一種設(shè)備健康狀態(tài)影響因素溯源方法、設(shè)備、介質(zhì)及產(chǎn)品 技術(shù)領(lǐng)域 [0001] 本申請(qǐng)涉及設(shè)備健康評(píng)估與管理領(lǐng)域，特別是涉及一種設(shè)備健康狀態(tài)影響因素溯源方法、設(shè)備、介質(zhì)及產(chǎn)品。 背景技術(shù) [0002] 對(duì)復(fù)雜設(shè)備開展?fàn)顟B(tài)評(píng)估，是掌握其運(yùn)行狀態(tài)的關(guān)鍵環(huán)節(jié)。目前多元信息融合方式，如證據(jù)推理方法，能夠融合存在不確定性的數(shù)據(jù)，得到設(shè)備綜合的狀態(tài)。但是復(fù)雜設(shè)備狀態(tài)評(píng)估還面臨的挑戰(zhàn)有：監(jiān)測變量數(shù)量多、具有高維相關(guān)的特點(diǎn)、評(píng)估結(jié)果不準(zhǔn)確等。因此，建立考慮變量相關(guān)的健康評(píng)估模型是給出準(zhǔn)確評(píng)估結(jié)果的基礎(chǔ)。變量的特征提取是一種可以解相關(guān)的方法，可以滿足證據(jù)獨(dú)立性的要求，然而從特征到證據(jù)的轉(zhuǎn)化一直是難點(diǎn)所在。此外，為了使設(shè)備管理人員能夠根據(jù)評(píng)估結(jié)果開展維修，需要對(duì)影響狀態(tài)下降的因素進(jìn)行溯源，有助于及時(shí)排解風(fēng)險(xiǎn)。證據(jù)推理方法的融合過程清晰透明，參數(shù)的設(shè)置可以調(diào)節(jié)，具備人機(jī)交互能力，能夠?yàn)闆Q策者提供可理解和可信的設(shè)備狀態(tài)評(píng)估結(jié)果，并且可以對(duì)結(jié)果進(jìn)行追溯，滿足決策者對(duì)于評(píng)估模型具備可解釋性的要求。然而，特征與變量的對(duì)應(yīng)關(guān)系復(fù)雜，以及涉及到證據(jù)的轉(zhuǎn)換，使得對(duì)評(píng)估結(jié)果的溯源面臨挑戰(zhàn)。 發(fā)明內(nèi)容 [0003] 本申請(qǐng)的目的是提供一種設(shè)備健康狀態(tài)影響因素溯源方法、設(shè)備、介質(zhì)及產(chǎn)品，能夠在高維相關(guān)變量情況下，對(duì)設(shè)備狀態(tài)進(jìn)行評(píng)估，溯源影響狀態(tài)變化的關(guān)鍵因素。 [0004] 為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝巳缦路桨福? [0005] 第一方面，本申請(qǐng)?zhí)峁┝艘环N設(shè)備健康狀態(tài)影響因素溯源方法，包括： [0006] 獲取設(shè)備不同狀態(tài)下的原始變量，并基于所述原始變量形成樣本矩陣；設(shè)備的不同狀態(tài)包括狀態(tài)和故障狀態(tài)； [0007] 對(duì)所述樣本矩陣進(jìn)行主成分特征提取，得到主成分統(tǒng)計(jì)量特征； [0008] 采用高斯隸屬函數(shù)將所述主成分統(tǒng)計(jì)量特征轉(zhuǎn)換為證據(jù)； [0009] 采用測試樣本激活所述證據(jù)，并基于證據(jù)推理算法融合所有特征激活的證據(jù)，得到證據(jù)支持狀態(tài)的置信度； [0010] 構(gòu)建證據(jù)支持狀態(tài)的置信度與主成分統(tǒng)計(jì)量特征的關(guān)系以及原始變量與主成分統(tǒng)計(jì)量特征間的關(guān)系； [0011] 基于證據(jù)支持狀態(tài)的置信度與主成分統(tǒng)計(jì)量特征的關(guān)系以及原始變量與主成分統(tǒng)計(jì)量特征間的關(guān)系得到證據(jù)支持狀態(tài)的置信度與原始變量間的關(guān)系； [0012] 基于證據(jù)支持狀態(tài)的置信度與原始變量間的關(guān)系實(shí)現(xiàn)設(shè)備健康狀態(tài)影響因素溯源。 [0013] 可選地，對(duì)所述樣本矩陣進(jìn)行主成分特征提取，得到主成分統(tǒng)計(jì)量特征，包括： [0014] 對(duì)所述樣本矩陣進(jìn)行標(biāo)準(zhǔn)化處理； [0015] 基于標(biāo)準(zhǔn)化處理后的樣本矩陣確定樣本協(xié)方差矩陣； [0016] 對(duì)所述樣本協(xié)方差矩陣進(jìn)行主成分特征值分解，并按降序排列分解得到的特征向量，得到向量序列； [0017] 在所述向量序列中依次選擇主成分累積貢獻(xiàn)率達(dá)到預(yù)定值的特征向量，構(gòu)成負(fù)載矩陣； [0018] 基于所述負(fù)載矩陣以及標(biāo)準(zhǔn)化處理后的樣本矩陣得到得分矩陣； [0019] 基于所述得分矩陣確定主元協(xié)方差矩陣； [0020] 基于所述負(fù)載矩陣、標(biāo)準(zhǔn)化處理后的樣本矩陣以及所述主元協(xié)方差矩陣得到統(tǒng)計(jì)量； [0021] 對(duì)所述統(tǒng)計(jì)量進(jìn)行濾波處理，得到所述主成分統(tǒng)計(jì)量特征。 [0022] 可選地，對(duì)所述統(tǒng)計(jì)量進(jìn)行濾波處理，得到所述主成分統(tǒng)計(jì)量特征，包括： [0023] 對(duì)所述統(tǒng)計(jì)量加入一個(gè)滑動(dòng)窗口長度為設(shè)定值的中值濾波，得到所述主成分統(tǒng)計(jì)量特征。 [0024] 可選地，采用高斯隸屬函數(shù)將所述主成分統(tǒng)計(jì)量特征轉(zhuǎn)換為證據(jù)的表達(dá)形式為： [0025] ； [0026] ； [0027] 式中， 表示第 個(gè)主成分統(tǒng)計(jì)量特征轉(zhuǎn)換得到的證據(jù)， 表 示第 個(gè)主成分統(tǒng)計(jì)量特征， 表示第一種狀態(tài)， 表示第 種狀態(tài)的第 個(gè)主成分，， 表示第 個(gè)主成分統(tǒng)計(jì)量特征的樣本相對(duì)于第一種狀態(tài)的置信度， 表示第一種狀態(tài)的第 個(gè)主成分統(tǒng)計(jì)量特征， 表示第二種狀態(tài)， 表示第 個(gè)主成分統(tǒng)計(jì)量特征的樣本相對(duì)于第二種狀態(tài)的置信度， 表示第二種狀態(tài)的第 個(gè)主成分統(tǒng)計(jì)量特征， 表示第H種狀態(tài)， 表示第 個(gè)主成分統(tǒng)計(jì)量特征的樣本相對(duì)于第H種狀態(tài)的置信度， 表示第H種狀態(tài)的第 個(gè)主成分統(tǒng)計(jì)量特征， 表示第個(gè)主成分統(tǒng)計(jì)量特征的樣本相對(duì)于所有狀態(tài)的置信度， 表示所有狀態(tài)下的高斯隸屬度， 表示狀態(tài) 下的高斯隸屬度。 [0028] 可選地，采用敏感性系數(shù)表示證據(jù)支持狀態(tài)的置信度與原始變量間的關(guān)系；其中，所述敏感性系數(shù)表示為： [0029] ； [0030] 式中， 表示敏感性系數(shù)， 表示原始變量， 表示證據(jù)支持狀態(tài)的置信度，表示證據(jù)支持狀態(tài)的置信度的最大值，max()表示取最大值函數(shù)， 表示原始變量的個(gè)數(shù)， 表示狀態(tài)的個(gè)數(shù)。 [0031] 第二方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述中任一項(xiàng)所述的設(shè)備健康狀態(tài)影響因素溯源方法的步驟。

