【CN109800487A】基于模糊安全域的寿命预测方法【专利】
【CN109961085A】基于贝叶斯估计的航班延误预测模型的建立方法及装置【专利】
1/6 页
基于贝叶斯估计的航班延误预测模型的建立方法及装置
技术领域 [0001] 本公开涉及一种基于贝叶斯估计的航班延误预测模型的建立方法及装置。
背景技术 [0002] 民 用航空提供了快捷的出行方式，但航班延误严重影响着航空出行的便利。尽管 机场与航空公司已采取多种方式对航班延误进行应急处理，但是这些方法多集中于对航班 延误的 事后解决方案 ，无法预 测航班延误 ，也未从根本上解决这一问 题。因此 ，基于现有的 数据 ，提出一 种高效准 确的 航班延误预 测模型对于解决航班延误 ，缓解机场运行压力有着 重要意义。 [0003] 国内外已有众多学者展开大量研究。一些研究人员以航班延误时间和运行时刻表 估计延误导致的 后续影响 ，在应 用中为考虑实际 数据的 影响。有研究者 引入大量航班天气 数据作为数据样本，基于Spark对数据进行处理并利用随机森林特征划分时间延误预测。此 外 ，该研究者还尝试利 用卷积神经网络对 相同 数据进行分析 ，在 引入直通通道保证数据无 损处理的基础上加快了数据处理能力并提高了准确率。有研究者采集同一架飞机连续飞行 数据，采用贝叶斯方法对航班进行统计意义上的分析并预测其延误情况。另外一部分研究 人员研究了深度学习模型在空中交通延误预测任务中的有效性。通过结合基于深度学习范 例的 多个模型 ，建立了准 确且稳健的 预 测模型 ，该模型能 够对空中交通延误中的 模式进行 精细分析。此外一些模型利 用两阶 段估算模型 ，采 用有监督的 机器学 习算法来估计飞行准 时性能 。模型的 第一阶 段执行二元分类以 预 测航班延误的发生 ，第二阶 段执行回 归以 预 测 延迟的值。或者SVM方式建立航班预测模型，将延误时间序列进行相空间重构，并结合PSO优 化模型参数。 [0004] 上述研究应用，采用了多种数据处理方式并结合机器学习建立航班延误预测模 型 ，运 用相关度较高的 训练数据及特定的处理方式进行模型分析 ，与实际 运 用存在一定距 离。
一种基于模糊聚类的矿井安全评价方法[发明专利]
![一种基于模糊聚类的矿井安全评价方法[发明专利]](https://img.taocdn.com/s3/m/dc774e861eb91a37f0115c1a.png)
专利名称：一种基于模糊聚类的矿井安全评价方法专利类型：发明专利
发明人：刘永利,段天毅,逯静,刘静,郭倩倩
申请号：CN201611041071.1
申请日：20161111
公开号：CN106447240A
公开日：
20170222
专利内容由知识产权出版社提供
摘要：本发明提出了一种基于模糊聚类的矿井安全评价方法，对煤矿生产过程中矿井的安全评价指标结果进行综合评价，该聚类方法融合K‑means、FCM、FCCI方法。
在本方法中，针对煤矿安全管理中的通风安全监控、运输和提升、瓦斯和粉尘防治、矿井防火、井下爆破安全、矿井防冒顶、矿井防透水等7个因素进行综合分析，分析后的评价结论可以为煤矿企业的安全管理决策提供技术依据。
相比FCM方法与FCCI方法，减少了迭代次数，提升了运算速率，且因采用K‑means方法的聚类中心选取办法，消除了类簇为空的现象。
而且该方法的准确率相比FCCI方法，得到了小部分的提升。
申请人：河南理工大学
地址：454003 河南省焦作市高新区世纪大道2001号河南理工大学计算机学院
国籍：CN
更多信息请下载全文后查看。
一种基于退化数据的产品可靠性评估与寿命预测方法[发明专利]
![一种基于退化数据的产品可靠性评估与寿命预测方法[发明专利]](https://img.taocdn.com/s3/m/67ed2cebd05abe23482fb4daa58da0116c171ff0.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201811455684.9(22)申请日 2018.11.30(71)申请人 西安电子科技大学地址 710071 陕西省西安市太白南路2号西安电子科技大学(72)发明人 冯海林 李秀秀 齐小刚 (74)专利代理机构 西安长和专利代理有限公司61227代理人 黄伟洪(51)Int.Cl.G06Q 10/06(2012.01)G06F 17/50(2006.01)(54)发明名称一种基于退化数据的产品可靠性评估与寿命预测方法(57)摘要本发明属于工程设计与数据建模技术领域，公开了一种基于退化数据的产品可靠性评估方法、参数估计方法；建立基于随机效应的Wiener加速退化模型，其中漂移参数为服从正态分布的随机变量；根据加速退化模型构建剩余寿命预测模型，且推导出剩余寿命分布及剩余寿命的可靠度函数；根据应力状态下的性能退化数据，通过两步极大似然估计法，获得了模型未知参数估计值。
