层次结构模型，建立模糊互补判断矩阵；根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于模糊层次分析的故障诊断方法，其特征在于，包括：
基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；
由所述层次结构模型，建立模糊互补判断矩阵；
根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；
基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
2.根据权利要求1所述的基于模糊层次分析的故障诊断方法，其特征在于，所述基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型，包括：
确定所述故障检测目标为所述层次结构模型的目标层；
确定所述故障诊断指标集合为所述层次结构模型的准则层；
确定所述故障检测对象为所述层次结构模型的方案层。
3.根据权利要求1所述的基于模糊层次分析的故障诊断方法，其特征在于，所述由所述层次结构模型，建立模糊互补判断矩阵，包括：
提取所述层次结构模型中的每一层元素；
确定每一层元素相对于所述层次结构模型中相邻层的模糊偏好关系值集合；
由所述模糊偏好关系值集合建立所述模糊互补判断矩阵。
4.根据权利要求1所述的基于模糊层次分析的故障诊断方法，其特征在于，所述根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重，包括：
对所述模糊互补判断矩阵中按照行进行求和，得到矩阵行；
基于所述矩阵行中的任意两个矩阵行值对所述矩阵行进行转换，得到相对矩阵行；
对所述相对矩阵行进行归一化，得到排序向量；
由所述相对矩阵行中的任意两个矩阵行值确定互反矩阵；
基于所述排序向量和所述互反矩阵，得到权值向量；
由所述权值向量确定所述相对权重。
5.根据权利要求4所述的基于模糊层次分析的故障诊断方法，其特征在于，所述基于所述排序向量和所述互反矩阵，得到权值向量，包括：
以所述排序向量作为迭代初值，迭代K次得到特征向量VK；
由特征向量VK、特征向量VK的无穷范数和所述互反矩阵，得到特征向量VK+1；
若特征向量VK的无穷范数和特征向量VK+1的无穷范数的绝对差值小于等于预设值，则确定特征向量VK满足收敛条件，对特征向量VK+1进行归一化，得到所述权值向量。
6.根据权利要求4所述的基于模糊层次分析的故障诊断方法，其特征在于，所述由所述权值向量确定所述相对权重，包括：
根据所述故障诊断指标集合的维度，对所述权值向量求平均值，得到所述相对权重。
7.根据权利要求1所述的基于模糊层次分析的故障诊断方法，其特征在于，所述基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果，包括：
根据所述相对权重确定对应的综合可靠性分配向量；
对所述综合可靠性分配向量求和，得到可靠性和值；
由所述综合可靠性分配向量中任一向量和所述可靠性和值，获得任一故障诊断指标对应的所述可靠性指标分配结果。
8.一种基于模糊层次分析的故障诊断系统，其特征在于，包括：
第一建立模块，用于基于故障检测目标、故障检测对象和故障诊断指标集合，建立层次结构模型；
第二建立模块，用于由所述层次结构模型，建立模糊互补判断矩阵；
第一确定模块，用于根据所述模糊互补判断矩阵，确定所述故障诊断指标集合的相对权重；
第二确定模块，用于基于所述相对权重确定所述故障诊断指标集合的可靠性指标分配结果。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于模糊层次分析的故障诊断方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于模糊层次分析的故障诊断方法。
CN202211352805.3A 2022-10-31 2022-10-31 一种基于模糊层次分析的故障诊断方法及系统 Pending CN115755831A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211352805.3A CN115755831A (zh) 2022-10-31 2022-10-31 一种基于模糊层次分析的故障诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211352805.3A CN115755831A (zh) 2022-10-31 2022-10-31 一种基于模糊层次分析的故障诊断方法及系统

Publications (1)

Publication Number Publication Date
CN115755831A true CN115755831A (zh) 2023-03-07

Family

ID=85354924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211352805.3A Pending CN115755831A (zh) 2022-10-31 2022-10-31 一种基于模糊层次分析的故障诊断方法及系统

Country Status (1)

Country Link
CN (1) CN115755831A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117076915A (zh) * 2023-10-17 2023-11-17 中海油能源发展股份有限公司采油服务分公司 Fpso原油工艺系统的智能故障归因分析方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117076915A (zh) * 2023-10-17 2023-11-17 中海油能源发展股份有限公司采油服务分公司 Fpso原油工艺系统的智能故障归因分析方法及系统
CN117076915B (zh) * 2023-10-17 2024-01-09 中海油能源发展股份有限公司采油服务分公司 Fpso原油工艺系统的智能故障归因分析方法及系统

Similar Documents

Publication Publication Date Title
CN109685340B (zh) 一种配电设备健康状态评估方法及系统
US20190005400A1 (en) A fuzzy evaluation and prediction method for running status of mechanical equipment with occurrence probability of failure modes
CN104035431B (zh) 用于非线性过程监控的核函数参数的获取方法和系统
WO2020140318A1 (zh) 基于最小二乘法的铸造车间安全评价综合权重计算方法
CN111178725A (zh) 一种基于层次分析法的保护设备状态预警方法
CN108921230A (zh) 基于类均值核主元分析和bp神经网络的故障诊断方法
CN106443566B (zh) 基于大数据推演的电能计量装置误差检测方法及系统
CN116150897A (zh) 一种基于数字孪生的机床主轴性能测评方法及系统
CN108053148A (zh) 一种电力信息系统故障高效诊断方法
CN112785091A (zh) 一种对油田电潜泵进行故障预测与健康管理的方法
CN112257265A (zh) 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法
CN115755831A (zh) 一种基于模糊层次分析的故障诊断方法及系统
CN111767657A (zh) 一种核动力系统故障诊断方法和系统
CN114862267A (zh) 一种输油气管道报警管理体系的评价方法及系统
CN111882238A (zh) 基于云模型和eahp的门座起重机结构健康评估方法
CN110674951B (zh) 一种配电自动化终端的状态检修方法
CN116957534A (zh) 一种预测智能电表更换数量的方法
CN113722195B (zh) 基于ahp层级分析法的局域网运行评估系统及方法
CN115564170A (zh) 一种配电智能终端可靠性评估方法
CN114169683A (zh) 基于模糊综合评价理论的发电机励磁系统状态评价方法
Najar et al. Comparative Machine Learning Study for Estimating Peak Cladding Temperature in AP1000 Under LOFW
Li et al. Simulation of Reliability Prediction Based on Multiple Factors for Spinning Machine
CN110852536A (zh) 一种储罐维修决策确定方法及装置
Gao et al. Software Quality Evaluation Model based on Multiple Linear Regression and Fuzzy Comprehensive Evaluation Method
CN117350531A (zh) 一种海上风电桩基础施工风险评估方法及装置

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