[发明专利]一种油液不确定状态的信度表征与状态识别的方法

权利要求书

1.一种油液不确定状态的信度表征与状态识别的方法，其特征在于，包括以下步骤：

(1)归一化处理，应用线性插值的方法对油液监测数据进行归一化处理，获得油液指标监测数据；

(2)状态等级的设定，根据油液的属性状态，从好到坏划分为{H₁，H₂，…，H_c…，H_N}N个状态等级；

(3)模糊状态评估，对油液指标监测数据进行模糊评估，应用模糊状态评估方法对油液指标监测数据{x₁₁，x₁₂，…x_ij，…}分别进行评估；

(4)属性状态的形成，对步骤(3)获得的评估结果进行概率赋值，得到某个属性隶属于每一个状态等级的联合概率，最终形成一个综合的属性状态，即模糊隶属度；

(5)将步骤(4)中计算得到的模糊隶属度作为证据推理ER的证据，根据不同属性状态的权重计算每条证据的不确定度，应用证据推理ER算法实现油液不确定状态的信度表征；

(6)制定油液状态证据推理结果判定标准，实现油液状态的识别；

所述步骤(1)具体包括以下步骤：

将油液监测数据分为效益型数据和损耗型数据，对指标值越大越好的数据，定义为效益型数据，应用式(1)进行数据归一化处理；对指标值越小越好的数据，定义为损耗型数据，应用式(2)进行数据归一化处理：

式中，x_min表示油液初始指标值，常选择新油或监测初始时油液指标值；x_max表示油液失效指标值，可参照相应标准中规定油液更换时的指标值设定；为取值在[0，1]区间内的油液监测数据归一化指标值，其中i＝1，2，…r，r表示属性数目，j＝i＝1，2，...g，g表示第i个属性中指标数目；

所述步骤(4)具体包括以下步骤：

将具有时间序列的油液指标监测数据{(x₁₁，t₁)，(x₁₂，t₂)…(x_1j，t_j)}运用熵权重方法计算指标权重，计算方法如式(5)所示：

其中，其中i＝1，2，…r，r表示属性数目，j＝1，2，...g，g表示第i个属性中指标数目；

对包含多个指标的属性，应用公式(6)进行计算，得到属性的联合概率，得到油液属性的加权模糊评估结果：

公式(6)中，M_i(H)是第i个属性隶属于每一个状态等级的隶属度，也是ER算法中第i个属性证据的基本概率分配函数，i＝1，2...r，g表示第i个属性中指标个数，w_ij表示第i个属性中第j个指标的重要度，P_j(H)表示监测序列数据中第i个属性中第j个指标对应每个状态等级下的隶属度。

2.根据权利要求1所述的一种油液不确定状态的信度表征与状态识别的方法，其特征在于，

所述步骤(2)具体包括以下步骤：

状态等级是用来衡量油液的衰变程度的，根据油液的属性状态，从好到坏划分为{H₁，H₂，…，H_c…，H_N}N个状态等级，每一个状态等级对应量化值的一个区间，通过对已知状态的油液各项指标值进行训练，应用ROC曲线的划分得到相应的区间分界点c_i。

3.根据权利要求2所述的一种油液不确定状态的信度表征与状态识别的方法，其特征在于，

所述步骤(3)具体包括以下步骤：

运用如式(3)所示的高斯隶属度函数，计算步骤(1)中归一化的指标伯对应状态等级为H_c的程度，即隶属度

其中，c和σ分别表示高斯隶属函数的均值和标准差；

然后将第j个指标序列的每个所有监测数据进行模糊转化并排列，如公式(4)所示，通过公式(4)的变换后，每个指标的监测数据被转换成对应每个状态等级下的模糊隶属度P_j(H)；

其中，p_j(H)表示第j个指标监测的所有数据对应每个状态等级的模糊隶属度，N表示状态等级数目。