結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法
【專利摘要】本發(fā)明提供了一種結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法，屬于故障診斷技術(shù)領(lǐng)域。本方法首先確定電路的觀測指標(biāo)和健康分級，建立相關(guān)性圖形模型，獲得相關(guān)性矩陣，再利用相關(guān)性矩陣確定最優(yōu)觀測指標(biāo)及其權(quán)重，并通過仿真建立觀測指標(biāo)的白化權(quán)函數(shù)，最后獲取電路待測對象的觀測值，進(jìn)行聚類系數(shù)計(jì)算，完成健康分級評價(jià)。本發(fā)明利用相關(guān)性矩陣提取優(yōu)選觀測指標(biāo)并確定相應(yīng)指標(biāo)權(quán)重，使權(quán)重能夠反映指標(biāo)對電路狀態(tài)改變的敏感程度；利用仿真獲得白化權(quán)函數(shù)，最后根據(jù)實(shí)測數(shù)據(jù)實(shí)現(xiàn)灰色聚類健康評價(jià)，評價(jià)結(jié)果準(zhǔn)確，符合實(shí)際情況。
【專利說明】
結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法，屬于 故障診斷技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 現(xiàn)有不同領(lǐng)域中各系統(tǒng)或產(chǎn)品日趨高度綜合化、模塊化，功能越來越多，結(jié)構(gòu)和層 次越來越復(fù)雜，其中有很多因素對于系統(tǒng)的正常運(yùn)行來說并不是致命的，一旦運(yùn)些因素發(fā) 生異常或故障，系統(tǒng)會(huì)進(jìn)入"亞健康"狀態(tài)。在運(yùn)種狀態(tài)下如果停止系統(tǒng)運(yùn)行，可能會(huì)帶來經(jīng) 濟(jì)上的巨大損失，并導(dǎo)致任務(wù)失敗;但是如果不采取修正措施而允許系統(tǒng)繼續(xù)運(yùn)行工作，貝U 有可能因?yàn)榇?亞健康"狀態(tài)引起無法預(yù)料的嚴(yán)重?fù)p失和危害。
[0003] 健康分級評估是故障診斷技術(shù)新的發(fā)展方向，通過健康分級評估，能夠?qū)a(chǎn)品狀 態(tài)由正常、故障的二種劃分轉(zhuǎn)化為健康、亞健康、故障的=種劃分，能夠?qū)崿F(xiàn)更準(zhǔn)確的狀態(tài) 評價(jià)，為產(chǎn)品的維修保障提供更準(zhǔn)確的基礎(chǔ)數(shù)據(jù)。
[0004] 相關(guān)性關(guān)系描述了產(chǎn)品內(nèi)單元組成與測試（即觀測指標(biāo))之間的相關(guān)性邏輯，能夠 反映出觀測指標(biāo)對產(chǎn)品狀態(tài)改變的的敏感程度。非健康狀態(tài)一測試相關(guān)性模型是描述=級 健康狀態(tài)系統(tǒng)中組成單元非健康狀態(tài)(亞健康或故障）與測試的相關(guān)性邏輯關(guān)系的模型，若 該組成單元與測試在系統(tǒng)信息流上是可達(dá)的，則它們具有相關(guān)性，反之不具有相關(guān)性。與傳 統(tǒng)相關(guān)性模型類似，非健康狀態(tài)-測試相關(guān)性模型（簡記為NH-T相關(guān)性模型）也可W用相關(guān) 性矩陣(D矩陣)來描述，如下：
[0005]
[0006] 其中：〇/表示檢測單元數(shù)，m表示檢測點(diǎn)數(shù)，化1瓜，…，Un'}為單元集合，{Ti，T2,…， Tm}為測試點(diǎn)集合，矩陣行Ui= [dll di2…din]給出了檢測單元Ui與各個(gè)測試點(diǎn)T^j = I, 2,…，n)之間的相關(guān)性;矩陣列L = Uu cbr-dmjT給出了測試點(diǎn)L與各檢測單元化Q = I， 2,…，m)之間的相關(guān)性;矩陣中交叉項(xiàng)的含義如下：
[0007] I..
