样本不均衡条件下设备健康度评估方法

样本不均衡条件下设备健康度评估方法
赵丽琴，刘 昶，邓丞君
（成都大学 信息科学与工程学院，成都 ６１０１０６）
摘要：为了保障设备稳定可靠运行，减少设备故障，针对很多设备采集样本不均衡的现状，提出了利用动态权重的支持向量 数 据 描 述 （ＳＶＤＤ） 方 法 对 设 备 健 康 度 进 行 评 估 ；该 方 法 首 先 利 用 设 备 正 常 健 康 数 据 进 行 ＳＶＤＤ 单 类 学 习 ； 然 后 利 用 少 量 各 种 健 康 状 态 的 数 据 样 本 计 算 ＳＶＤＤ 模 型 超 球 面 距 离 ，结 合 其 评 估 的 健 康 度 ，使 用 二 项 式 回 归 算 法 得 到 健 康 度 拟 合 曲 线 ，实 现 了 健 康 度 准确评估模型；在计算过程中，所有样本进行了指数变权的动态权重处理以提高准确性；最后以某型雷达发射机为例进行了测试 验证；结果表明，该方法可实现设备健康状态准确评估，具有不错的实用价值。
关键词：支持向量数据描述；二项式回归；健康度；动态权重
犕犲狋犺狅犱犳狅狉犈狏犪犾狌犪狋犻狀犵犈狇狌犻狆犿犲狀狋犎犲犪犾狋犺犝狀犱犲狉犝狀犫犪犾犪狀犮犲犱犆狅狀犱犻狋犻狅狀狊
ＺｈａｏＬｉｑｉｎ，ＬｉｕＣｈａｎｇ，ＤｅｎｇＣｈｅｎｇｊｕｎ
（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｃｈｅｎｇｄｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ ６１０１０６，Ｃｈｉｎａ） 犃犫狊狋狉犪犮狋：Ｉｎｏｒｄｅｒｔｏｅｎｓｕｒｅｓｔａｂｌｅａｎｄｒｅｌｉａｂｌｅｏｐｅｒａｔｉｏｎｏｆｅｑｕｉｐｍｅｎｔａｎｄｒｅｄｕｃｅｅｑｕｉｐｍｅｎｔｆａｉｌｕｒｅ，ａｍｅｔｈｏｄｂａｓｅｄｏｎｓｕｐｐｏｒｔ ｖｅｃｔｏｒｄａｔａｄｅｓｃｒｉｐｔｉｏｎ （ＳＶＤＤ）ｉｓｐｒｏｐｏｓｅｄｔｏｅｖａｌｕａｔｅｅｑｕｉｐｍｅｎｔｈｅａｌｔｈｆｏｒｔｈｅｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｏｆｕｎｂａｌａｎｃｅｄｅｑｕｉｐｍｅｎｔｓａｍｐｌｅｓ． ＴｈｅｍｅｔｈｏｄｆｉｒｓｔｌｙｕｓｅｓｔｈｅｎｏｒｍａｌｈｅａｌｔｈｄａｔａｏｆｔｈｅｄｅｖｉｃｅｔｏｃｏｎｄｕｃｔＳＶＤＤｓｉｎｇｌｅｃｌａｓｓｌｅａｒｎｉｎｇ．Ｔｈｅｎｕｓｉｎｇａｓｍａｌｌｎｕｍｂｅｒｏｆｄａ ｔａｓａｍｐｌｅｓｏｆｖａｒｉｏｕｓｈｅａｌｔｈｓｔａｔｅｓｔｏｃａｌｃｕｌａｔｅｔｈｅＳＶＤＤ ｍｏｄｅｌｈｙｐｅｒｓｐｈｅｒｅｄｉｓｔａｎｃｅ，ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｈｅａｌｔｈｄｅｇｒｅｅｏｆｉｔｓｅｖａｌｕａ ｔｉｏｎ，ｕｓｉｎｇｔｈｅｂｉｎｏｍｉａｌｒｅｇｒｅｓｓｉｏｎａｌｇｏｒｉｔｈｍｔｏｏｂｔａｉｎｔｈｅｆｉｔｎｅｓｓｆｉｔｔｉｎｇｃｕｒｖｅ，ｔｈｅｈｅａｌｔｈｄｅｇｒｅｅａｃｃｕｒａｔｅｅｖａｌｕａｔｉｏｎ ｍｏｄｅｌｉｓｒｅａｌ ｉｚｅｄ．