[發明專利]基于數據變化特征模糊度量的熱量表性能退化評估方法

有效

• 申請號: 201911378214.1
• 申請日: 2019-12-27
• 公開（公告）號: CN111339633B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 姜洪權;劉東程;高建民;胡啟航
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發明公開了一種基于數據變化特征模糊度量的熱量表性能退化評估方法，構建熱量表性能退化特征集，得到表征熱量表狀態的最優特征集；采用密度RPCL獲取兩種狀態的聚類個數與初始聚類中心，實現正常狀態與失效狀態數據分布的初始分析；分別得到熱量表正常狀態和失效狀態的聚類中心作為退化評價基準；再分別求取當前狀態到正常狀態聚類中心的最小偏離系數和到失效狀態聚類中心的最小偏離系數，實現當前狀態分別于正常狀態、失效狀態的偏離程度表征；利用模糊隸屬度模型求取當前狀態屬于正常狀態的隸屬度作為退化指標，實現對熱量表性能退化的有效分析。以熱量表試驗數據為基礎，本發明方法能實現更準確地熱量表性能退化狀態評估。

技術領域

本發明屬于熱量表安全技術領域，具體涉及一種基于數據變化特征模糊度量的熱量表性能退化評估方法。

背景技術

目前針對熱量表的研究，主要集中在推廣應用、型式檢定方式和耐久性試驗等方面，關于熱量表的性能退化狀態評估方面的研究幾乎為零。熱量表從正常狀態到失效狀態，會經歷不同的性能狀態，通過熱量表的監測數據，對其運行狀態進行分析評估，對于保證熱量表的長期安全可靠運行具有重要的意義。與其他設備類似，熱量表性能退化狀態評估的關鍵之一是準確建立性能退化指標，基于退化指標反映其運行狀態。目前有關設備性能退化指標構建的研究方法主要包括基于單特征變量的方法，基于線性回歸的方法以及基于狀態偏移程度的方法。

針對熱量表這類復雜的黑箱系統，用單一的評價指標去評價其退化狀態并不準確，而且難以找到合適的線性回歸模型去表征其退化狀態，因此依靠單一的退化特征或者采用多參數的線性回歸所構建的退化指標難以準確的描述熱量表的退化程度。并且耐久性試驗中熱量表退化模式多樣，個性化明顯，失效時間存在很大的差異性，正常狀態與失效狀態有各自的數據特征，可能存在各自局部數據中心，現有的基于狀態偏移的方法通常將正常與失效狀態的數據聚類或者分類，缺乏對設備正常狀態與失效狀態的數據的充分分析，特征基準的構建不準確，也很難有效地反應其退化程度，嚴重影響熱量表的性能退化評估有效性。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于數據變化特征模糊度量的熱量表性能退化評估方法，分析結果更準確，能夠更早的發現熱量表的早期故障，實現了熱量表性能退化評估可靠性的提升。

本發明采用以下技術方案：

基于數據變化特征模糊度量的熱量表性能退化評估方法，包括以下步驟：

Q1、基于熱量表性能退化數據X＝(X1，X2)，包括正常狀態X1和失效狀態X2兩部分數據，構建熱量表性能退化特征集Ts，使用多指標篩選的方法得到表征熱量表狀態的最優特征集Tb；

Q2、基于最優特征集Tb構建樣本，利用密度次勝者受罰的競爭學習理論，輸入熱量表性能退化樣本X，包含正常狀態X1和失效狀態X2兩種狀態樣本，分別獲取X1、X2兩種狀態的聚類個數集S1＝{S11，S12}與初始聚類中心集S2＝{S21，S22}，實現正常狀態與失效狀態數據變化特征的初始分析；

Q3、基于熱量表正常狀態和失效狀態的聚類個數集S1與初始聚類中心集S2，利用模糊C 均值聚類算法，分別得到熱量表正常狀態X1和失效狀態X2的聚類中心集S3和S4，作為熱量表性能退化評價基準；

Q4、基于待測熱量表當前狀態樣本Xt，構建當前狀態到正常狀態X1聚類中心集的最小偏離系數D_normal和到失效狀態X2聚類中心集的最小偏離系數D_Invalid，實現當前狀態分別于正常狀態、失效狀態的偏離程度表征；

Q5、基于偏離系數D_normal和D_Invalid，構建模糊隸屬度模型，即求取當前狀態Xt屬于正常狀態X1的隸屬度作為退化指標，實現對熱量表性能退化的有效分析。

具體的，步驟Q1具體為：