[000引灰色系統(tǒng)理論的研究對象為"部分信息已知、部分信息未知"的"小樣本"、"貧信 息"不確定性系統(tǒng)，通過對現(xiàn)有的"部分"已知信息進(jìn)行有效地開發(fā)利用，W此來實(shí)現(xiàn)對系統(tǒng) 的狀態(tài)、本質(zhì)的有效的模擬和控制?；疑垲愒u估分析方法是灰色系統(tǒng)理論方法的主要分 析方法之一。
[0009]灰色聚類方法是W白化權(quán)函數(shù)為依據(jù)，根據(jù)觀測指標(biāo)將觀測對象分為若干類別的 方法。白化權(quán)函數(shù)需要研究者根據(jù)已知信息預(yù)先進(jìn)行確定，合理確定白化權(quán)函數(shù)是分析問 題的關(guān)鍵。常用的確定白化權(quán)函數(shù)的方法有=種：（1)累積百分頻率法，（2) =角白化權(quán)函數(shù) 法，（3)借用已有的"客觀"尺度，由定性分析或參照行業(yè)規(guī)范、國家標(biāo)準(zhǔn)得到?；疑垲惙椒?可W綜合產(chǎn)品的全部觀測指標(biāo)進(jìn)行分類判別，分類結(jié)果更為準(zhǔn)確。目前，灰色聚類方法在環(huán) 境安全分析、交通運(yùn)輸領(lǐng)域等有廣泛的應(yīng)用。本發(fā)明提供了一種可W采用灰色聚類方法實(shí) 現(xiàn)產(chǎn)品的健康分級評價(jià)的方法。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明提出了一種利用電路的相關(guān)性關(guān)系確定指標(biāo)權(quán)重，進(jìn)而利用白化權(quán)函數(shù)灰 色聚類完成電路健康分級評價(jià)的方法。
[0011] 具體地，本發(fā)明提供了一種結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估 方法，實(shí)現(xiàn)步驟如下：
[0012] 步驟一:確定電路的觀測指標(biāo)和健康分級；
[0013] 確定各監(jiān)測單元下的觀測指標(biāo)，確定電路在健康狀態(tài)、亞健康狀態(tài)W及故障狀態(tài) 下所有可能的狀態(tài)模式；
[0014] 步驟二:建立相關(guān)性圖形模型，獲得相關(guān)性矩陣；
[001引設(shè)檢測單元集合為化，化，…，Un'}，現(xiàn)聯(lián)點(diǎn)集合為{Ti，T2,…，Tm}，n/表示檢測單元 數(shù)，m表示觀測指標(biāo)個(gè)數(shù);相關(guān)性矩陣D中第i行第j列元素di徒示測試點(diǎn)L與檢測單元化是 否相關(guān)，當(dāng)L可測得化的非健康信息時(shí)表示相關(guān)，此時(shí)du取值為1，當(dāng)L不能測得化的非健康 信息時(shí)表示不相關(guān)，此時(shí)dij取值為0; i = 1，2，…; j = 1，2，? ? -m。
[0016]步驟=:利用相關(guān)性矩陣確定最優(yōu)觀測指標(biāo)及其權(quán)重；
[0017]設(shè)選出P個(gè)最優(yōu)巧聯(lián)點(diǎn)，，其中第j個(gè)巧聯(lián)對系統(tǒng)影響的百分比權(quán)值W康 示為：
[001 引
[0019] 其中，W；表示由相關(guān)性矩陣D獲得的測試點(diǎn)T撕聚類權(quán)值，通過對矩陣D中第巧U元 素求和得到。
[0020] 步驟四：通過仿真建立觀測指標(biāo)的白化權(quán)函數(shù)；
