CN1492366A - 用于评价机器或设备运行条件的方法 - Google Patents

Abstract

本发明涉及一种用于评价机器或设备运行条件的方法。迄今为止，为了进行趋势分析，采用例如关键的测量过程和/或对技术参数影响的主观评价，以便估计机器或设备的运行可靠性。按照本发明外推函数与数据库的优化匹配不是通过一个最大相关系数r，而是借助于一种独立于数据库的匹配曲线斜率的品质量度(K)实现。

Description

用于评价机器或设备运行条件的方法

技术领域

本发明涉及一种用于评价机器或设备运行条件的方法。

背景技术

迄今为止，为了评价机器或设备的运行条件，采用例如关键的测量过程和/或对机器或设备参数影响的主观评价的直观外推，以便评估机器或设备的运行条件，并做出相应的反应，其中，通过相应的评价、例如通过预先给定参数的额定值来改变参数，或者以其它方式方法影响参数。这里，对数据库的匹配/回归函数进行匹配，并通过迭代选择具有最大相关系数的曲线函数来进行优化。这种匹配曲线的弯率变化不必强迫地与数据库重合。相关系数r(最大值＝1，最小值＝-1)作为匹配品质标准只是有条件地可用，因为该值不仅取决于所采用的曲线函数的匹配品质，而且取决于采用的曲线函数的斜率。例如如果线性匹配的斜率趋近于零，则r与各个曲线点的杂散无关，也遵循该趋势。由此，r不适用于作为外推的品质量度。

用于评价机器或设备运行条件的产生工具必须满足一定的最低要求，使得可以按照下列条件对外推结果进行评价：

·预告的可靠性

·对预告可靠性的影响量

·预告的可理解性。

一般来说，每个预告都带有不可靠性，而其用于预测报警/超出边界值判断的品质量度，以及作为对由此产生的例如自动化动作的判定基础就格外重要。此外，在用于评价机器或者一个特定的(例如测量技术关联的)设备运行条件的周期产生的方法中，可以将品质量度的时间变化作为趋势来观察，并由此给出对预测结果出现时刻的附加说明，例如，超越边界值，以便保证机器或设备的运行可靠性。对外推可靠性的估计具有非常重要的意义，因为对于损坏征兆、边界值超出和运行优化的评价，例如消耗部件的备件，如果不了解预告的可靠性、即品质量度几乎是不可能。

对机器或设备运行条件的评价，其中分析参数的进一步变化趋势，这对在如运行监视或者系统分析这样的任务中的解决问题是非常重要的。在从已知规律出发外推到未知数值区域有意义的所有地方都使用这种方法，即，主要在结果预测(识别未来的报警/超出负载极限)和损害预防(识别未来的损害)中。

与测量值类似，如果不给出测量公差这在实际上是没用的，因此必须为外推配置一个对预告质量(品质量度)进行说明的量。没有这种信息就无法对外推结果进行评价，并因此使对结果反应(例如干预过程)的决定是非常不可靠和不具有建设性的。

发明内容

因此，本发明要解决的技术问题是解决这个问题。

上述技术问题是通过按照权利要求1的方法来解决的。

优选的结构在列在从属权利要求中。

对外推函数与数据库的优化匹配不是通过最大相关系数r、而是借助于独立于数据库的匹配曲线斜率的品质量度K来实现的。

该品质量度K至少由两个不同的说明外推预告质量的子标准计算出。K的存在使得至少可以有两种外推模式：

·预先给定一个恒定的品质量度K

在这种情况下，外推的宽度、即数据库的最后值和外推端点之间的距离是可变的。

这种措施对抑制错误或无意义的报警是重要的。这里可以告知技术装置的操作员，在哪个时间段不会出现报警，即给出确定的运行可靠性。

·预先给定外推宽度(例如在超出边界值的情况下)