Ｉｎｔｈｅｃａｌｃｕｌａｔｉｏｎｐｒｏｃｅｓｓ，ａｌｌｓａｍｐｌｅｓａｒｅａｄｄｅｄｔｈｅｄｙｎａｍｉｃｗｅｉｇｈｔｐｒｏｃｅｓｓｉｎｇｏｆｅｘｐｏｎｅｎｔｉａｌｖａｒｉａｔｉｏｎａｌｗｅｉｇｈｔｔｏｉｍｐｒｏｖｅｔｈｅ ａｃｃｕｒａｃｙ．Ｆｉｎａｌｌｙ，ｔｈｅｔｅｓｔｉｓｖｅｒｉｆｉｅｄｂｙｔａｋｉｎｇａｒａｄａｒｔｒａｎｓｍｉｔｔｅｒａｓａｎｅｘａｍｐｌｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓ ｇｏｏｄｐｒａｃｔｉｃａｌｖａｌｕｅｆｏｒａｃｃｕｒａｔｅａｓｓｅｓｓｍｅｎｔｏｆｅｑｕｉｐｍｅｎｔｈｅａｌｔｈｓｔａｔｕｓ． 犓犲狔狑狅狉犱狊：ｓｕｐｐｏｒｔｖｅｃｔｏｒｄａｔａｄｅｓｃｒｉｐｔｉｏｎ；ｂｉｎｏｍｉａｌｒｅｇｒｅｓｓｉｏｎ；ｈｅａｌｔｈｄｅｇｒｅｅ；ｄｙｎａｍｉｃｗｅｉｇｈｔｓ
０ 引 言
健康度是设备量化的健康程度，是一种设备健康状态 的定量评估，可以更准确的反映设备健康状态。随着大型 机电设备系统集成化、信息化程度的提高，其故障诊断与 后勤保障 的 难 度 增 大。 为 保 障 这 些 系 统 连 续 稳 定 的 运 行， 不影响任务的正常执行，减少资源浪费，提高设备保养和 维修效率，需随时掌握设备的健康度，并。
收 稿 日 期 ：２０２０ ０２ ２０； 修 回 日 期 ：２０２０ ０３ ２０。 基 金 项 目 ：国 家 自 然 科 学 基 金 青 年 基 金 项 目 （６１５０２０５９）；四 川 省 科 技 计 划 应 用 基 础 项 目（２０１８ＪＹ０２７２）。 作 者 简 介 ：：赵 丽 琴（１９７６ ），女 ，四 川 成 都 人 ，硕 士 ，讲 师 ，主 要 从 事 大 数 据 分 析 、人 工 智 能 方 向 的 研 究 。 刘 昶（１９８２ ），女 ，四 川 巴 中 人 ，博 士 ，教 授 ，主 要 从 事 人 工 智 能 、深 度 学 习 方 向 的 研 究 。
不错效果。也有学者用灰色关联法计算采集向量和虚拟向 量的关联度，得到 健 康 度，对 设 备 进 行 健 康 度 评 估 。 ［８９］ 文 献 ［１０］分两级计算 设 备 健 康 度， 在 部 件 级 计 算 了 带 加 权 的距离，然后通过动态权重的模糊层次法计算系统级健康 度。但这些方法都需要良好的先验知识来确定权重及模糊 函数等信息，且不适应大量采样数据场合。
根据文献，目前对复杂系统健康度的评估，大部分都 是基于向量距离的计算，也有部分是基于模糊评判或者信 息熵方法。一般常规的方法包括：综合权重法、模糊隶属 度、层次分析、灰色关联、高斯模型等。如文献 ［１ ４］就 运用了综合权重和模糊评价法对设备的健康度进行了评估。 文献 ［５］利用模糊测度和模糊积 分 来 计 算 配 电 网 关 键 设 备 的健康度。文献 ［６ ７］利用回归算法预测健康 度，取 得 了
· ２７２ ·
计算 机 测 量 与 控 制 ．２０２０．２８（９） 犆狅犿狆狌狋犲狉 犕犲犪狊狌狉犲犿犲狀狋 牔 犆狅狀狋狉狅犾
试验与评价技术
文章编号：１６７１ ４５９８（２０２０）０９ ０２７２ ０４ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０２０．０９．０５４ 中图分类号：ＴＰ３９ 文献标识码：Ａ