﻿ 基于动态权重的设备健康状态评估方法
 计算机系统应用  2001, Vol. 29 Issue (9): 198-204 PDF

Assessment Method of Equipment Health State Based on Dynamic Weight
ZHAO Li-Qin, LIU Chang, YI Fa-Sheng
College of Information Science and Engineering, Chengdu University, Chengdu 610106, China
Foundation item: Young Scientists Fund of National Natural Science Foundation of China (61502059); Application Basic Project of Science and Technology Program of Sichuan Province (2018JY0272)
Abstract: Equipment health is a quantitative assessment of the health status of a device and can more accurately reflect the real health status of the device. Existing health assessment methods do not reflect the health status of the device. Aiming at the health evaluation of a certain type of radar transmitter, an accurate health assessment method based on dynamic weight is proposed. In this study, the exponential function is used to model the dynamic variation of the weight of each parameter, and then the weighted standard Euclidean distance between the acquisition vector and the best vector is calculated, which can evaluate the health status of the equipment more accurately. The actual test of a certain type of radar transmitter shows that the calculation result of this method is accurate and reliable, and can better reflect the health status of the equipment.
Key words: health assessment     equipment health status     dynamic weight     health interval

1 动态权重的健康度计算方法 1.1 动态权重机制

 ${w_{{{is}}}} = {w_{{{i0}}}} + \alpha \cdot{\delta _{{i}}} + \beta \cdot{\gamma _{{i}}}$ (1)

 图 1 状态数据与健康状态影响权重指数关系

 ${{{w}}_{{{id}}}} = {{a}}_{{i}}^{{{x}}{{_{{i}}^{{'}}}_{}}}$ (2)

 $x_i^{'} = \left\{ {\begin{array}{*{20}{c}} {\dfrac{{x_i^{} - {x_{i0}}}}{{{{max }_i} - {x_{i0}}}}},&{{\text{当}}x_i^{} > {x_{i0}}{\text{时}}}\\ 0,&{{\text{当}}x_i^{} = {x_{i0}}{\text{时}}}\\ {\dfrac{{x_{i0}^{} - {x_i}}}{{{x_{i0}} - {{min }_i}}}},&{{\text{当}}x_i^{} < {x_{i0}}{\text{时}}} \end{array}} \right.$ (3)

 $w_{ip} = w_{is} + w_{id}$ (4)

 ${w_{{i}}} = \dfrac{{{w_{ip}}}}{{\displaystyle \sum\limits_{i = 1}^n {{w_{ip}}} }}$ (5)

1.2 基于动态权重的健康度计算

 ${D_k} = \sqrt {\displaystyle \sum\limits_{i = 1}^n {\dfrac{{{{({x_{ki}} \times {w_{ki}} - u)}^2}}}{{\delta _i^2}}} }$ (6)

 $Ehealth = A\left(\frac{{{D^h} - D}}{{{D^h} - {D^l}}}\right){e^{b.\left(\frac{{{D^h} - D}}{{{D^h} - {D^l}}} - l\right)}}$ (7)

 $E_{\rm health}^{'} = 100({D^h} - D/{D^h})$ (8)
2 雷达发射机健康度评估过程分析 2.1 雷达发射机健康度评估过程

 图 2 雷达发射机健康度评估过程

① 根据主成分分析法, 决定需要参与健康度评估的监测参数. 然后按照专家经验, 确定参数的最优值、最大最小范围及其静态权重指数、动态权重参数等信息, 作为数据分析的依据.

② 权重因子计算. 根据前面的式(1)修正静态权重, 根据式(2)计算动态权重, 利用式(4)、式(5)计算各个参数的权重因子.

③ 健康度的计算. 利用式(6)计算加权标准欧式距离, 然后利用式(8)计算实时健康度.

2.2 雷达发射机监测参数的确定

① 将原始数据按列组成NM列矩阵X;

② 对X的每一行进行零均值化;

③ 计算出均值化矩阵X的协方差矩阵C;

④ 求出C的特征值及对应的特征向量;

⑤ 将特征向量按对应特征值大小从上到下按行排列成矩阵, 取前k行组成矩阵P;

Y=PX即为降维到k维后的数据.

2.3 数据预处理过程

(1)平滑处理. 为了过滤监测参数的噪声, 采用平滑处理可以减少噪声影响, 并将数据的周期趋势表现出来. 本文采用简单的指数加权平均算法, 运算量少, 且具有不错的效果.

 $v_t = \beta v_{t - 1} + (1 - \beta )\theta_t$ (9)

(2)剔除异常值. 基本思想是规定一个置信限度, 凡是误差超过该限度的值, 认为是异常值, 需要剔除免于处理. 用一阶差分法来进行异常值剔除处理. 具体思路是用两个测量值来预估新的测量值, 然后与实际测量值进行比较. 如果大于设定的阈值, 则认为是异常值, 给予剔除处理.