本发明通过经典的Wiener模型构建了一种新的加速退化模型、剩余寿命预测模型，求得剩余寿命的估计值；采用两步极大似然估计法，估计了退化模型中的未知参数，弥补传统极大似然估计法的限制性，能更为精确地得到未知参数的最优值，模型能更准确的预测产品的剩余寿命，适用范围较广。
权利要求书3页 说明书9页 附图4页CN 109657937 A 2019.04.19C N 109657937A1.一种产品可靠性评估方法，其特征在于，所述产品可靠性评估方法建立在一种基于随机效应的Wiener加速退化模型，其中漂移参数为服从正态分布的随机变量；根据加速退化模型构建剩余寿命预测模型，且推导出剩余寿命分布及剩余寿命的可靠度函数；根据应力状态下的性能退化数据，通过两步极大似然估计法，获得了模型未知参数估计值。
2.如权利要求1所述的产品可靠性评估方法，其特征在于，所述产品可靠性评估方法包括以下步骤：步骤一，收集性能加速退化数据，产品试样个数为m个，施加的应力如温度是S k(k＝1, 2,…,m)；在这m个温度应力水平下，分别对产品试样进行n次性能退化数据监测、记录；表示第i次对产品性能的测量时刻，产品所增加的温度应力为S k，测得的产品退化量为i＝1,2,…,n；k＝1,2,…,m；步骤二，构建经典的加速退化模型，加速退化试验中，加速关系常指的是退化率与压力之间的相互作用，加速模型为：其中a、b为系数，表示以应力S为自变量函数，采用Arrhenius模型表示，即温度应力下加速模型为：μk＝aexp(-b/S k)；式中S k为第k个应力；μk为漂移系数，基于Wiener过程的应力加速退化数据建模：X(t)＝μk t+σB(t)；其中步骤三，特定产品在时刻t l和t+t l的性能退化量为X(t l)和X(t+t l)，有：X(t+t l)＝X(t l)+μk t+σB(t)；其中当前的退化量X(t k)和失效阈值ξ，产品在时刻t k的剩余寿命t表示为：则产品的剩余寿命t的PDF表示为：根据剩余寿命t的定义，得到产品可靠度函数为：步骤四，采用两步极大似然估计方法估计对数极大似然估计函数如下：式中：是未知参数的集合；lnL(Θ)表示利用fminsearch 函数所求解得到的最大值；a k、的偏导数为零：则：根据可得到的数据组及本发明所建模型，模型中的未知的参数可利用两步极大似然估计法来求解，先估计再估计步骤五：得到加速应力下基于Wiener模型的剩余寿命预测的估计值；采用两步极大似然估计方法得到3.一种实施权利要求1所述产品可靠性评估方法的产品可靠性评估系统，其特征在于，所述产品可靠性评估系统包括：数据获取模块，用于获取加速退化数据；模型构建模块，用于构建典型的加速退化模型；构建及推导模块，用于基于Wiener模型构建加速应力下的剩余寿命预测模型以及推导出函数表达式；参数估计模块，用于结合性能加速退化数据的特征给出模型未知参数的估计方法；预测模块，用于得到加速应力下基于Wiener模型的剩余寿命预测的估计值。
【CN109800824A】一种基于计算机视觉与机器学习的管道缺陷识别方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910136101.4(22)申请日 2019.02.25(71)申请人 中国矿业大学（北京）地址 100083 北京市海淀区学院路丁11号(72)发明人 李策 尚新宇 刘雨薇 杨峰 刘瑞莉 牛天驹 (51)Int.Cl.G06K 9/62(2006.01)G06K 9/46(2006.01)(54)发明名称一种基于计算机视觉与机器学习的管道缺陷识别方法(57)摘要本发明涉及的是一种基于计算机视觉与机器学习的管道缺陷识别方法。
通过对管道机器人采集的管道图像、视频进行灰度拉伸；进行滑滤波处理滤除噪声干扰；采用Canny算子对疑似缺陷区域轮廓提取；采集图像分成细胞单元中各像素点的梯度或边缘方向直方图，直方图组合起来提取图像H O G 特征；采用迁移学习策略训练VGGNet模型，训练好的VGGNet的特征提取器提取图像特征；将管道图像的HOG特征和VGGNet提取的特征进行融合，使用SVM将特征分类，识别管道缺陷；统计管道缺陷识别结果输出管道缺陷类型。
