[发明专利]一种适用于复杂工艺系统的健康管理决策方法

权利要求书

1.一种适用于复杂工艺系统的健康管理决策方法，其特征在于，具体步骤如下：

步骤一：通过传感器或网络接口获取系统测点参数；

步骤二：对获取的系统测点参数进行预处理；

步骤三：通过自适应阈值分析方法对预处理后的系统测点参数进行实时故障检测，然后，结合历史数据和故障模式与影响分析表，利用知识推理方法对故障检测结果进行故障诊断；

步骤四：结合故障诊断结果利用灰色理论方法评估单参数传感器健康度，利用模糊集融合理论对单参数传感器健康度进行融合，得到故障模式健康参数；

所述单参数传感器健康度评估具体步骤：首先，建立灰色评价指标集：将传感器的输出值作为事件集，将表述传感器性能退化程度的健康、亚健康、故障边缘及故障状态作为目标对策集；其次，确定灰色评价指标集的白化函数，基于所述白化函数，计算灰色综合评价矩阵；然后，基于不同时刻点的系统测点参数对该测点传感器健康水平的差异性影响建立权值分配模型，确保及时响应异常情况；最后，综合权值分配结果和灰色综合评价矩阵进行多时刻点的多源信息融合，计算得到单参数传感器的健康度；

所述故障模式健康参数评估具体步骤：首先结合系统的故障诊断结果，为每种故障模式定义健康参数hp，取值为0￣1，然后利用模糊集融合理论对单参数传感器健康度的数据进行融合，得到其系统的健康度hd，则hp＝1－hd；

步骤五：利用步骤四中所得的故障模式健康参数以及该工艺系统历史计算的故障模式健康参数通过相关向量机方法预测故障模式健康参数；

首先，利用历史的故障模式健康参数数据序列hp_i(1),hp_i(2),…,hp_i(n)建立表1所示的训练样本集；

表1 相关向量机预测器模型学习样本

然后，利用训练样本集建立相关向量机预测器模型，利用训练样本集训练相关向量机预测器，并进行在线学习；

最后，利用训练好的模型预测hp_i(n+1)值，依次类推，将hp_i(n-m+2),hp_i(n-m+3),…,hp_i(n),hp_i(n+1)作为输入，利用训练好的模型预测hp_i(n+2)值，实现系统故障模式健康参数的预测；

步骤六：通过多种决策理论分别对预测的故障模式健康参数进行系统的维修决策；利用灰色群决策理论将多种决策理论的维修决策结果进行融合，得到最终维修决策结果，给出维修建议，完成复杂工艺系统的健康管理决策。

2.如权利要求1所述的一种适用于复杂工艺系统的健康管理决策方法，其特征在于，步骤二中所述的预处理包括：剔除奇异值、滤波降噪、计算均值和3σ标准偏差。

3.如权利要求1所述的一种适用于复杂工艺系统的健康管理决策方法，其特征在于，步骤六中所述的多种决策理论包括D－S证据理论、Bayes理论和模糊集理论。