[0021] 采用PSpice軟件建立電路仿真模型，分別對電路的健康狀態(tài)、各亞健康狀態(tài)W及 各故障狀態(tài)進(jìn)行仿真，并采集各狀態(tài)模式下的觀測指標(biāo)數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行分析，總結(jié)健康 狀態(tài)、亞健康狀態(tài)和故障狀態(tài)在不同觀測指標(biāo)下的分布范圍，通過區(qū)間的劃分來建立白化 權(quán)函數(shù)。
[0022] 步驟五:獲取電路待測對象的觀測值，進(jìn)行聚類系數(shù)計(jì)算，完成健康分級評價(jià)。
[0023] 獲取待測對象h在第j個(gè)觀測指標(biāo)的觀測值XW，計(jì)算待測對象h關(guān)于第k個(gè)系統(tǒng)狀態(tài) 的灰色白化權(quán)函數(shù)聚類系！
；其中，k=l，2,3,分別代表健康狀態(tài)、亞健康 狀態(tài)和故障狀態(tài)；?)表示第k個(gè)系統(tǒng)狀態(tài)在第j個(gè)觀測指標(biāo)下的白化權(quán)函數(shù)；
[0024] 設(shè)
，則待測對象h屬于第系統(tǒng)狀態(tài)。
[0025] 所述的步驟=中，選取最優(yōu)測試點(diǎn)的方法如下：
[0026] (1)計(jì)算待分割矩陣中各測試點(diǎn)的聚類權(quán)值，從中選擇聚類權(quán)值最大的測試點(diǎn)作 為第P個(gè)最優(yōu)測試點(diǎn);初始的待分割矩陣為相關(guān)性矩陣D，初始P = 1;
[0027] (2)設(shè)第P個(gè)最優(yōu)測試點(diǎn)在待分割矩陣中對應(yīng)的列矩陣為Tj,將待分割矩陣中Tj中 元素為0對應(yīng)的行構(gòu)成子矩陣心；!，將待分割矩陣中Tj中元素為1對應(yīng)的行構(gòu)成子矩陣
[002引（3)若1>；!的行數(shù)不為0，將與!作為新的待分割矩陣，進(jìn)入(1)執(zhí)行;否則終止迭代。
[0029] 本發(fā)明的優(yōu)點(diǎn)與積極效果在于：
[0030] (1)利用相關(guān)性矩陣提取優(yōu)選觀測指標(biāo)并確定相應(yīng)指標(biāo)權(quán)重，使權(quán)重能夠反映指 標(biāo)對電路狀態(tài)改變的敏感程度；
[0031] (2)利用仿真獲得白化權(quán)函數(shù)，根據(jù)實(shí)測數(shù)據(jù)實(shí)現(xiàn)灰色聚類健康評價(jià)，評價(jià)結(jié)果準(zhǔn) 確，符合實(shí)際情況。
【附圖說明】
[0032] 圖1為本發(fā)明結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法的流程 圖；
[0033] 圖2為一個(gè)NH-T相關(guān)性圖形模型示意圖；
[0034] 圖3為案例信號(hào)調(diào)理電路的仿真模型圖；
[0035] 圖4為案例信號(hào)調(diào)理電路的NH-T相關(guān)性圖形模型圖。
【具體實(shí)施方式】
[0036] 下面將結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0037] 結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法的流程圖如圖1所示， 步驟具體如下：
[0038] 步驟一:確定電路的觀測指標(biāo)和健康分級。
[0039] 首先，確定電路觀測指標(biāo)，如標(biāo)1所示。
[0040] 表1檢測單元及觀測指標(biāo) 「n<vii 1
[0042] 在上述表格里，檢測單元一欄填入被監(jiān)測電路單元的名稱，在觀測指標(biāo)一欄填入 對應(yīng)檢測單元的相應(yīng)電路觀測指標(biāo)。
