CN116307943A - 一种基于层次分析法高速公路机电系统健康指数评估方法 - Google Patents
一种基于层次分析法高速公路机电系统健康指数评估方法 Download PDFInfo
- Publication number
- CN116307943A CN116307943A CN202310558771.1A CN202310558771A CN116307943A CN 116307943 A CN116307943 A CN 116307943A CN 202310558771 A CN202310558771 A CN 202310558771A CN 116307943 A CN116307943 A CN 116307943A
- Authority
- CN
- China
- Prior art keywords
- electromechanical
- electromechanical device
- health
- health index
- evaluation value
- 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 111
- 238000011156 evaluation Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008569 process Effects 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000009826 distribution Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 239000010410 layer Substances 0.000 claims description 3
- 239000002346 layers by function Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 description 29
- 238000012360 testing method Methods 0.000 description 6
- 230000003449 preventive effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000007619 statistical method 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (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层次分析法高速公路机电系统健康指数评估方法,该方法包括以下步骤:对机电设备的基础数据进行采集;对机电设备按照预先设定的标准进行分类,且每类机电设备中均包括若干机电设备;基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估。本发明对现有技术中机电设备的健康指数的计算进行了改进,基于马氏距离和核函数最优分段间隔估计的方法,构建机电设备的健康指数,可以对机电设备异常状态进行监测和检测,提前预警设备的可能故障,且基于改进的层次分析法,即对确定评估值时,将专家意见与各个机电设备与每类机电设备整体的健康状况之间的关联度进行融合,从而制定出根据合理的评估值。
Description
技术领域
本发明涉及机电系统评估领域,具体来说,涉及一种基于层次分析法高速公路机电系统健康指数评估方法。
背景技术
高速公路机电系统是指高速公路中安装的与交通运行、安全和服务有关的各种机电设备和控制系统,其包括为保障行车安全、提高交通效率和舒适性所采用的各种机电设备,具体有收费系统、通信系统等。
我国高速公路机电设施使用存在设备复杂、分类不规范,设备健康运行状况预测评估不足,养护体系缺乏决策分析等问题,加之高速公路的不间断运营特点,对其配套的机电设施提出了更高质量的要求。随着机电设施使用年限的增加,必然会存在使用性、经济性等下降的现象,并对系统运营产生不可忽视的影响。
例如中国专利号201710256660.X公开了一种高速公路机电系统健康指数评估方法,其基于老化指数模型的单一设备健康指数评估及修正;基于层次分析法的高速公路组成结构各层级健康指数定量评价,可以对机电系统诸多设备进行有效管理。但是该方法还存在以下不足:该方法中对设备的基础健康指数进行求解时,仅仅考虑了机电设备的投运年限,而在实际情况下,机电设备的健康指数还很有可能受到外部环境的影响,而在上述方法中没有体现相应的对应方法,其对高速公路各层级的健康指数评价准确性有待于进一步的提高。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于层次分析法高速公路机电系统健康指数评估方法,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种基于层次分析法高速公路机电系统健康指数评估方法,该方法包括以下步骤:
S1、对机电设备的基础数据进行采集;
S2、对机电设备按照预先设定的标准进行分类,且每类机电设备中均包括若干机电设备;
S3、基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估。
进一步的,所述对机电设备的基础数据进行采集包括以下步骤:
收集机电设备的技术资料;包括机电设备的设计图纸、设备的使用说明书、维护手册等;
对机电设备的使用情况进行调查;包括设备的使用年限、运行时间、维修次数等;
对机电设备进行现场勘测;获取设备的外观、结构、布置等信息;
对机电设备进行检测;包括设备的电气测试、振动测试、温度测试等;
记录机电设备的工作状态和运行情况。
进一步的,所述对机电设备按照预先设定的标准进行分类时,从机电设备的功能层、系统层、部署位置等进行分类。
进一步的,所述基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估包括以下步骤:
计算每个机电设备的健康指数;
基于改进的层次分析法对高速公路的各个机电设备进行健康评估。
进一步的,所述计算每个机电设备的健康指数包括以下步骤:
对任一机电设备正常工作情况下,采集若干该机电设备性能参数的第一时间序列数据;
对任一机电设备在某一时间点的情况下,采集若干该机电设备性能参数的第二时间序列数据;
利用马氏距离对第一时间序列数据或第二时间序列数据进行降维;
利用统计分布直方图将第二时间序列数据的数据取值进行分段,得到最优分段间隔,并在最优分段间隔的基础上对马氏距离的分布范围从小到大进行区间划分,得到k个区间;
计算每个区间的第二时间序列数据出现的个数除以区间内第二时间序列数据的总个数,得到每个区间的分数贡献率,并构造健康指数:
为各区间的分数贡献率,i为非零自然数;利用正常工作样本数据的健康指数的百分之九十九作为健康阈值;基于马氏距离和核函数最优分段间隔估计的方法,用于构建机电设备的健康指数,该方法可以对机电设备异常状态进行监测和检测,提前预警设备的可能故障,有助于实现设备的预防性维护和管理,且考虑到了机电设备的实际运行情况,相比于现有机电设备的健康指数的计算,根据符合实际情况。
在某一时间点,计算每个机电设备的健康指数与健康阈值的偏离值,在每类机电设备中,对每个机电设备的偏离值的大小进行排序并分为五组,每组的得分按照每组平均偏离值的大小依次为5至1。
进一步的,所述利用马氏距离对第一时间序列数据或第二时间序列数据进行降维包括以下步骤:
将若干第一时间序列数据或若干第二时间序列数据转换为矩阵形式;
计算矩阵的协方差矩阵;
对协方差矩阵进行特征值分解,得到特征向量和特征值;
选择前x个最大的特征值对应的特征向量作为新的基向量;
将原始数据投影到新的基向量上,得到降维后的数据。
进一步的,所述利用统计分布直方图将第二时间序列数据的数据取值进行分段,得到最优分段间隔包括以下步骤:
对第二时间序列数据的统计分布直方图使用高斯核函数进行核密度估计;
使用样本标准差的估计值和数据长度来确定最优分段间隔。
进一步的,所述基于改进的层次分析法对高速公路的各个机电设备进行健康评估包括以下步骤:
在每类机电设备中,通过两两机电设备进行比较得出判断矩阵并赋评估值;
判断矩阵采用9级量化等级,其中1表示两个机电设备同等重要,3表示第一个机电设备比第二个机电设备略微重要,5表示第一个机电设备比第二个机电设备中等重要,7表示第一个机电设备比第二个机电设备非常重要,9表示第一个机电设备比第二个机电设备极端重要;
计算判断矩阵的特征向量,得到各个机电设备的权重;
通过计算一致性指标进行一致性检验,确保所求得的各个机电设备的权重具有合理性和稳定性,若一致性指标超过预定的阈值,则需要对判断矩阵进行修正,直到达到一致性要求;
在某一时间点,将任一机电设备的权重、判断矩阵的评估值及机电设备的健康指数相乘,得到任一机电设备的综合评估数值。本发明基于改进的层次分析法,即对确定评估值时,将专家意见与各个机电设备与每类机电设备整体的健康状况之间的关联度进行融合,且专家意见的打分取算术平均数,可以降低评估专家的人为主观性和片面性因素的影响,从而制定出根据合理的评估值,进而机电系统整体的健康评估更加合理。
进一步的,所述通过两两机电设备进行比较得出判断矩阵并赋评估值包括以下步骤:
获取若干专家的赋值,且对每个专家的赋值进行算术平均数,得到两两机电设备之间的第一预评估值;
计算得出各个机电设备与每类机电设备整体的健康状况之间的关联度,并按照关联度的高低,对每个机电设备进行从高到低的排序,且对所有机电设备分为五个等级;