在这种情况下K是可变的。K在时间上的变化又可以作为趋势分析的基础来使用，以便估计在K＝1时结果可能出现的时刻。

趋势分析，以便评价机器或设备的运行条件，一般可以将两个相关量的变化外推到还不了解的值域中。其应用可以既应用于时间变化

y_i＝f(t_i)；i＝1…n

例如：Pel＝f(t)；Pel＝发电机功率

又可以应用于形式上取决于时间的分配

y_1i＝f(y_2i)；i＝1...n，y₁与y₂同步

例如：Pel＝f(燃料物料流量)。

但是，趋势分析的应用隐含着，两个相关量的变化可以从过去导出的规律在未来也继续，并允许按这种方式产生尚未知的赋值。该条件是有意义的趋势分析的前提，它只能随着变化而产生，这些变化在相同(“标准化的”)边界条件(物理环境条件、燃料、功率、运行模式燃烧器等)下产生。

这种标准化的赋值的准备可以通过利用逻辑条件(离散标准化)选择数据实现，或者借助于过程模拟模式(分析标准化)实现，这种模式可将例如所有环境相关的值反算(zurueckrechnen)到ISO条件上。

附图说明

图1示出了一个数据库和外推曲线，

图2示出了用于确定ΔI的曲线，

图3示出了数据库的一种分段，

图4示出了K的时间变化，

图5示出了具有组件的涡轮机，

图6为简化示出的涡轮机的纵向断面，以及

图7示出了作为组件的涡轮机叶片

具体实施方式

用于计算品质量度K的基本量

品质量度K是用于外推品质的量度。它结合了多种错误影响，因此是一个至少有两个变量(例如V、ΔI)的函数。在这种情况下这些变量例如是比值V、x模糊ΔI、连续性S和时间常数C：

K＝f(V，ΔI，S，C)。

这些量例如这样结合，使得K的数值范围处于一个标准化的区域，例如0％至100％。

·用于外推区域的数据区域的比值V

对于外推，有n个测量点(x₁，y₁)至(x_n，y_n)可供使用。但是，并不必须使用数值范围54的所有现有测量点15(图3)。

比值V设定了例如用于外推的数据库6的x值域(x_n-x₁)与从x₁到所使用的外推点x_s的x位置(图1)段的比值，即与外推区域9的比值，该比值例如最大接近于值1，即数据库6与外推区域9是相同的；最小接近于值0，即数据库6相对于外推间隔是非常小的。

x_s例如是一个在其处发生超出边界值(Y_s＝边界值18)的值。

在图1中同样示出了一个对数据库6的匹配函数12，它也给出直到x点x_s的外推。

V例如按下式计算：

V＝(x_n-x₁)/(x_s-x₁)。

如果V主要是减小品质量度K，则可以逐步地扩展外推的数据库。

·x方向上匹配曲线的模糊ΔI

每个曲线匹配(外推的前提)自然都有一个计算出的曲线参数的模糊(置信区域)。

为了确定斜率的模糊，在图2中例如应用一个线性回归函数21。通常，作为外推函数可以应用所有可以转化为线性结构的函数，即，

线性函数(主函数)    →y＝a₀+a₁*x

乘方函数            →lny＝lna₀+a₁*lnx

对数函数            →y＝a₀+a₁*lnx

指数函数            →lny＝lna₀+a₁*x

等等。

然后对模糊ΔI进行如下计算。

图2举例示出了一个具有外推曲线21和其它用于计算ΔI的曲线24、27的数据库6。

模糊ΔI可以通过围绕旋转点( x， y)旋转的匹配曲线21(以线性表示)表示。平均值 x和 y例如是通过几何或算术平均值来确定的。该点( x，y)不必一定位于线性匹配曲线21(外推曲线)上。