[0043] 其次，確定電路全部狀態(tài)模式，包括健康狀態(tài)、亞健康狀態(tài)W及故障狀態(tài)下所有可 能的狀態(tài)模式。
[0044] 表2統(tǒng)計(jì)的狀態(tài)模式 「00451
[0046] 在上述表格里分別填入電路在=種健康狀態(tài)下的所有狀態(tài)模式。
[0047] 步驟二:建立相關(guān)性圖形模型，獲得相關(guān)性矩陣。
[0048] 將觀測指標(biāo)作為測試處理，對電路進(jìn)行單元?jiǎng)澐?，利用現(xiàn)有的標(biāo)準(zhǔn)方法建立相關(guān) 性圖形模型，如圖2所示，并得到相關(guān)性矩陣。
[0049] 圖2中，方框表示單元，圓圈表示測試點(diǎn)，有向箭頭表示連接關(guān)系。
[0050] 設(shè)檢測單元集合為化1，化，…，Un'}，測試點(diǎn)集合為{Tl，T2，…，Tm}，n/表示檢測單元 數(shù)，m表示測試點(diǎn)數(shù)，則相關(guān)性矩陣D為：
[0化1 ]
[0化 2]
。
[0053]步驟利用相關(guān)性矩陣確定最優(yōu)觀測指標(biāo)及其權(quán)重。
[0化4] 基于相關(guān)性矩陣D，每個(gè)觀測指標(biāo)町的聚類權(quán)值為；
Wj表示第j個(gè)觀測指 標(biāo)的聚類權(quán)值。
[0055]根據(jù)已獲得相關(guān)性矩陣D，求出所有測試點(diǎn)的聚類權(quán)值后，選用聚類權(quán)值最大的測 試作為第一個(gè)最優(yōu)測試點(diǎn)。設(shè)第一個(gè)最優(yōu)測試點(diǎn)為L，其對應(yīng)在矩陣D中的列矩陣為Tj,根 據(jù)列矩陣Tj將原始相關(guān)性矩陣D進(jìn)行分割，可W得到兩個(gè)相關(guān)性子矩陣：
[0化6]
[0化7]
[005引其中：/?一一Tj中等于"0"的元素在待分割矩陣中所對應(yīng)的行構(gòu)成的子矩陣；
[0059] 4一一Tj中等于"r的元素在待分割矩陣中所對應(yīng)的行構(gòu)成的子矩陣；
[0060] a--Tj中等于"0"的元素的個(gè)數(shù)；
[0061] P一一下標(biāo)，代表選用的測試點(diǎn)的序號(hào)。
[0062] 根據(jù)矩陣D在選出第一個(gè)檢測用測試點(diǎn)后，p = l。
[0063] 如果還有未能檢測到的模塊，即!的行數(shù)不為0,將!>：：作為新的待分割矩陣，對 1?重復(fù)進(jìn)行上述過程，即計(jì)算待分割矩陣!>；；中各測試點(diǎn)的聚類權(quán)值，從中選用聚類權(quán)值最 大者為第二個(gè)最優(yōu)測試點(diǎn)，根據(jù)第二個(gè)最優(yōu)測試點(diǎn)在當(dāng)前待分割矩陣中的元素值繼續(xù)分割 矩陣。W此類推，直到得到的最后最優(yōu)測試點(diǎn)對應(yīng)的列矩陣中不再含有"0"為止。
[0064] 設(shè)優(yōu)選過程共進(jìn)行了P個(gè)步驟，即選出了P個(gè)最優(yōu)測試點(diǎn)，易知對于運(yùn)P 個(gè)測試點(diǎn)權(quán)估的標(biāo)準(zhǔn)化，采用化下方法：
[00 化]
[0066] 其中：表示第1次優(yōu)選時(shí)第j個(gè)測試點(diǎn)的聚類權(quán)值，也就是根據(jù)矩陣D直接求得的 聚類權(quán)值;所得到的《 J表示第j個(gè)測試對系統(tǒng)影響的百分比權(quán)值。
[0067] 計(jì)算結(jié)果記錄在下表。
[006引表3測試對系統(tǒng)影響的百分比權(quán)值