本发明能识别真实管道环境的缺陷特征，提高分类模型的鲁棒性和识别的准确率，提升系统图像处理速度和识别的效率，适用于城市管道、工业管道检修领域。
权利要求书3页 说明书5页 附图3页CN 109800824 A 2019.05.24C N 109800824A1.一种基于计算机视觉与机器学习的管道缺陷识别方法，其特征在于，包括以下步骤：步骤(1)、携带高清摄像头管道机器人进入管道采集图像、视频信息，对采集到的管道图像、视频进行灰度拉伸，将输入图像中的每一个像素(x ,y)的灰度值f(x ,y)作为函数的自变量，由此得到的因变量作为输出图像中的灰度值g(x ,y)，其公式如下g(x ,y)＝T[f(x ,y)] (1)采用空域法的邻域平均法对灰度图像进行空间平滑滤波增强，邻域平均法中每个像素的权重是相等的，重要性假设一致。
【CN109800487A】基于模糊安全域的寿命预测方法【专利】
[0017] 其中，μk,i表示样本数据点
在第k个安全子域的隶属度，k＝1 ,2 ,...,c；
m＝[1 ,∞)是决定所产生模糊聚类的加权指数；D2(zi，ηk)表示样本数据点和聚类原型之间 的距离；ηk为第k个安全子域的聚类原型函数； [0018] 假设样本序列服从期望为vk，协方差矩阵为Fk的多元高斯分布，p(zi|η)表示样本 数据点隶属于c个安全子域的概率密度函数
说 明 书
2/16 页
[0013]
[0014] 其中， 为第k个安全子域的聚类中心，
为xi到聚类中心的距离，βk(ti)
为xi从属于第k个安全子域的隶属度函数； [0015] 从多元混合高斯函数作为聚类原型的序列拟合函数，通过最小化数据点与聚类原 型中心之间的加权距离平方和获得最优区域划分：
[0016]
8
CN 109800487 A
[0042] 聚类初始概率：
说 明 书
4/16 页
[0043] 聚类中心：
[0044] 其中 [0045] 权重更新： [0046] 方差更新： [0047] 距离范数： [0048] 样本序列时间参数的聚类原型中心及标准差参数计算：
[0049]
[0050] 聚类合并：
[0024]
为第i个样本数据点中特征变量
与聚类特征中心的距离， 为第k个安全子域在特征空间的聚类中心，r为特征变量距离范 数Ak的秩 ；Ak＝Fk ，其中Fk为多元高斯分布的模糊协方差矩阵 ，
7
CN 109800487 A
说 明 书
3/16 页
[0025]
[0026] 设协方差矩阵Fk有q个非零特征值(按降序排列)λk ,l ,l＝1 ,2 ,...,q及其对应的特 征向量，
【CN109799700A】一种基于模糊神经网络的危化品运输预警系统【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910127561.0(22)申请日 2019.02.20(71)申请人 广东工业大学地址 510006 广东省广州市番禺区大学城外环西路100号(72)发明人 谢胜利 张学文 吴宗泽 李建中 梁泽逍 张兴斌 田野 (74)专利代理机构 广州粤高专利商标代理有限公司 44102代理人 张金福(51)Int.Cl.G05B 13/02(2006.01)G05B 13/04(2006.01)(54)发明名称一种基于模糊神经网络的危化品运输预警系统(57)摘要本发明公开了一种基于模糊神经网络的危化品运输预警系统，所述系统包括：信息采集模块、车载终端、云端服务器、多级联动处理平台；所述信息采集模块用于采集预警指标并将预警指标分别发送至单因素预警模块和多因素预警模块；所述车载终端用于对输入的预警指标进行预警判断输出的预警信息发送至云端服务器；所述云端服务器根据预警信息进行分类和分级处理后发送至多级联动平台；所述多级联动处理平台根据预警的级别指令已接入危化品运输预警系统的机构处理警情。
本发明通过对多维的预警指标信息的采集克服了预测因素的单一的缺点；通过模糊神经网络的预测提高了预警的精确度；通过多级联动平台接入处理机构提高了预警处理的及时性。