线性曲线21斜率的模糊对应于一个角度旋转，其中，该斜率m变化±Δm，并由此在x方向上有一个匹配曲线的x模糊ΔI(图2)。

通过斜率的变化产生另两条曲线24、27，它们在对应于边界值的平行线18(y_s＝常数)上分别构成交点30、33。对于每个交点30、33分别有一个对应的x值I_max和I_min，其中，I_max＞I_min以及ΔI＝I_max-I_min。

该x模糊与一个交角α相关，该角由平行线18和曲线在外推曲线21和平行线18的交点处的角确定。随着该交角α的减小，x模糊ΔI加剧。

如果在一个外推中没有边界值或者没有超出边界值，则上述对于外推的预定x端点(x_s)和一条设想的通过点(x_s，y_s)的x轴平行线有效。

因为外推函数总是解析地显现，所以可以借助于在一个水平或者报警函数和外推函数之间的交角α的第一导数计算出。

用于计算斜率模糊±Δm公式例如如下：

借助于一种置信区间确定斜率b。这种方法在Kreyszig，Erwin的“Statistieche Methoden und ihre Anwendungen”，Verlag Vandenhoeck undRuprecht，Goettingen，Seite 270中公开。

为了确定斜率b如下进行：

a)确定数据库6。该数据库6包括n个相关的x和y值(图2)

b)计算数据库6的 x和 y以及量∑x_iy_i

c)计算 $S_{\mathrm{xy}}=\frac{1}{n-1}({\mathrm{\Σx}}_i{y}_i-\stackrel{\‾}{\mathrm{nxy}})(i=1..n)$

d)计算 $S_{x^2}=\frac{1}{n-1}{({\mathrm{\Σx}}_i-\stackrel{\‾}{x})}^2(i=1..n)$

e)计算 $S_{y^2}=\frac{1}{n-1}{(\mathrm{\Σ}{y}_i-\stackrel{\‾}{y})}^2(i=1..n)$

f)由 $b=\frac{S_{\mathrm{xy}}}{S_x^2}$ 给出斜率b

g)计算 $a=(n-1)(S_y^2-b^2{S}_x^2)$

由此，给出一个回归直线21的公式

y＝ y+b(x- x)。

作为下一步，将置信数预定为例如95％，即γ＝0.95，由此计算出一个量F(c)：

h) $F\left(c\right)=\frac{1}{2}(1+\mathrm{\γ})=0.975$

i)按F(c)＝0.975和n-2(n＝测量值数目)个自由度，该t分布(学生分布)提供一个c值(0.975相应于该t分布至x＝c处的积分)。

Δm由下式给出：

j) $\frac{c\sqrt{a}}{S_x\sqrt{(n-1)(n-2)}}.$

由此，产生斜率m的模糊

b-Δm≤m≤b+Δm。

由此，根据当前数据库6的离散参数(Streuunugskenngroess)计算出在转动点(图2)的斜率m的x模糊ΔI。

由此，ΔI＝f(Δm，α)可以借助于发射数组(Strahlensatz)或者测角术计算。同样可以进行ΔI的标准化。

·数据库y值的连续性S

数据库6的一个分段事先提供关于所使用的数据库6的当前弯曲方向的说明。数据库6是包括所有可供使用的测量点15的数据储备54的一个真的或非真子集。一个分段表示，将数据库6的测量点即数对(Zahlentupel)(x，y)在至少三个段45、48、52上分布。对于每个段45、48、52确定一个线性匹配曲线36、39、42。

数据库6的弯曲方向通过段平均值g1、g2和g3的构成以及对第二数值导数的计算确定。

在该方法中可以由此出发，即匹配曲线(外推曲线)的计算周期地由一个浮动(gleitend)数据库6实现，即，一个恒定或可变长度的数据窗口3(图3)，在每个结束的外推周期之后在x值增加的方向每次移动预定的间隔Δx(独立变量)。