[0069]
[0070] 步驟四：通過仿真建立觀測指標(biāo)的白化權(quán)函數(shù)。
[0071] 采用PSpice軟件建立電路仿真模型，分別對電路的健康狀態(tài)、各亞健康狀態(tài)W及 各故障狀態(tài)進(jìn)行仿真，對每種亞健康和故障狀態(tài)的仿真進(jìn)行多次取平均值，并采用如下表 格進(jìn)行記錄。通過變動(dòng)范圍合并，分別得到觀測指標(biāo)在健康狀態(tài)、亞健康狀態(tài)W及故障狀態(tài) 下的綜合變動(dòng)范圍。各狀態(tài)模式對應(yīng)的觀測指標(biāo)數(shù)據(jù)記錄在下表。
[0072] 表4仿真得到的各狀態(tài)模式的觀測指標(biāo)數(shù)據(jù)
[0073]
[0074]
[0075] 表4中有S個(gè)觀測指標(biāo)Ti、T2和T3。
[0076] 對表4數(shù)據(jù)進(jìn)行分析，獲得觀測指標(biāo)在健康狀態(tài)、亞健康狀態(tài)W及故障狀態(tài)下的綜 合變動(dòng)范圍，記錄在下表中。
[0077] 表5系統(tǒng)=種狀態(tài)下的觀測指標(biāo)的分布范圍

[0079] 構(gòu)造白化權(quán)函數(shù)過程具有一定主觀性，針對不同系統(tǒng)、不同對象可能實(shí)施的方法 也不盡相同。通過仿真得到的觀測指標(biāo)變動(dòng)范圍，總結(jié)出每種狀態(tài)在不同指標(biāo)下的分布范 圍，進(jìn)而通過區(qū)間的劃分來確定白化權(quán)函數(shù)。
[0080] 步驟五:獲取電路的觀測值集合IxwK進(jìn)行聚類系數(shù)計(jì)算，完成健康分級評價(jià)。
[0081] 設(shè)獲取的電路待測對象h在第j個(gè)觀測指標(biāo)的觀測值為XW，根據(jù)下式計(jì)算待測對象 h關(guān)于第k個(gè)系統(tǒng)狀態(tài)的灰色白化權(quán)函數(shù)聚類系數(shù)種。h為正整數(shù)，表示待測對象的標(biāo)號(hào)。
[0082]
[0083] 得到全部m個(gè)觀測指標(biāo)的百分比權(quán)值為CO ^ j = 1，2，…，m)，《"(而；)表示觀測值XhJ 對應(yīng)的白化權(quán)函數(shù)值。
[0084] 若
4=1，2^-3，本發(fā)明方法中3為3，則4巧日為聚類對象11所屬健康 分級灰類的編號(hào)，該灰類對應(yīng)健康狀態(tài)模式即為對象h所處的健康狀態(tài)模式，進(jìn)而可W給出 健康分級評價(jià)結(jié)論。
[0085] 如圖1所示，設(shè)共有H個(gè)待測對象，對每個(gè)待測對象都進(jìn)行灰色白化權(quán)函數(shù)聚類系 數(shù)計(jì)算，然后在進(jìn)行健康分級。
[0086] 實(shí)施例
[0087] 下面W某一=級濾波電路為例，對本發(fā)明方法進(jìn)行說明，該電路原理圖如圖3所 /J、- O
[0088] 電路由S個(gè)主要功能模塊組成：
[0089] (I)Ui:-級電路；
[0090] (2)化:二級放大電路；
[0091] (3)U3:S級放大電路；
[0092] 仿真模型電路中，信號(hào)源為電壓為3mV直流信號(hào)。
[0093] 步驟一:確定電路的觀測指標(biāo)和健康分級
[0094] (1.1)電路中設(shè)有3個(gè)電壓監(jiān)測點(diǎn)，分別位于每級放大電路輸出，如下：
[00M]表6系統(tǒng)S種狀態(tài)下的觀測指標(biāo)變動(dòng)范圍