等级一样的两个机电设备之间的第二预评估值为1,等级相差一级的两个机电设备之间的第二预评估值为3,等级相差两级的两个机电设备之间的第二预评估值为5,等级相差三级的两个机电设备之间的第二预评估值为7,等级相差四级的两个机电设备之间的第二预评估值为9;
将第一预评估值与第二预评估值为进行算术平均处理得到评估值。
进一步的,所述计算得出各个机电设备与每类机电设备整体的健康状况之间的关联度时,关联度计算公式为:
为正数,用于防止分母为零。在关联度计算中,关联度值越大,表示两个指标之间越相关,对评估的影响越大。即关联度计算公式的结果越接近1,说明两个变量之间的关联度越高。因此,关联度值越高,说明该机电设备在每类机电设备中的健康评估中的重要性越大。
本发明的有益效果为:
(1)本发明的一种基于层次分析法高速公路机电系统健康指数评估方法,构建了高速机电系统设备的基础数据的管理数据库,实现了基础数据与运维养护数据的统一管理,为高速公路机电系统大数据管控提供支撑。
(2)本发明对现有技术中机电设备的健康指数的计算进行了改进,通过基于马氏距离和核函数最优分段间隔估计的方法,用于构建机电设备的健康指数,该方法可以对机电设备异常状态进行监测和检测,提前预警设备的可能故障,有助于实现设备的预防性维护和管理,且考虑到了机电设备的实际运行情况,相比于现有机电设备的健康指数的计算,根据符合实际情况。
(3)本发明将机电设备的权重、判断矩阵的评估值及机电设备的健康指数融入至机电系统整体的健康评估中,基于改进的层次分析法,即对确定评估值时,将专家意见与各个机电设备与每类机电设备整体的健康状况之间的关联度进行融合,从而制定出根据合理的评估值,进而机电系统整体的健康评估更加合理。解决了机电设备维养决策无预测、粗放型的难题,实现主动预测性机电设备维养管理决策,量化评估机电设施健康运行状况和质量一体化进程,助力实现智慧养护、精准养护。实现了高速公路机电系统全生命周期维养决策的集中化、共享化、智慧化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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的一种基于层次分析法高速公路机电系统健康指数评估方法的流程图;
图2是根据本发明实施例的一种基于层次分析法高速公路机电系统健康指数评估方法中机电设备分类的示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种基于层次分析法高速公路机电系统健康指数评估方法。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于层次分析法高速公路机电系统健康指数评估方法,该方法包括以下步骤:
S1、对机电设备的基础数据进行采集,并以采集的基础数据建立管理数据库。
在一个实施例中,所述对机电设备的基础数据进行采集包括以下步骤:
收集机电设备的技术资料;包括机电设备的设计图纸、设备的使用说明书、维护手册等;
对机电设备的使用情况进行调查;包括设备的使用年限、运行时间、维修次数等;
对机电设备进行现场勘测;获取设备的外观、结构、布置等信息;
对机电设备进行检测;包括设备的电气测试、振动测试、温度测试等;
记录机电设备的工作状态和运行情况。采集机电设备的基础数据需要综合考虑多种因素,以获取全面、准确的机电设备信息,为后续的健康评估提供数据基础。
S2、对机电设备按照预先设定的标准进行分类,且每类机电设备中均包括若干机电设备。
如图2所示,在一个实施例中,所述对机电设备按照预先设定的标准进行分类时,从机电设备的功能层、系统层、部署位置等进行分类。
S3、基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估。
在一个实施例中,所述基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估包括以下步骤:
计算每个机电设备的健康指数;
基于改进的层次分析法对高速公路的各个机电设备进行健康评估。
在一个实施例中,所述计算每个机电设备的健康指数包括以下步骤:
对任一机电设备正常工作情况下,采集若干该机电设备性能参数的第一时间序列数据;
对任一机电设备在某一时间点的情况下,采集若干该机电设备性能参数的第二时间序列数据;
利用马氏距离对第一时间序列数据或第二时间序列数据进行降维;马氏距离的作用是用于将多变量数据进行降维,并能够反应数据之间的相关性,并随原始数据的变化趋势而变化,从而一定程度地反映系统的健康状态。
利用统计分布直方图将第二时间序列数据的数据取值进行分段,得到最优分段间隔,并在最优分段间隔的基础上对马氏距离的分布范围从小到大进行区间划分,得到k个区间;
计算每个区间的第二时间序列数据出现的个数除以区间内第二时间序列数据的总个数,得到每个区间的分数贡献率,并构造健康指数:
为各区间的分数贡献率,i为非零自然数; 利用正常工作样本数据的健康指数的百分之九十九作为健康阈值;基于马氏距离和核函数最优分段间隔估计的方法,用于构建机电设备的健康指数,该方法可以对机电设备异常状态进行监测和检测,提前预警设备的可能故障,有助于实现设备的预防性维护和管理,且考虑到了机电设备的实际运行情况,相比于现有机电设备的健康指数的计算,根据符合实际情况。马氏距离表示数据的协方差距离,它有效计算一个样本与样本集“重心”的最近距离,或者计算两个未知样本集的相似度。
在某一时间点,计算每个机电设备的健康指数与健康阈值的偏离值,在每类机电设备中,对每个机电设备的偏离值的大小进行排序并分为五组,每组的得分按照每组平均偏离值的大小依次为5至1。
在一个实施例中,所述利用马氏距离对第一时间序列数据或第二时间序列数据进行降维包括以下步骤:
将若干第一时间序列数据或若干第二时间序列数据转换为矩阵形式;
计算矩阵的协方差矩阵;
对协方差矩阵进行特征值分解,得到特征向量和特征值;
选择前x个最大的特征值对应的特征向量作为新的基向量;
将原始数据投影到新的基向量上,得到降维后的数据。马氏距离可以将多变量数据进行降维,并能够反应数据之间的相关性,并随原始数据的变化趋势而变化,能够一定程度地反映系统的健康状态。健康指数是根据马氏距离计算而得到的,它随时间变化计算,并与健康状态对应。健康指数越小,产品健康状态越好。
在一个实施例中,所述利用统计分布直方图将第二时间序列数据的数据取值进行分段,得到最优分段间隔包括以下步骤:
对第二时间序列数据的统计分布直方图使用高斯核函数进行核密度估计;
使用样本标准差的估计值和数据长度来确定最优分段间隔。高斯核函数是一种核函数,用于核密度估计中对概率密度函数进行平滑处理。在需要连续性以及可微性的情况下,高斯核通常被使用。它是一个钟形曲线,形状类似于正态分布曲线。核密度估计是一种非参数统计方法,用于估计数据概率密度函数。它通常用于数据分析和数据可视化,以确定未知数据的概率密度分布,从而更好地理解数据的特征和结构。该方法将每个数据点视为一个概率质点,并以其为中心构建核函数。然后,通过将每个核函数与每个数据点的权重相乘,并将它们全部加起来,来估计概率密度函数。核函数通常是高斯函数或矩形函数,而其宽度(称为带宽)决定了估计的平滑程度。核密度估计的优点是它不需要假设数据分布的形状,可以对非参数的数据分布进行建模。同时,它可以自动适应数据的特征,并且在可视化数据时非常有用。
在一个实施例中,所述基于改进的层次分析法对高速公路的各个机电设备进行健康评估包括以下步骤:
在每类机电设备中,通过两两机电设备进行比较得出判断矩阵并赋评估值;
判断矩阵采用9级量化等级,其中1表示两个机电设备同等重要,3表示第一个机电设备比第二个机电设备略微重要,5表示第一个机电设备比第二个机电设备中等重要,7表示第一个机电设备比第二个机电设备非常重要,9表示第一个机电设备比第二个机电设备极端重要;
计算判断矩阵的特征向量,得到各个机电设备的权重;
通过计算一致性指标进行一致性检验,确保所求得的各个机电设备的权重具有合理性和稳定性,若一致性指标超过预定的阈值,则需要对判断矩阵进行修正,直到达到一致性要求;
在某一时间点,将任一机电设备的权重、判断矩阵的评估值及机电设备的健康指数相乘,得到任一机电设备的综合评估数值。本发明基于改进的层次分析法,即对确定评估值时,将专家意见与各个机电设备与每类机电设备整体的健康状况之间的关联度进行融合,且专家意见的打分取算术平均数,可以降低评估专家的人为主观性和片面性因素的影响,从而制定出根据合理的评估值,进而机电系统整体的健康评估更加合理。
在一个实施例中,所述通过两两机电设备进行比较得出判断矩阵并赋评估值包括以下步骤:
获取若干专家的赋值,且对每个专家的赋值进行算术平均数,得到两两机电设备之间的第一预评估值;
计算得出各个机电设备与每类机电设备整体的健康状况之间的关联度,并按照关联度的高低,对每个机电设备进行从高到低的排序,且对所有机电设备分为五个等级;
等级一样的两个机电设备之间的第二预评估值为1,等级相差一级的两个机电设备之间的第二预评估值为3,等级相差两级的两个机电设备之间的第二预评估值为5,等级相差三级的两个机电设备之间的第二预评估值为7,等级相差四级的两个机电设备之间的第二预评估值为9;
将第一预评估值与第二预评估值为进行算术平均处理得到评估值。
在一个实施例中,所述计算得出各个机电设备与每类机电设备整体的健康状况之间的关联度时,关联度计算公式为:
为正数,用于防止分母为零。在关联度计算中,关联度值越大,表示两个指标之间越相关,对评估的影响越大。即关联度计算公式的结果越接近1,说明两个变量之间的关联度越高。因此,关联度值越高,说明该机电设备在每类机电设备中的健康评估中的重要性越大。