权利要求书3页 说明书6页 附图2页CN 109799700 A 2019.05.24C N 109799700A1.一种基于模糊神经网络的危化品运输预警系统，其特征在于，所述系统包括：信息采集模块、车载终端、云端服务器、多级联动处理平台；所述信息采集模块用于采集预警指标并将预警指标分别发送至车载终端；所述信息采集模块包括有：胎压监测单元、危险品状态采集单元、路面信息采集系统；所述胎压监测单元用于检测汽车轮胎的气压和温度；所述危险品状态采集单元用于采集危险品的压力、温度、液位；所述路面信息采集系统用于采集路面信息，所述路面信息包括有路面材质、路面的倾角及转弯角度、道路拥堵状态；所述车载终端包括有单因素预警模块、多因素预警模块、通信模块、人机交互模块；所述单因素预警模块和多因素预警模块用于接收信息采集模块所采集的预警指标，对输入的预警指标进行预警判断并输出预警信息至通信模块；其中所述单因素模块用于对信息采集模块所采集的每一项预警指标进行单一预警判断；所述多因素预警模块用于对信息采集模块所采集的预警指标进行综合预警判断；所述通信模块将单因素预警模块和多因素预警模块输出的预警信息发送至云端服务器；所述云端服务器根据预警信息进行分类和分级处理后发送至多级联动平台；所述多级联动处理平台根据预警的级别指令已接入危化品运输预警系统的机构处理警情。
【CN109800288A】一种基于知识图谱的科学研究热点分析与预测方法【专利】
2 .如权利要求1所述的一种基于知识图谱的科学研究热点分析与预测方法，其特征在 于：步骤1中所述的关键词提取是根据已提供的关键词创建关键词表，对英文的题目、摘要 进行分词和去停用词，以双向最大匹配算法匹配关键词表从而抽取关键词词串；双向最大 匹配法算法使 用正向最大匹配法 和逆向最大匹配法进行 切分 ，以 大粒度词优先 、非 词表词 最少为原则的分词结果选取关键词。
两个关键词为对齐关系，使关键词准确对齐：
其中，ei ′、
ej ′为关键词实体ei、ej对应的所有邻居关键词，N为参与计算的邻居关键词对个数，设定值 为0 .5～1。 [0017] 步骤2 .分析关键词共现网络，确定研究主题： [0018] (2-1)词频计算： [0019] 结合词频g指数和实际数据的词频分布情况作为选取中高频词的依据，以1～5年 的等长时间距离划分时间窗 ，统计每个时间窗中出现的中高频词词频次数并计算词频变化 情况，并按核心词，新兴词，突变词本身的特点进行识别； [0020] 所述的核心词为共词网络中居于核心位置的高频词； [0021] 所述的突变词为在不同的时间窗下，词频发生显著变化的中、高频词； [0022] 所述的新兴词为具有新兴趋势，快速出现并进入中高频区域呈稳定状态的中、高 频词； [0023] (2-2)确定研究主题： [0024] 中高频关键词在同一个项目中的频率作为关键词之间的联系密切程度 ，利用 ochiia系数计算关键词相关矩阵 ；以欧式距离衡量点间距离 ，聚类关键词形成词簇 ，确定研
基于自适应神经模糊推理系统的避雷器有效运行寿命估计方法
基于自适应神经模糊推理系统的避雷器有效运行寿命估计方法刘伟【期刊名称】《高压电器》【年(卷),期】2024(60)6【摘要】估算金属氧化物避雷器的使用寿命一直是一项挑战,它决定着输电系统的安全稳定运行。
基于此,文中提出了一种基于自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)和支持向量机回归(support vector machine for regression,SVR)组成的组合时间序列预测模型,用于估算金属氧化物避雷器(metal oxide surge arrester,MOSA)的使用寿命。
首先,文中进行了现场测量,考虑到该分量是避雷器监测中最常用的MOSAs劣化水平指标之一,以建立由泄漏电流三次谐波分量值组成的时间序列数据库;接着,利用ANFIS、SVR和仿真数据库,建立组合预测模型;随后,文中使用3种类型的误差:即MSE、MAE和MAPE评估预测模型的性能。
最后,在对模型进行评估之后,利用所提模型对MOSA的使用寿命估算,研究结果表明,使用组合模型预测比基于ANFIS和SVR的模型提供的预测更准确,可提升估算MOSA使用寿命的精度18.9%。
【总页数】9页(P129-137)【作者】刘伟【作者单位】国家管网集团西气东输公司【正文语种】中文【中图分类】TM8【相关文献】1.基于自适应模糊神经网络推理系统的齿轮箱故障诊断方法2.两种基于自适应神经模糊推理系统的风功率预测方法3.基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法4.一种基于自适应神经模糊推理系统的短期负荷预测方法5.一种基于自适应神经模糊推理系统的多AUV协同定位方法因版权原因，仅展示原文概要，查看原文内容请购买。
模糊数学在估计安全寿命中的应用
模糊数学在估计安全寿命中的应用
徐蓓蓓
【期刊名称】《太原重型机械学院学报》
【年(卷),期】1989(010)002
【摘要】本文把模糊数学引入安全寿命的估计.借助于电子计算机,把数值方法和作图法结合起来,提出一种简便易行、准确度较高的安全寿命估计方法.