[0097] (1.2)健康分級為健康、亞健康和故障S個(gè)等級。電路中有9個(gè)電阻，7個(gè)電容。每個(gè) 電阻或電容開路和短路為故障模式;每個(gè)電阻或電容參數(shù)漂移30% (升高)為亞健康模式。
[0098] 表7系統(tǒng)的狀態(tài)模式
[0099]
[0100] 步驟二:建立相關(guān)性圖形模型，獲得相關(guān)性矩陣。
[0101] 建立該電路的相關(guān)性圖形模型如圖4所示。
[0102] 相關(guān)性模型中，化、化和化對應(yīng)濾波電路中的Ul，U2，U3S級放大電路。Tl、T2和T3對 應(yīng)電路中的S個(gè)電壓監(jiān)測點(diǎn)1'1^2^3，分別位于每級放大電路的輸出。
[0103] 對應(yīng)于相關(guān)性圖形模型，建立相應(yīng)的相關(guān)性矩陣。
[0104] 表8本發(fā)明實(shí)施例的相關(guān)性矩陣
[0105]
[0106] 步驟利用相關(guān)性矩陣確定最優(yōu)觀測指標(biāo)及其權(quán)重。
[0107] 由相關(guān)性矩陣可W求得=個(gè)觀測指標(biāo)的聚類權(quán)值如下：
[010 引 [0109]
[0110]
[0111] 因此選取測試點(diǎn)T3為第一個(gè)最優(yōu)觀測指標(biāo)。由于T3點(diǎn)作為觀測指標(biāo)后，已經(jīng)能覆蓋 到系統(tǒng)的全部組成單元，因此優(yōu)選過程結(jié)束，本次方案只選用T3-個(gè)觀測指標(biāo)，其對應(yīng)的百 分比權(quán)值即為100%。百分比權(quán)值的計(jì)算結(jié)果如表9所示。
[0112] 表9本發(fā)明實(shí)施例的最優(yōu)觀測指標(biāo)的百分比權(quán)值計(jì)算
[0113]
[0114] 步驟四：通過仿真建立觀測指標(biāo)的白化權(quán)函數(shù)。
[0115] 采用PSpice軟件建立電路仿真模型，分別對電路的健康狀態(tài)、各亞健康狀態(tài)W及 各故障狀態(tài)進(jìn)行仿真，對每種亞健康和故障狀態(tài)的仿真進(jìn)行多次取平均值，并采用表5進(jìn)行 記錄。通過變動(dòng)范圍合并，分別得到觀測指標(biāo)在健康狀態(tài)、亞健康狀態(tài)W及故障狀態(tài)下的綜 合變動(dòng)范圍，如表10所示。
[0116] 表10信號(hào)調(diào)理電路仿真數(shù)據(jù)
[0117]
[0118] 分析表10中仿真結(jié)果，得到每個(gè)系統(tǒng)狀態(tài)在各個(gè)觀測指標(biāo)下的分布范圍，如表11 所示。
[0119] 表11系統(tǒng)狀態(tài)在各觀測指標(biāo)下的分布范圍
[0120]
[0121] 本發(fā)明實(shí)施例根據(jù)仿真得到的觀測指標(biāo)變動(dòng)范圍，總結(jié)出每種狀態(tài)在不同觀測指 標(biāo)下的分布范圍，進(jìn)而通過區(qū)間的劃分來確定白化權(quán)函數(shù)。設(shè)健康狀態(tài)的編號(hào)k=l，亞健康 狀態(tài)的編號(hào)k = 2,故障狀態(tài)的編號(hào)k = 3。
[0122] (1)健康狀態(tài)對應(yīng)的白化權(quán)函數(shù)。
[0123] 如表11所示，WTi為例進(jìn)行說明。健康狀態(tài)下Tl的觀測值范圍為(0.0319,0.0339)， 因此其白化權(quán)函數(shù)的特點(diǎn)是:在0.0329V時(shí)白化值為1，在小于0.0319V和大于0.0339V時(shí)白