在实际中数据窗口3，即数据库6的推移Δx在时间周期上最大地进行，随之产生测量值15(例如Δx＝5秒)。

连续性S的概念在这种关联中不被理解为数学上的定义，而是作为数据库6与最后结束的外推步骤关系中的点变化的变化度量。

为了可以对于Y值变化的连续性进行表述以及由此隐含的关于该变化的外推性能进行表述，将数据窗口3分成至少三个段45、48、52。对于每个段45、48、52在一中间步骤中用斜率c₁、c₂和c₃各计算一个平均值和一个线性匹配函数y₁、y₂、y₃(图3)。如果将三个回归直线36、39、42的平均值用g₁、g₂(中间段)和g₃表示，则可以通过数值弯曲量度p

p＝g₁-2*g₂+g₃

确定斜率变化的当前弯曲方向。

在图3中的例子中p为负。这表示一个右弯曲。

当p＝0时该三个平均值在一条直线上。从曲线储备中各种曲线类型的迭代与总的当前数据库的值域匹配。

对于数据相关的外推曲线的曲线储备的匹配函数(回归函数)必须满足单调变化的条件，因为非单调函数可以造成巨大的外推不可靠性。一般地，可以应用所有可以转化为y＝a₀+a₁*x形式的线性结构的函数，即，

线性函数(主函数)  →f(x)＝y＝a₀+a₁*x

乘方函数          →f(x)＝lny＝lna₀+a₁*lnx

对数函数          →f(x)＝y＝a₀+a₁*lnx

指数函数          →f(x)＝lny＝lna₀+a₁*x

等等。

由曲线储备中选择出来的曲线类型必须满足下列条件：

外推曲线(回归函数)的弯曲方向必须与p一致

(用于标准化的)商Q_k必须最小，该商来自分子＝测量值和外推曲线之间距离平方(必要时加权的)平均值，而分母＝在数据窗口范围内的外推曲线y值范围的均值平方(其中，例如 $y_{{\min }_k}^2={[(y_{{\mathrm{mix}}_k}+y_{{\min }_k})/2]}^2$ ，其中ymax是第k条曲线的Y值的最大值，而ymin是对应的Y值最小值)：

$Q_k=f\left(k\right)=\frac{\mathrm{\Σ}{w}_i*{(y_i\left(x_i\right)-f_k\left(x_i\right))}^2}{y_{{\min }_k}^2*\mathrm{\Σ}{w}_i}=\min (i=1..\min ).$

其中，k是可供使用的外推曲线类型(曲线储备)的数目。y_i(x_i)是在位置x_i的测量值，f_k(x_i)是在位置上外推曲线第k种外推曲线类型的函数值。w_i是对每个测量值或者对一个段的所有测量值的加权系数。

如下进行连续性S的评价：将三个直线斜率C₁、C₂、C₃与在数据窗口三个段的每个均值位置(x_s1、x_s2、x_s3)上外推曲线的斜率进行比较。这里一种三个斜率差不同的加权是可能和有意义的。这样可以将在最后一段上的当前值较强地评价，以便迅速识别曲线的变化。

三个斜率差是对于曲线变化发展连续性的一种度量。

如下计算S：

假设O₁至O₃是所选择的在各自半个段宽度上第k种匹配曲线36、39、42的三个斜率，C₁至C₃是该线性匹配的斜率(图3)。

则成立：

$S=\frac{\mathrm{\Σ}{\mathrm{\γ}}_i*{(C_1-O_1)}^2}{\mathrm{\Σ}{\mathrm{\γ}}_i};i=1\…3$ (段范围)

其中，γ_i：加权系数1...n。

S的值域如下：从0(绝对连续性)，即在段中心的外推函数的斜率与单个段45、48、52的回归直线相同，直至+∞，即斜率没有重叠。

·外推的时间常数C

外推序列的时间上的变量是预告可靠性的一个附加的和重要的指示，因为例如品质量度的高的变量成分是以不稳定的外推为条件的，因此可能产生有问题的说服力。

对一个外推的时间上的变量的求值，可以通过预定一个具有可变外推宽度(x_s)的固定品质量度或者通过固定外推宽度-例如x_s可以对应于对一个固定边界值的超出-然后在该宽度变动置信数实现。