1.一種設(shè)備健康狀態(tài)影響因素溯源方法，其特征在于，所述設(shè)備健康狀態(tài)影響因素溯源方法包括： 獲取設(shè)備不同狀態(tài)下的原始變量，并基于所述原始變量形成樣本矩陣；設(shè)備的不同狀態(tài)包括健康狀態(tài)和故障狀態(tài)； 對(duì)所述樣本矩陣進(jìn)行主成分特征提取，得到主成分統(tǒng)計(jì)量特征； 采用高斯隸屬函數(shù)將所述主成分統(tǒng)計(jì)量特征轉(zhuǎn)換為證據(jù)； 采用測試樣本激活所述證據(jù)，并基于證據(jù)推理算法融合所有特征激活的證據(jù)，得到證據(jù)支持狀態(tài)的置信度； 構(gòu)建證據(jù)支持狀態(tài)的置信度與主成分統(tǒng)計(jì)量特征的關(guān)系以及原始變量與主成分統(tǒng)計(jì)量特征間的關(guān)系； 基于證據(jù)支持狀態(tài)的置信度與主成分統(tǒng)計(jì)量特征的關(guān)系以及原始變量與主成分統(tǒng)計(jì)量特征間的關(guān)系得到證據(jù)支持狀態(tài)的置信度與原始變量間的關(guān)系； 基于證據(jù)支持狀態(tài)的置信度與原始變量間的關(guān)系實(shí)現(xiàn)設(shè)備健康狀態(tài)影響因素溯源； 其中，對(duì)所述樣本矩陣進(jìn)行主成分特征提取，得到主成分統(tǒng)計(jì)量特征，包括： 對(duì)所述樣本矩陣進(jìn)行標(biāo)準(zhǔn)化處理； 基于標(biāo)準(zhǔn)化處理后的樣本矩陣確定樣本協(xié)方差矩陣； 對(duì)所述樣本協(xié)方差矩陣進(jìn)行主成分特征值分解，并按降序排列分解得到的特征向量，得到向量序列； 在所述向量序列中依次選擇主成分累積貢獻(xiàn)率達(dá)到預(yù)定值的特征向量，構(gòu)成負(fù)載矩陣； 基于所述負(fù)載矩陣以及標(biāo)準(zhǔn)化處理后的樣本矩陣得到得分矩陣； 基于所述得分矩陣確定主元協(xié)方差矩陣； 基于所述負(fù)載矩陣、標(biāo)準(zhǔn)化處理后的樣本矩陣以及所述主元協(xié)方差矩陣得到統(tǒng)計(jì)量； 對(duì)所述統(tǒng)計(jì)量進(jìn)行濾波處理，得到所述主成分統(tǒng)計(jì)量特征。 2.根據(jù)權(quán)利要求1所述的設(shè)備健康狀態(tài)影響因素溯源方法，其特征在于，對(duì)所述統(tǒng)計(jì)量進(jìn)行濾波處理，得到所述主成分統(tǒng)計(jì)量特征，包括： 對(duì)所述統(tǒng)計(jì)量加入一個(gè)滑動(dòng)窗口長度為設(shè)定值的中值濾波，得到所述主成分統(tǒng)計(jì)量特征。 3.根據(jù)權(quán)利要求1所述的設(shè)備健康狀態(tài)影響因素溯源方法，其特征在于，采用高斯隸屬函數(shù)將所述主成分統(tǒng)計(jì)量特征轉(zhuǎn)換為證據(jù)的表達(dá)形式為： ； ； 式中， 表示第 個(gè)主成分統(tǒng)計(jì)量特征轉(zhuǎn)換得到的證據(jù)， 表示第