综上所述,借助于本发明的上述技术方案,本发明的一种基于层次分析法高速公路机电系统健康指数评估方法,构建了高速机电系统设备的基础数据的管理数据库,实现了基础数据与运维养护数据的统一管理,为高速公路机电系统大数据管控提供支撑。本发明对现有技术中机电设备的健康指数的计算进行了改进,通过基于马氏距离和核函数最优分段间隔估计的方法,用于构建机电设备的健康指数,该方法可以对机电设备异常状态进行监测和检测,提前预警设备的可能故障,有助于实现设备的预防性维护和管理,且考虑到了机电设备的实际运行情况,相比于现有机电设备的健康指数的计算,根据符合实际情况。本发明将机电设备的权重、判断矩阵的评估值及机电设备的健康指数融入至机电系统整体的健康评估中,基于改进的层次分析法,即对确定评估值时,将专家意见与各个机电设备与每类机电设备整体的健康状况之间的关联度进行融合,从而制定出根据合理的评估值,进而机电系统整体的健康评估更加合理。解决了机电设备维养决策无预测、粗放型的难题,实现主动预测性机电设备维养管理决策,量化评估机电设施健康运行状况和质量一体化进程,助力实现智慧养护、精准养护。实现了高速公路机电系统全生命周期维养决策的集中化、共享化、智慧化。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,该方法包括以下步骤:
S1、对机电设备的基础数据进行采集;
S2、对机电设备按照预先设定的标准进行分类,且每类机电设备中均包括若干机电设备;
S3、基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估。
2.根据权利要求1所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述对机电设备的基础数据进行采集包括以下步骤:
收集机电设备的技术资料;
对机电设备的使用情况进行调查;
对机电设备进行现场勘测;
对机电设备进行检测;
记录机电设备的工作状态和运行情况。
3.根据权利要求2所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述对机电设备按照预先设定的标准进行分类时,从机电设备的功能层、系统层及部署位置进行分类。
4.根据权利要求3所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述基于层次分析法及机电设备的健康指数对高速公路的各个机电设备进行健康评估包括以下步骤:
计算每个机电设备的健康指数;
基于改进的层次分析法对高速公路的各个机电设备进行健康评估。
5.根据权利要求4所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述计算每个机电设备的健康指数包括以下步骤:
对任一机电设备正常工作情况下,采集若干该机电设备性能参数的第一时间序列数据;
对任一机电设备在某一时间点的情况下,采集若干该机电设备性能参数的第二时间序列数据;
利用马氏距离对第一时间序列数据或第二时间序列数据进行降维;
利用统计分布直方图将第二时间序列数据的数据取值进行分段,得到最优分段间隔,并在最优分段间隔的基础上对马氏距离的分布范围从小到大进行区间划分,得到k个区间;
计算每个区间的第二时间序列数据出现的个数除以区间内第二时间序列数据的总个数,得到每个区间的分数贡献率,并构造健康指数:
在某一时间点,计算每个机电设备的健康指数与健康阈值的偏离值,在每类机电设备中,对每个机电设备的偏离值的大小进行排序并分为五组,每组的得分按照每组平均偏离值的大小依次为5至1。
6.根据权利要求5所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述利用马氏距离对第一时间序列数据或第二时间序列数据进行降维包括以下步骤:
将若干第一时间序列数据或若干第二时间序列数据转换为矩阵形式;
计算矩阵的协方差矩阵;
对协方差矩阵进行特征值分解,得到特征向量和特征值;
选择前x个最大的特征值对应的特征向量作为新的基向量;
将原始数据投影到新的基向量上,得到降维后的数据。
7.根据权利要求5所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述利用统计分布直方图将第二时间序列数据的数据取值进行分段,得到最优分段间隔包括以下步骤:
对第二时间序列数据的统计分布直方图使用高斯核函数进行核密度估计;
使用样本标准差的估计值和数据长度来确定最优分段间隔。
8.根据权利要求4所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述基于改进的层次分析法对高速公路的各个机电设备进行健康评估包括以下步骤:
在每类机电设备中,通过两两机电设备进行比较得出判断矩阵并赋评估值;
判断矩阵采用9级量化等级,其中1表示两个机电设备同等重要,3表示第一个机电设备比第二个机电设备略微重要,5表示第一个机电设备比第二个机电设备中等重要,7表示第一个机电设备比第二个机电设备非常重要,9表示第一个机电设备比第二个机电设备极端重要;