图4示出了一个具有不同值58的品质量度K(t)的示例性时间变化。从一个曲线储备中为该值变化确定了一个匹配函数q。

各个变量的计算例如按照牛顿方法迭代实现。

借助于一个对外推宽度以及置信数的给最后n(例如n＝10)个时间值的回归配合(例如通过一个1阶或更高阶的多项式，其中阶数取决于n)，进行时间上变量的监视。通过这种方式也可以将带测试的变量的在时间上线性变化的值按其可变性精确地评价。

如下计算对外推宽度的时间上的变量的评价：

$C=\frac{\mathrm{\Σ}{\mathrm{\γ}}_i*{(K\left(t_1\right)-q\left(t\right))}^2}{q_{{\min }_k}^2*\mathrm{\Σ}{\mathrm{\γ}}_i}$

i＝迭代的次数。

这里，加权系数γ_i可以对当前值比最早的值不同/更高地评价。其中，

对应于

C的值域介于C＝0(没有变量在时间上的散布，所有变量点处在回归直线上)和+∞(变量序列完全偏离(verrauscht))之间。

·V、Δl_norm、S和C与品质量度K的结合

品质量度如下地结合量V、Δl_norm、S和C：

$K=\frac{V*\mathrm{\ΔI}}{S*C}$

K的值域介于0(外推完全错误)和+∞(外推精确)之间。K的标准化例如可以通过一个非线性关系实现：

              K_norm＝1-e^-K

例如，设备是一个气体涡轮机的电机。通过获取电机频率参数的K的将确定，在一个确定的时间内(xs-xn)会发生一次不可靠的对边界值的超出。为此将频率调低。

图5示意地示出了一个气体涡轮机1的纵向断面。

作为示例性的组件气体涡轮机1选择用于一个机器，其中诸如温度、振动、电功率以及其它的参数被测量。

沿轴4依次设置了压缩机7、燃烧室10和涡轮部件13。涡轮部件13具有一个热气管道16。在热气管道16中设置了气体涡轮机叶片20。导向叶片边界和运行叶片边界交换地相继设置。

气体涡轮机叶片20例如通过一个组合的空气和/或蒸汽冷却制冷。为此，例如从压缩机7取得压缩空气并通过空气导入23引至气体涡轮机叶片20。通过蒸汽导入26例如也可将蒸汽引至气体涡轮机叶片20。

在图6中示出了在纵向断面上涡轮部件13的断面的一个简化表示。该涡轮部件13具有一个沿旋转轴41插入的轴4。涡轮部件13沿旋转轴41还具有一个流体进入区域49、叶片区域51以及流体排除区域53。在叶片区域51设置了可以转动的运行叶片20′和固定的导向叶片20。其中，运行叶片20′固定在轴4上，而导向叶片20设置在围绕轴4的导向叶片支架47上。

通过轴4为叶片区域51以及导向叶片支架47构造了一个用于流动介质A(例如热蒸汽)的环行流通通道。用于引入流动介质A的流体进入区域49，通过一个在轴向方向上在导向叶片支架47在流体流入端上设置的流体进入壳体55限定。

流体排除壳体57设置在导向叶片支架47的流体排除端，并在轴向上，即垂直于旋转轴41限定了流体进入区域49。在气体涡轮机1运行时，流动介质A从流体进入区域49流入叶片区域51，在其中经膨胀工作，然后通过流体排除区域53离开气体涡轮机1。流动介质A最后在一个图5中没有详细示出的、连接在流体排除壳体57之后的用于蒸汽涡轮机的冷凝器中被收集。