 $x_n^{'} = x_n - 1 + (x_{n - 1} - x_{n - 2})$ (10)
 $\left| {x_n - x_n^{'}} \right| < \phi$ (11)

3 测试分析

 图 3 不同方法健康度评估对比图

 图 4 修改α值的健康度评估对比图

4 结束语

 [1] 谭治学. 雷达发射机健康状态评价及预测技术研究[硕士学位论文]. 哈尔滨: 哈尔滨工业大学, 2013. [2] 李硕, 徐国平, 蔡兴雨, 等. 雷达装备健康状态评价方法研究. 火控雷达技术, 2017, 46(1): 12-15, 28. DOI:10.19472/j.cnki.1008-8652.2017.01.004 [3] 尹明, 叶晓慧, 李桥敏, 等. 基于证据融合的雷达发射机健康评估. 海军工程大学学报, 2015, 27(5): 48-51. DOI:10.7495/j.issn.1009-3486.2015.05.011 [4] 曹正洪, 沈继红. 基于模糊集理论的传感器健康度评价方法. 电机与控制学报, 2010, 14(5): 79-83, 90. DOI:10.15938/j.emc.2010.05.017 [5] 刘志文, 董旭柱, 吴争荣, 等. 基于多种测度的配电网关键设备在线状态评估. 电力系统及其自动化学报, 2018, 30(11): 52-57. DOI:10.3969/j.issn.1003-8930.2018.11.009 [6] 吕建伟, 余鹏, 魏军, 等. 舰船装备健康状态评估方法. 海军工程大学学报, 2011, 23(3): 72-76. DOI:10.3969/j.issn.1009-3486.2011.03.016 [7] 雷亚国, 贾峰, 周昕, 等. 基于深度学习理论的机械装备大数据健康监测方法. 机械工程学报, 2015, 51(21): 49-56. DOI:10.3901/JME.2015.21.049 [8] 张春, 舒敏. 基于支持向量机的健康状态评估方法. 计算机系统应用, 2018, 27(3): 18-26. DOI:10.15888/j.cnki.csa.006285 [9] 颜文涛, 陈朝晖, 何强, 等. 城市污水管道预报健康度评价模型及其应用研究. 中国给水排水, 2009, 25(7): 97-101. DOI:10.3321/j.issn:1000-4602.2009.07.026 [10] 刘博元, 王焕钢, 范文慧, 等. 基于大数据的复杂生产线系统健康度实时评估方法. 清华大学学报(自然科学版), 2014, 54(10): 1377-1383. DOI:10.16511/j.cnki.qhdxxb.2014.10.021 [11] 杨森, 孟晨, 王成. 基于模糊SVDD的电子装备状态评估模型研究. 计算机工程与设计, 2013, 34(2): 676-680. DOI:10.3969/j.issn.1000-7024.2013.02.055 [12] 吴魁, 孙洁, 蒋波, 等. 基于LSTM的风洞设备健康状态评估方法研究. 计算机测量与控制, 2018, 26(3): 288-291. DOI:10.16526/j.cnki.11-4762/tp.2018.03.071 [13] 谷梦瑶, 陈友玲, 王新龙. 多退化变量下基于实时健康度的相似性寿命预测方法. 计算机集成制造系统, 2017, 23(2): 362-372. DOI:10.13196/j.cims.2017.02.015 [14] 宋登巍, 吕琛, 齐乐, 等. 基于健康基线和马氏距离的液压系统变工况健康评估. 系统仿真技术, 2017, 13(3): 201-208. DOI:10.16812/j.cnki.cn31-1945.2017.03.004 [15] 焦嵩鸣. 基于融合相似度的制粉系统健康预警及故障诊断. 系统仿真学报, 2018, 30(2): 595-604. DOI:10.16182/j.issn1004731x.joss.201802028 [16] 许刚, 王珅, 王志红, 等. 基于权重分析的灰色关联度法在供水管网健康度评价中的应用. 给水排水, 2014, 40(7): 164-167. DOI:10.13789/j.cnki.wwe1964.2014.0189 [17] 赵仙保, 宣征南, 韩念琛. 基于相对健康度模型的齿轮箱运行状态综合评价. 机械传动, 2019, 43(2): 26-29, 93. DOI:10.16578/j.issn.1004.2539.2019.02.005 [18] 李鑫, 刘莹莹, 李赣华, 等. 基于模糊变权原理的卫星健康评估方法. 系统工程与电子技术, 2014, 36(3): 476-480. DOI:10.3969/j.issn.1001-506X.2014.03.12 [19] 彭炎亮, 李汪根, 刘娇, 等. 基于动态权重和模糊综合评判法的健康评估模型. 计算机系统应用, 2017, 26(1): 37-43. DOI:10.15888/j.cnki.csa.005503 [20] 王维, 齐玉玲. 基于大数据分析的列车健康度诊断方法. 电力机车与城轨车辆, 2018, 41(6): 82-84. DOI:10.16212/j.cnki.1672-1187.2018.06.023 [21] 邓胡滨, 刘觉夫, 王耀南. 均值方差的递推算法及其应用. 计算机与现代化, 1996(4): 9-11.