计算判断矩阵的特征向量,得到各个机电设备的权重;
通过计算一致性指标进行一致性检验,若一致性指标超过预定的阈值,则需要对判断矩阵进行修正,直到达到一致性要求;
在某一时间点,将任一机电设备的权重、判断矩阵的评估值及机电设备的健康指数相乘,得到任一机电设备的综合评估数值。
9.根据权利要求8所述的一种基于层次分析法高速公路机电系统健康指数评估方法,其特征在于,所述通过两两机电设备进行比较得出判断矩阵并赋评估值包括以下步骤:
获取若干专家的赋值,且对每个专家的赋值进行算术平均数,得到两两机电设备之间的第一预评估值;
计算得出各个机电设备与每类机电设备整体的健康状况之间的关联度,并按照关联度的高低,对每个机电设备进行从高到低的排序,且对所有机电设备分为五个等级;
等级一样的两个机电设备之间的第二预评估值为1,等级相差一级的两个机电设备之间的第二预评估值为3,等级相差两级的两个机电设备之间的第二预评估值为5,等级相差三级的两个机电设备之间的第二预评估值为7,等级相差四级的两个机电设备之间的第二预评估值为9;
将第一预评估值与第二预评估值为进行算术平均处理得到评估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310558771.1A CN116307943A (zh) | 2023-05-18 | 2023-05-18 | 一种基于层次分析法高速公路机电系统健康指数评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310558771.1A CN116307943A (zh) | 2023-05-18 | 2023-05-18 | 一种基于层次分析法高速公路机电系统健康指数评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307943A true CN116307943A (zh) | 2023-06-23 |
Family
ID=86813547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310558771.1A Pending CN116307943A (zh) | 2023-05-18 | 2023-05-18 | 一种基于层次分析法高速公路机电系统健康指数评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307943A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203637A (zh) * | 2016-06-27 | 2016-12-07 | 西北工业大学 | 一种基于马氏距离和健康指数的机载系统健康评估方法 |
CN107194149A (zh) * | 2017-04-19 | 2017-09-22 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
CN107330573A (zh) * | 2016-04-29 | 2017-11-07 | 北京电研华源电力技术有限公司 | 一种光伏系统关键设备的状态评估方法及装置 |
CN108009937A (zh) * | 2016-11-01 | 2018-05-08 | 中国电力科学研究院 | 一种配电主设备健康状态的评估方法 |
CN108647854A (zh) * | 2018-04-04 | 2018-10-12 | 中国电力科学研究院有限公司 | 一种确定电力传输网运行质量的方法和系统 |
CN109903311A (zh) * | 2019-01-24 | 2019-06-18 | 中国矿业大学 | 一种改进tld的矿井下视频目标跟踪方法 |
CN112381380A (zh) * | 2020-11-11 | 2021-02-19 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN112418603A (zh) * | 2020-10-15 | 2021-02-26 | 招商华软信息有限公司 | 基于设备健康指数的etc门架系统状态评价方法、电子设备、存储介质 |
CN114742253A (zh) * | 2022-05-24 | 2022-07-12 | 长沙理工大学 | 一种电力设备运维优先级排序方法 |
-
2023
- 2023-05-18 CN CN202310558771.1A patent/CN116307943A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330573A (zh) * | 2016-04-29 | 2017-11-07 | 北京电研华源电力技术有限公司 | 一种光伏系统关键设备的状态评估方法及装置 |
