[发明专利]一种基于随机故障注入的诊断算法评估方法及系统有效
申请号: | 201811638187.2 | 申请日: | 2018-12-29 |
公开(公告)号: | CN109799804B | 公开(公告)日: | 2020-01-24 |
发明(设计)人: | 彭涛;方帝凯;杨超;陈志文;阳春华;陶宏伟;桂卫华;提军伟 | 申请(专利权)人: | 中南大学 |
主分类号: | G05B23/02 | 分类号: | G05B23/02 |
代理公司: | 43213 长沙朕扬知识产权代理事务所(普通合伙) | 代理人: | 何湘玲 |
地址: | 410083 *** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 评估诊断 故障信息 算法 算法评估 随机故障 模型库 分层 评估 故障诊断领域 计算评估指标 诊断 故障参数 故障类型 故障位置 评估指标 牵引系统 算法选取 匹配 抽取 测试 | ||
1.一种基于随机故障注入的诊断算法评估方法,其特征在于,包括以下步骤:
S1:建立故障注入模型库,将所述故障注入模型库中的每一个故障注入模型的故障信息进行分层,所述故障信息包括故障位置、故障类型、以及故障参数;
S2:根据设定要求随机对每一个所述故障注入模型的故障信息进行分层抽取,为待评估诊断算法选取相应的故障注入模型,包括:
S21:计算故障位置的累计分布函数计算公式为:
式中,表示故障位置modi被抽取到的概率,
S22:确定抽取的故障位置,计算公式为:
式中,n表示第n次试验,表示第n次试验为了确定故障位置从[0,1]中均匀抽取的随机数,an表示第n次试验抽取的故障位置,an取值范围是{1,2,...,m},其中,
S23:计算故障位置为an时故障类型的累积分布函数计算公式为:
式中,
随机抽取故障位置为an时故障类型为计算公式为:
式中,表示第n次试验为了确定故障类型从[0,1]中均匀抽取的随机数,表示第n次试验抽取的故障位置为an时的故障类型,取值范围是其中,
S24:计算故障位置为an故障类型为的第v个故障参数的累积分布函数计算公式为:
式中,为第v个故障参数的概率密度函数;
将(0,1)分为N等分,第n个区间Dn为:
对于第n次试验,对(0,1)进行次均匀分布抽样得到第v个故障参数在区间Dn中的概率点为:
计算概率点对应的故障参数值公式为:
S25:综合上述随机抽取的故障位置、故障类型以及故障参数,选取第n次抽取得到的故障注入模型fn,计算公式为:
式中,n=1,...,N,N表示选取用于评估诊断算法所需的全部故障注入模型的实验总次数;
S3:采用S2中选取的故障注入模型对待评估诊断算法进行测试,并根据测试结果计算评估指标,并将所述评估指标的计算值与设定的评估等级进行匹配,以得到待评估诊断算法的评估等级。
2.根据权利要求1所述的基于随机故障注入的诊断算法评估方法,其特征在于,所述S3中,所述设定的评估指标包括基本性能指标、关键性能指标、以及综合性能指标;
所述基本性能指标包括:检测延迟率,灵敏度,检测率,误检率,漏检率,故障位置辨识率,故障类型辨识率,故障参数辨识率;
所述关键性能指标包括反应力、有效性、以及辨识力;其中,所述反应力、所述有效性、以及所述辨识力分别由所述所有基本性能指标分组并进行组合加权计算得出;
所述综合性能指标由所述所有关键性能指标加权计算得出。
3.根据权利要求2所述的基于随机故障注入的诊断算法评估方法,其特征在于,还包括步骤:根据所述基本性能指标构建至少三个指标群,分别为:反应力指标群、有效性指标群、以及辨识力指标群;
所述反应力指标群包括:所述检测延迟率和所述灵敏度;
所述有效性指标群包括:所述检测率、所述误检率、以及所述漏检率;
所述辨识力指标群包括:所述故障位置辨识率、所述故障类型辨识率、以及所述故障参数辨识率。
4.根据权利要求1所述的基于随机故障注入的诊断算法评估方法,其特征在于,所述故障注入模型库中的故障注入模型为Q个,计算公式为:
式中,i表示第i个故障位置,i=1,…,m,其中m表示系统中可能发生故障位置的总数,l表示第i个故障位置的故障类型总数。
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中南大学,未经中南大学许可,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/201811638187.2/1.html,转载请声明来源钻瓜专利网。