在通过叶片区域51流通中，流动介质A减压并在运行叶片20′上起作用，由此产生转动。

图7示出了一个沿轴向轴60插入的运行叶片20′的透视。该运行叶片沿轴向轴60具有相继的固定区域63、其上限定的叶片板型66以及叶片叶区域69。在固定区域63构成一个一个叶片脚72，用来将叶片20′固定在气体涡轮机1的轴4上。

在常规的运行叶片20′中，在所有区域63、66、69大量采用金属材料。这里，运行叶片20′可以通过铸造方法、锻造方法、铣削方法或者各种方法的组合完成。这里，部件在直接制造之后已经包含了各种误差。

Claims (14)

1.一种用于评价机器(1)或者设备运行条件的方法，其中，至少一个参数被多次测量，以便建立一个数据库(6)，该数据库(6)由所述参数的值(x₁，y₁)...(x_n，y_n)组成，

其中，在该数据库(6)的基础上计算一个外推的品质量度(K)，

其中，所述品质量度(K)是变量组V，ΔI，S，C中至少两个变量的函数，

其中，(V)是一个所述数据库6的值域与通过x_s＞x₁，x_n确定的外推区域x_s的比值；

(ΔI)是x方向上匹配曲线(21)的x模糊；

(S)是作为所述数据库(6)的y值变化量度的连续性；

(C)是外推时间常数。

2.根据权利要求1所述的方法，其特征在于，利用所述对运行条件的评价，以便根据品质量度(K)相应地影响所述参数。

3.根据权利要求1或2所述的方法，其特征在于，通过所述运行条件评价提高机器(1)或者设备的运行可靠性，其中，根据品质量度(K)相应地影响所述参数。

4.根据权利要求1或2所述的方法，其特征在于，所述运行条件评价用于优化机器(1)或者设备的运行。

5.根据权利要求3所述的方法，其特征在于，为所述参数预先设置边界值(18)，并确定一个在其中不出现超出该参数边界值(18)的时间段。

6.根据权利要求1所述的方法，其特征在于，按这样的方式选择所述变量，即，所述品质量度(K)独立于所述数据库(6)的匹配曲线斜率。

7.根据权利要求1所述的方法，其特征在于，将所述品质量度(K)标准化，尤其是通过1-e-K进行标准化。

8.根据权利要求7所述的方法，其特征在于，将所述品质量度(K)在一个0至100％的值域上标准化。

9.根据权利要求1所述的方法，其特征在于，如下给出所述品质量度(K)：

$K=\frac{V*\mathrm{\ΔI}}{S*C}.$

10.根据权利要求1或9所述的方法，其特征在于，所述数据库(6)值域的比值(V)通过(x_n-x₁)/(x_s-x₁)给出。

11.根据权利要求1所述的方法，其特征在于，

将所述数据库(6)至少分成三段(45，48，52)；

对于每个段(45，48，52)从该数据库(6)中利用斜率c₁、c₂和c₃各计算一个平均值g₁，g₂，g₃和一个线性匹配函数y₁、y₂、y₃(36，39，42)；

计算一个数值弯曲量度p

p＝g₁-2*g₂+g₃，该量度再次给出斜率变化的当前弯曲方向；

从至少下列组的曲线类型：

线性函数           →f(x)＝y＝a₀+a₁*x

乘方函数           →f(x)＝lny＝lna₀+a₁*lnx

对数函数           →f(x)＝y＝a₀+a₁*lnx

指数函数           →f(x)＝lny＝lna₀+a₁*x的曲线储备中，迭代地选择出匹配函数的每个曲线类型，并与整个当前数据库(6)的值域进行匹配，其中，从该曲线储备中选择的曲线类型必须满足下列条件：