CN106203637A (zh) * | 2016-06-27 | 2016-12-07 | 西北工业大学 | 一种基于马氏距离和健康指数的机载系统健康评估方法 |
CN108009937A (zh) * | 2016-11-01 | 2018-05-08 | 中国电力科学研究院 | 一种配电主设备健康状态的评估方法 |
CN107194149A (zh) * | 2017-04-19 | 2017-09-22 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
CN108647854A (zh) * | 2018-04-04 | 2018-10-12 | 中国电力科学研究院有限公司 | 一种确定电力传输网运行质量的方法和系统 |
CN109903311A (zh) * | 2019-01-24 | 2019-06-18 | 中国矿业大学 | 一种改进tld的矿井下视频目标跟踪方法 |
CN112418603A (zh) * | 2020-10-15 | 2021-02-26 | 招商华软信息有限公司 | 基于设备健康指数的etc门架系统状态评价方法、电子设备、存储介质 |
CN112381380A (zh) * | 2020-11-11 | 2021-02-19 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN114742253A (zh) * | 2022-05-24 | 2022-07-12 | 长沙理工大学 | 一种电力设备运维优先级排序方法 |
Non-Patent Citations (2)
Title |
---|
廖苏亮,等: "地方重大科技项目创新绩效影响因素分析", 《科技管理研究》, no. 14, pages 40 - 45 * |
金翔龙,等: "《数字图像模式识别工程项目研究》", 西安交通大学出版社, pages: 225 - 227 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
CN108520357B (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
CN113255848B (zh) | 基于大数据学习的水轮机空化声信号辨识方法 | |
CN109816031B (zh) | 一种基于数据不均衡度量的变压器状态评估聚类分析方法 | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
CN113762329A (zh) | 一种大型轧机状态预测模型的构建方法及构建系统 | |
CN116400126B (zh) | 一种具有数据处理系统的低压电力箱 | |
CN113822387B (zh) | 路面损坏状况指数预测方法、系统、设备及介质 | |
CN104123678A (zh) | 一种基于状态等级评估模型的电力继电保护状态检修方法 | |
CN112116198A (zh) | 数据驱动的流程工业状态感知网络关键节点筛选方法 | |
CN111723850A (zh) | 一种基于智能巡检系统的自动化检定设备状态评价方法 | |
CN111291822A (zh) | 基于模糊聚类最优k值选择算法的设备运行状态判断方法 | |
CN111949939A (zh) | 基于改进topsis和聚类分析的智能电表运行状态评价方法 | |
CN113569462A (zh) | 一种计及天气因素的配电网故障等级预测方法及系统 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN113918642A (zh) | 一种基于电力物联网设备的数据过滤监测预警方法 | |
CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
CN115526258A (zh) | 基于Spearman相关系数特征提取的电力系统暂稳评估方法 | |
CN116796271A (zh) | 一种居民用能异常识别方法 | |
CN110689140A (zh) | 一种通过大数据进行轨交报警数据智能管理的方法 | |
CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN111932081A (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN116307943A (zh) | 一种基于层次分析法高速公路机电系统健康指数评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230623 |