【总页数】8页(P45-52)
【作者】徐蓓蓓
【作者单位】无
【正文语种】中文
【中图分类】TG115.57
【相关文献】
1.模糊数学在风险变量估计问题中的应用 [J], 王婧婷;周直
2.广义二级模糊数学评价方法应用实例--兼论传统模糊数学评价模型中存在的问题[J], 刘绮;秦玉洁
3.按双指标方法估计安全寿命时存活率与置信度的匹配 [J], 崔卫民;诸德培
4.模糊数学在状态估计不良数据检测辨识中的应用 [J], 刘浩;刘玉田
5.模糊数学在状态估计不良数据检测辨识中的应用 [J], 刘浩;侯博渊
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
停止条件ε,ε>0，初始化Wk ,
μk ,i；
循环计算： 计算聚类原型ηk的参数：
聚类初始概率：
聚类中心：
其中 权重更新： 方差更新： 距离范数： 样本序列时间参数的聚类原型中心及标准差参数计算：
聚类合并：
其中，So ,Sp为两个相邻的安全子域，Uo ,q ,Up,q分别为安全子域So ,Sp特征向量的前q个主 成分；
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910001130 .X
(22)申请日 2019 .01 .02
(71)申请人 北京交通大学 地址 100044 北京市海淀区上园村3号
(72)发明人 秦勇 寇淋淋 付勇 叶萌 程晓卿 贾利民 张志龙 李恒奎 刘新旺
其中 ，
概率， c}；
p(ηk) 是无条件聚类 ηk为第k个安全子域的聚类原型函数 ,ηk＝{p(ηk) ,vk ,Fk|k＝1 ,2 ,...,
2
CN 109800487 A
且
权 利 要 求 书
2/4 页
其中 ，αk为聚类初始概率 ；
为第i个样本数据点的时间变量与
聚类时间变量中心的距离；
为第i个样本数据点中特征变量与聚
( 57 )摘要 本发明提供一种基于模糊安全域的寿命预
测方法 ，该方法提取全寿命运行特征向 量 ，基于 多元模糊分段算法进行分段，采用动态时间规整 算法进行样本时间规整 ，完成样本数据预处理 ， 并采用模糊安全域算法对部件的状态进行划分， 最后建立时变马尔科夫模型预测设备在当前状 态下的寿命。
权利要求书4页 说明书16页 附图2页
对样本数据的特征变量xi采用PCA算法降到q维后得到
其中
依据PPCA算法，
其中Rk是任一q×q正交变换矩阵 ，
(3) 建立时 变马尔科夫模型 ，利 用改 进的 前向 - 后向 算法计算初始前向 概率 ，后向 概率 和状态序列的条件概率公式 ；并对模型参数进行重估 ；根据已 确定设备当前运行状态i ，得 到设备在状态i逗留时间的期望，并求解设备在状态i+1 ,i+2 ,… ,N的状态停留时间；计算当 前状态i停留时间为 的剩余寿命。
类特征中心的距离， 为第k个安全子域在特征空间的聚类中心，r为特征变量距离范数Ak 的秩 ；Ak＝Fk ，其中Fk为多元高斯分布的模糊协方差矩阵 ，
设协方差矩阵Fk有q个非零特征值(按降序排列)λk ,l ,l＝1 ,2 ,..,uk,2 ,...,uk,q]；
2 .如权利要求2所述的方法，其特征在于，所述步骤(2)还包括如下方式： 模糊安全域自动划分算法转换为最优化问题：
3
CN 109800487 A
目标函数：
约束条件：
权 利 要 求 书
3/4 页
采用交替优化AO算法与Picard迭代算法进行求解： 基本步骤为： 初始化 ：给出样本序列X的 分段数目 和PCA算法保留的 特征向 量空间维数 ，选择适合的
定义样本序列分段目标函数为
通过最小化目标函数，计算区域边界ak ,bk ,k＝1 ,2 ,...,c，获得最优分段位置；
其中， 为第k个安全子域的聚类中心，