[0124] 化值為O，在兩者中間的白化值落在連接轉(zhuǎn)折點(diǎn)的線段上。用分段函數(shù)表達(dá)，健康狀態(tài)在聚 類指標(biāo)Tl (j = 1)下的白化權(quán)函數(shù)f / (X)為：
[0125] I 數(shù) f2i(x)、f3i(x)，如下：
[0126]
[0127]
[012引（2)亞健康狀態(tài)對應(yīng)的白化權(quán)函數(shù)。
[0129] 亞健康狀態(tài)在=個(gè)聚類指標(biāo)下的分布范圍的規(guī)律與健康狀態(tài)的類似，白化權(quán)函數(shù) 的確定方法也相類似。WTi為例進(jìn)行說明。亞健康狀態(tài)下Tl的觀測值范圍為（0.0254， 0.0319)與（0.0339,0.0432)的并集。故障狀態(tài)下Tl的觀測值范圍為（-11.62,0.0040)與 (0.0330,11.62)的并集。對于左側(cè)臨界位置，亞健康與故障無交集，直接連接即可;對于右 側(cè)臨界位置，按亞健康范圍內(nèi)的白化值均為1處理。用分段函數(shù)表達(dá)，亞健康狀態(tài)在觀測指 標(biāo)Ti( j = 1)下的白化權(quán)函數(shù)fi2(x)為：
[0130]
[0131] :;
[0132]
[0133]
[0134] (3)故障狀態(tài)對應(yīng)的白化權(quán)函數(shù)。
[0135] 故障狀態(tài)在=個(gè)聚類指標(biāo)下的分布范圍的規(guī)律與上面類似，白化權(quán)函數(shù)的確定方 法也相類似。WTi為例進(jìn)行說明。故障狀態(tài)下Tl的觀測值范圍為（-11.62,0.0040)與 (0.0330,11.62)的并集，健康與亞健康狀態(tài)下Tl的觀測值范圍為(0.0270,0.0330)。對于 左側(cè)臨界位置，亞健康與故障無交集，直接連接即可;對于右側(cè)臨界位置，按故障范圍內(nèi)的 白化值均為1處理。用分段函數(shù)表達(dá)，故障狀態(tài)在觀測指標(biāo)Ti(j = l)下的白化權(quán)函數(shù)fi3(x) 為：
[0136]
[0137] 23(X)、f33(X)，如下： [013 引
[0139]
[0140] 步驟五:獲取電路觀測指標(biāo)，進(jìn)行聚類系數(shù)計(jì)算，完成健康分級評價(jià)。
[0141] 運(yùn)里為了簡化，采用仿真中的幾組數(shù)據(jù)進(jìn)行分級評價(jià)。選取健康、亞健康和故障= 種狀態(tài)各進(jìn)行一次仿真。其中，電路的健康狀態(tài)是唯一的；亞健康狀態(tài)選擇R7參數(shù)漂移;故 障狀態(tài)選擇R5開路。
[0142] (5.1)觀測指標(biāo)為=個(gè)測試點(diǎn)的電壓，全部電路及觀測值狀態(tài)為如表10所示的所 有行，取灰類為3，即電路健康狀態(tài)，電路亞健康狀態(tài)及電路故障狀態(tài)。待測對象選擇與上述 相同的=條狀態(tài)，其觀測值如表12所示。
[0143] 表12待測對象的觀測值 「01441
[0145] 計(jì)算第i個(gè)待測對象屬于k灰類的灰色白化權(quán)函數(shù)聚類系數(shù)Cf，如表13所示。
[0146] 表13白化權(quán)函數(shù)聚類系數(shù)
[0147]
[014 引
[0149] 定，對象
1(健康)屬于第1類(健康狀態(tài)），對象2(R7參數(shù)漂移）屬于第2類(亞健康），對象3(R5開路)屬 于第3類(故障）?？梢娊】捣旨壗Y(jié)果與實(shí)際情況相符合，結(jié)論正確。
【主權(quán)項(xiàng)】