从外推确定的曲线弯曲方向必须与p一致

和

商Q_k必须最小，该商来自分子(＝必要时测量值和外推曲线之间距离平方的加权平均值)和分母(＝在数据窗口范围内的外推曲线y值范围的平均值平方)：

$Q_k=f\left(k\right)=\frac{\mathrm{\Σ}{w}_i*{(y_i\left(x_i\right)-f_k\left(x_i\right))}^2}{y_{{\min }_k}^2*\mathrm{\Σ}{w}_i}=\min (i=1..\min )$

其中，k是可供使用的外推曲线类型(曲线储备)的数目，尤其是 $y_{{\min }_k}^2={[(y_{\mathrm{ma}{x}_k}+y_{{\min }_k})/2]}^2$ ，y_i(x_i)是在位置x_i的测量值，f_k(x_i)是在位置x_i上外推的第k种外推曲线类型的函数值，w_i是对每个测量值或者对一个段的所有测量值的加权系数；

从而如下计算连续性(S)：

$S=\frac{\mathrm{\Σ\γi}*{(C_1-O_1)}^2}{\mathrm{\Σ}{\mathrm{\γ}}_i},$

其中，i＝1...3是段区域的编号，γ_i是加权系数1...n；o₁至o₃是所选择的在各半段宽度上的第k种曲线(36，39，42)的斜率，而C₁至C₃是线性段匹配的斜率。

12.根据权利要求1所述的方法，其特征在于，如下确定x模糊：

选择一个可以转化为线性结构的外推函数，即至少从下组

线性函数    →y＝a₀+a₁*x

乘方函数    →lny＝lna₀+a₁*lnx

对数函数    →y＝a₀+a₁*ln(x)

指数函数    →lny＝lna₀+a₁*x中选择；

确定一个数据库(6)，该数据库(6)包括n个相关的x和y值；

计算该数据厍6的 x和 y以及量∑x_iy_i；

计算 $S_{\mathrm{xy}}=\frac{1}{n-1}(\mathrm{\Σ}{x}_i{y}_i-\stackrel{\‾}{\mathrm{nxy}})(i=1..n);$

计算 $S_{x^2}=\frac{1}{n-1}{(\mathrm{\Σ}{x}_i-\stackrel{\‾}{x})}^2(i=1..n);$

计算 $S_{y^2}=\frac{1}{n-1}{(\mathrm{\Σ}{y}_i-\stackrel{\‾}{y})}^2(i=1..n);$

计算斜率 $b=\frac{S_{\mathrm{xy}}}{S_x^2};$

计算 $a=(n-1)(S_y^2-b^2{S}_x^2);$

确定一条回归直线的公式

y＝ y+b(x- x)；

按置信数γ计算出一个量F(c)

$F\left(c\right)=\frac{1}{2}(1+\mathrm{\γ});$

按F(c)和n-2(n＝测量值数目)个自由度，t分布(学生分布)提供一个c值；

由下列确定Δm：

$\frac{c\sqrt{a}}{S_x\sqrt{(n-1)(n-2)}};$

由此，产生斜率m的模糊：

b-Δm≤m≤b+Δm，

按斜率b-Δm，b+Δm确定直线公式(27，21)；

确定该直线与一条对应于一个边界值(18)的平行线(18)(y＝常数)的交点(I_min，常数)和(I_max，常数)；

确定对应的x值I_max和I_min，其中I_max＞I_min；

计算ΔI＝I_max-I_min。

13.根据权利要求11所述的方法，其特征在于，所述连续性(S)的值域处于0至+∞的范围内。

14.根据权利要求1所述的方法，其特征在于，所述品质量度(K)随时间变化，以及如下计算对外推宽度时间变量的评价：

$C=\frac{\mathrm{\Σ}{\mathrm{\γ}}_i*{(K\left(t_1\right)-q\left(t\right))}^2}{q_{{\min }_k}^2*{\mathrm{\Σ\γ}}_i}$

其中，i是迭代的次数， $q_{{\min }_k}^2={[(q_{{\mathrm{mix}}_k}+q_{{\min }_k})/2]}^2$ ，γ_i是加权系数。

Images