[发明专利]采用全观测指标方案的灰色关联分析健康分级评价方法

摘要

本发明提供了一种采用全观测指标方案的灰色关联分析健康分级评价方法，属于故障诊断技术领域。本方法利用非健康状态—测试相关性模型给出基于全测试点的权值改进方法，根据所得到的全部观测指标的百分比权值ω_k以及计算的灰色关联系数求取灰色关联度，将灰色关联度进行排序构成灰色关联序，在灰色关联序中，关联度最大的因素行为序列为最优因素，即为系统当前待考察模式所处的因素，从而可以评判当前系统的健康状态，给出健康分级评价，最后对健康分级评价给出参数度量评价。本发明设置的权值更符合系统特性，灰色关联度的计算更加合理准确，健康分级评价结果更准确，进而能较为准确地预测系统状态以及造成“亚健康”的系统因素。

主权项

一种采用全观测指标方案的灰色关联分析健康分级评价方法，其特征在于，包括步骤：步骤一：建立系统的NH‑T相关性图形模型；设系统因素总数有m个，组成单元个数有m′个，观测指标总数有n个，组成单元集合为{U₁,U₂,…,U_m′}，所有观测指标的集合为测试点集合{T₁,T₂,…,T_n}；步骤二：由系统的NH‑T相关性图形模型推出NH‑T相关性模型的D矩阵；D矩阵中第i行第j列元素d_ij表示测试点T_j与组成单元U_i是否相关，当T_j可测得U_i的非健康信息时表示相关，此时d_ij取值为1，当T_j不能测得U_i的非健康信息时表示不相关，此时d_ij取值为0；i＝1,2,…m′；j＝1,2,…n；步骤三：采用全观测指标方案进行测试；由NH‑T相关性模型的D矩阵，计算得到第k(k＝1,2,…,n)个观测指标对系统健康分级评价影响的百分比权值ω_k；${\mathrm{\ω}}_k=W_k/\underset{k=1}{\overset{n}{\Σ}}{W}_k\×100\%;W_k=\frac{1}{{\mathrm{\α}}_{ck}}\underset{i=1}{\overset{m^{\′}}{\Σ}}{d}_{ik},{\mathrm{\α}}_{ck}=C_k/\underset{k=1}{\overset{n}{\Σ}}{C}_k;$W_k表示第k个观测指标的观测权值；C_k表示第k个观测指标的各项相关费用之和；α_ck表示第k个观测指标的相对费用比；步骤四：获得特征行为序列和系统所有的因素行为序列；设第i个系统因素在第k个观测指标上的观测数据为x_i(k)，则第i个系统状态模式的行为序列表示为X_i＝(x_i(1),x_i(2),…,x_i(n))；获取系统待考察状态在所有观测指标下的观测数据，得到特征行为序列X₀＝(x₀(1),x₀(2),…,x₀(n))；获取所有状态模式下系统在所有观测指标下的观测数据，确定系统所有的因素行为序列X₁,X₂,…X_m；步骤五：获得因素行为序列和特征行为序列的灰色关联度；第i个因素行为序列X_i和系统特征行为序列X₀的灰色关联度γ(X₀,X_i)为：$\mathrm{\γ}(X_0,X_i)=\underset{k=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_k\mathrm{\γ}\left(x_0\right(k),x_i(k\left)\right),i=1,2,...,m;$γ(x₀(k),x_i(k))为第i个因素行为序列和特征行为序列在观测指标k下的灰色关联系数；步骤六：进行健康分级评价；找到与系统特征行为序列X₀的灰色关联度最大的因素行为序列，将该因素行为序列对应的系统健康状态和系统因素作为X₀所对应的系统健康状态和系统因素。