1. 一種結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方法，其特征在于，包括 如下步驟： 步驟一:確定各檢測單元下的觀測指標(biāo)，確定電路在健康狀態(tài)、亞健康狀態(tài)以及故障狀 態(tài)下所有可能的狀態(tài)模式； 步驟二:建立相關(guān)性圖形模型，獲得相關(guān)性矩陣D; 設(shè)檢測單元集合為IUllU2,…，以}，測試點(diǎn)集合為(T1J 2, ···，!"} W表示檢測單元數(shù)，m 表示觀測指標(biāo)個(gè)數(shù)； 相關(guān)性矩陣D中第i行第j列元素表示測試點(diǎn)L與檢測單元仏是否相關(guān)，當(dāng)T河測得U1 的非健康信息時(shí)表示相關(guān)，此時(shí)du取值為1，當(dāng)乃不能測得仏的非健康信息時(shí)表示不相關(guān)， 此時(shí)dij取值為O; i = 1，2，; j = 1，2，"-m; 步驟三:利用相關(guān)性矩陣確定最優(yōu)觀測指標(biāo)及其權(quán)重； 設(shè)選出P個(gè)最優(yōu)測試點(diǎn)，KpSY，其中第j個(gè)測試對系統(tǒng)影響的百分比權(quán)值ω謙示為：其中，^表示由相關(guān)性矩陣D獲得的測試點(diǎn)Tj的聚類權(quán)值，通過對矩陣D中第j列元素求 和得到； 步驟四：通過仿真建立觀測指標(biāo)的白化權(quán)函數(shù)； 采用PSpice軟件建立電路仿真模型，分別對電路的健康狀態(tài)、各亞健康狀態(tài)以及各故 障狀態(tài)進(jìn)行仿真，采集各狀態(tài)下的觀測指標(biāo)數(shù)據(jù)，總結(jié)健康狀態(tài)、亞健康狀態(tài)和故障狀態(tài)在 不同觀測指標(biāo)下的分布范圍，通過區(qū)間的劃分來確定白化權(quán)函數(shù)； 步驟五:獲取待測對象的觀測值，進(jìn)行聚類系數(shù)計(jì)算，進(jìn)行健康分級； 獲取待測對象h在第j個(gè)觀測指標(biāo)的觀測值Xhp計(jì)算待測對象h關(guān)于第k個(gè)系統(tǒng)狀態(tài)的灰 色白化權(quán)函數(shù)聚類系f;其中，k=l，2,3,分別代表健康狀態(tài)、亞健康狀態(tài) 和故障狀態(tài)；/?(_)表示第k個(gè)系統(tǒng)狀態(tài)在第j個(gè)觀測指標(biāo)下的白化權(quán)函數(shù)；，則待測對象h屬于第k*個(gè)系統(tǒng)狀態(tài)。2. 根據(jù)權(quán)利要求1所述的一種結(jié)合相關(guān)性關(guān)系和灰色聚類技術(shù)的電路健康分級評估方 法，其特征在于，所述的步驟三中，選取最優(yōu)測試點(diǎn)的方法如下： (1) 計(jì)算待分割矩陣中各測試點(diǎn)的聚類權(quán)值，從中選擇聚類權(quán)值最大的測試點(diǎn)作為第P 個(gè)最優(yōu)測試點(diǎn);初始的待分割矩陣為相關(guān)性矩陣D，初始p = l; (2) 設(shè)第p個(gè)最優(yōu)測試點(diǎn)在待分割矩陣中對應(yīng)的列矩陣為Tj，將待分割矩陣中Tj中元素 為O對應(yīng)的行構(gòu)成子矩陣/)；：，將待分割矩陣中Tj中元素為1對應(yīng)的行構(gòu)成子矩陣 (3) 若的行數(shù)不為0,將!>；：作為新的待分割矩陣，進(jìn)入(1)執(zhí)行;否則終止迭代。
【文檔編號(hào)】G06F17/50GK106021671SQ201610312715
【公開日】2016年10月12日
【申請日】2016年5月12日
【發(fā)明人】石君友, 王佳婧, 鄧怡
【申請人】北京航空航天大學(xué)