[发明专利]一种磁浮列车控制器板卡故障检测数据权重设置方法有效

专利信息
申请号: 201610108799.5 申请日: 2016-02-26
公开(公告)号: CN107132831B 公开(公告)日: 2019-09-27
发明(设计)人: 潘洪亮;廖志明;林国斌;韩鹏;张兴媛;王旋 申请(专利权)人: 同济大学
主分类号: G05B23/02 分类号: G05B23/02
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 叶敏华
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 列车 控制器 板卡 故障 检测 数据 权重 设置 方法
【说明书】:

发明涉及一种磁浮列车控制器板卡故障检测数据权重设置方法,用于磁浮列车控制器板卡的故障检测中,包括以下步骤:(1)检测前,根据先验信息获取控制器板卡的m组验前数据πi,i=1,2,3…m;(2)对控制器板卡施加故障信号,并获取一组现场数据x1,x2,…xn;(3)从每组验前数据πi中抽取p个抽样值πi1i2,…πip,并结合现场数据形成样本矩阵,并求样本矩阵的特征根;(4)根据样本矩阵的特征根,计算验前数据的权重系数。与现有技术相比,本发明能结合现场数据对先验信息进行定量修正,体现出先验信息与现场数据的有效融合。

技术领域

本发明涉及一种数据权重设置方法,尤其是涉及一种磁浮列车控制器板卡故障检测数据权重设置方法。

背景技术

在利用Bayes方法进行小子样复杂系统可靠性评定时,验前信息的获取和表示是一个关键问题。由于实验方式和手段的多样化,对于在研的同一状态产品,往往可以从多种来源获得可靠性信息,目前最常采用的是利用加权融合技术融合多源验前信息。

加权融合法是一种最常用的多源先验信息融合方法。加权融合法的关键在于确定不同先验分布在综合先验分布中的合理权重。

在统计理论和实践中,权重是表明各个评价指标(或者评价项目)重要性的权数,表示各个评价指标在总体中所起的不同作用。权重有不同的种类,各种类别的权重有着不同的数学特点和经济含义,一般有以下几种权重。

按照权重的表现形式的不同,可分为绝对数权重和相对数权重。相对数权重也称比重权数,能更加直观地反映权重在评价中的作用。按照权重与待评价的各个指标之间相关程度划分,可分为独立权重和相关权重。独立权重是指评价指标的权重与该指标数值的大小无关,在综合评价中较多地使用独立权重,以此权重建立的综合评价模型称为“定权综合”模型。相关权重是指评价指标的权重与该指标的数值具有函数关系,相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下,基于相关权重建立的综合评价模型被称为“变权模型”。

但在融合权值的确定过程中,“定权模型”没有从可靠性信息的本质特征和实验数据的特点出发,往往不可避免的会存在一定的主观性。而“变权模型”中权重如何变化是一个值得探讨的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种精度高的磁浮列车控制器板卡故障检测数据权重设置方法,该方法在权值的确定过程中,根据可靠性信息的本质特征和实验数据的特点,客观地赋予每种源信息相应的权重。

本发明的目的可以通过以下技术方案来实现:一种磁浮列车控制器板卡故障检测数据权重设置方法,用于磁浮列车控制器板卡的故障检测中,包括以下步骤:

(1)检测前,根据先验信息获取控制器板卡的m组验前数据πi,i=1,2,3…m,先验信息包括手册、专家信息或类似产品的实验数据等;

(2)对控制器板卡施加故障信号,并获取一组现场数据x1,x2,…xn

(3)从每组验前数据πi中抽取p个抽样值πi1i2,…πip,并结合现场数据形成样本矩阵,并求样本矩阵的特征根;

(4)根据样本矩阵的特征根,计算验前数据的权重系数。

所述的样本矩阵为:

所述的现场数据x1,x2,…xn为独立同分布样本。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610108799.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top