为xi到聚 类中 心的 距离 ，βk (ti) 为xi
从属于第k个安全子域的隶属度函数； 从多元混合高斯函数作为聚类原型的序列拟合函数，通过最小化数据点与聚类原型中
其中N为时间序列X的数据长度，xi为多元样本，xi＝{xij|j＝1 ,2 ,...,M}，M为样本的维 数；X的一个分段可表示时间连续的系列样本点za ,za+1 ,...,zb，记为S(a ,b)＝{a≤i≤b}；假
设样本序列X可以分为c段不重合部分，记为
其中a1＝1 ,bc＝m ,ak
＝bk-1+1，存在分段边界s1<s2<…sc，使得Sk(sk-1+1 ,sk) ；ti为时间序列；
心之间的加权距离平方和获得最优区域划分：
其中，μk ,i表示样本数据点
在第k个安全子域的隶属度，k＝1 ,2 ,...,c；m＝
[1 ,∞)是决定所产生模糊聚类的加权指数；D2(zi ,ηk)表示样本数据点和聚类原型之间的距 离；ηk为第k个安全子域的聚类原型函数；
假设样本序列服从期望为vk ，协方差矩阵 为Fk的 多元高斯分布 ，p (zi|η) 表示样本数据 点隶属于c个安全子域的概率密度函数
CN 109800487 A
CN 109800487 A
权 利 要 求 书
1/4 页
1 .一种基于模糊安全域的寿命预测方法，其特征在于，该方法包括如下步骤： (1)提取全寿命运行特征向量，基于多元模糊分段算法进行分段，采用动态时间规整算 法进行样本时间规整，完成样本数据预处理； (2)采用模糊安全域算法对部件的状态进行划分； 设样本序列为
另外一个合并准则为安全子域So ,Sp特征向量聚类中心之间的距离：
4
CN 109800487 A
权 利 要 求 书
4/4 页
其中，vox ,vpx为So ,Sp特征向量聚类中心； 采用模糊决策算法衡量各安全子域在整体中的聚类相似性，决策过程的整体相似性矩 阵为H＝{ho,p|1≤o≤c ,1≤p≤c}，
(74)专利代理机构 北京德崇智捷知识产权代理 有限公司 11467
代理人 黄雪
(51)Int .Cl . G06F 17/50(2006 .01) G06K 9/62(2006 .01)
(10)申请公布号 CN 109800487 A (43)申请公布日 2019.05.24
( 54 )发明 名称 基于模糊安全域的寿命预测方法
当ho ,o+1大于设定的阈值时 ，安全子域So ,So+1进行合并 ，直至达到算法终止条件ε时结 束。
5
CN 109800487 A
说 明 书
1/16 页
基于模糊安全域的寿命预测方法
技术领域 [0001] 本发明涉及可靠性领域，尤其涉及轨道交通滚动轴承的寿命预测方法。
背景技术 [0002] 安全域(Safety Region ,SR)是一种从域的角度描述系统整体可安全稳定运行区 域的定量模型，安全域边界与系统运行点的相对关系可提供定量化的系统不同状况下的运 行安全裕度和最优控制信息。 [0003] 现有技术中将安全域的概念扩展至轨道交通领域，并提出了完整的安全域估计方 法框架，并针对滚动轴承进行了有益尝试。研究将轴承状态特征变量空间人为划分为两个 区域，安全域与非安全域，并根据状态信息将状态特征数据直接对应至“正常”、“故障”等不 同 类别。然而大部分轴承性能是逐渐衰退的过程 ，在正常 和故障之间 ，存在多个安全子域 ， 且不同安全子域之间存在一定的概率转移关系。并且随着传感器技术的发展，工业工程领 域对系统或关键部件运行过程的观测越来越普遍，因此产生了大量的时间序列，而且这些 时间 序列往往是多变量 相互影响 和相互联 系的 。因此 ，本发明 将基于安全域估计理论的 轴 承退化模型扩展至多安全子域，采用时序模糊聚类算法，实现安全域与非安全域的界限、各 安全子域的临界位置的自动定位。