欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023112968597
申请人: 沈阳理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于因素的事件相似性分析方法,其特征在于,为化简系统故障演化过程中涉及的众多事件,提出一种基于因素的事件相似性分析方法;所述基于因素的事件相似性分析方法以影响因素及变化、事件及事件故障概率为基础,涉及改进皮尔逊相似度、信息熵及系统故障演化过程理论;首先研究了基于因素分析事件相似性的可行性;其次建立了事件相似性分析方法,包括事件故障概率相似度、影响因素相似度、概率因素相似度、事件故障概率熵相似度及事件相似度;再次针对事件相似度的不同提出了事件分类方法;用于基于事件相似度的事件分类;

事件相似性分析方法构建;设形成系统故障演化过程的事件集合为,其中第m个事件为,;影响系统故障演化过程的因素集合为,其中第n个因素为,;所有因素对所有事件的影响程度,使用对应情况下的事件故障概率表示;形成因素影响事件程度矩阵R,为因素影响事件程度矩阵;

;

事件故障概率相似度构建;由于各因素影响下的事件故障概率值域相同为[0,1],因此故障概率是事件故障特征在各因素维度上的单位变化程度;比较不同事件相似性使用皮尔逊相似度进行,事件故障概率相似度如式(1)所示;

(1)

式中:是事件和都受影响的因素集合;是集合中的事件;和分别是事件和受因素影响后的事件故障概率;和分别是事件和受所有因素影响后事件故障概率的平均值;

式(1)是根据因素影响事件程度矩阵建立的,计算得到任意两事件和在所有因素作用下的事件故障概率相似度;构建事件故障概率相似矩阵S,S是的对称方阵,横纵表头为所有事件,对应单元值为,由式(1)确定;

影响因素相似度构建;基于改进Jaccard相似度方法建立影响因素相似度,如式(2)所示;

(2)

式中:和分别是事件和受影响的因素集合,,;表示其中集合的元素数量;

构建影响因素相似矩阵F,F是的对称方阵,横纵表头为所有事件,对应单元值为,由式(2)确定;

概率因素相似度构建;概率因素相似度是衡量事件间故障概率和因素共同作用的综合相似性;根据式(1)和式(2)分别得到的事件故障概率相似度和影响因素相似度,从而计算概率因素相似度,如式(3)所示;

(3)

构建概率因素相似矩阵SF,SF是的对称方阵,横纵表头为所有事件,对应单元位置是,由式(3)确定;及矩阵SF是根据因素影响事件程度矩阵数据得到的确定值,不包含数据的不确定性;

事件故障概率熵相似度构建;首先建立事件故障概率信息熵;表示两事件故障概率相似性的信息熵应使用所有因素条件下的事件故障概率的差值进行计算,事件故障概率信息熵如式(4)所示;

(4)

构建事件故障概率信息熵矩阵H,H是的对称方阵,横纵表头为所有事件,对应单元值为,由式(4)确定;及矩阵H能反应事件故障概率确定过程中包含的不确定性;这种不确定是建立在两事件故障概率差值基础上的;

基于事件故障概率信息熵构建事件故障概率熵相似度;建立事件故障概率熵相似度,如式(5)所示;

(5)

构建事件故障概率熵相似矩阵SH,SH是的对称方阵,横纵表头为所有事件,对应单元值为,由式(5)确定;

事件相似度构建;基于概率因素相似度,使用事件故障概率熵相似度进行修正,得到事件相似度,如式(6)所示;

(6)

构建事件相似矩阵SE,SE是的对称方阵,横纵表头为所有事件,对应单元值为,由式(6)确定;

基于事件相似度的事件分类方法;事件相似度数组为,元素数量为,,,;将简写为;根据的取值不同,当时,即为事件和事件正相似,表示和的故障概率数值和变化趋势均相似;当时,即为事件和事件不相似;但时,即为事件和事件负相似,表示和的故障概率数值相似,但变化趋势相反;将表示为相似事件对的形式,记为,分别对上述三种情况进行分析;

如果事件,,且,或,则组成全封闭相似组,;继续细分,当,为正全封闭相似组;当,为负全封闭相似组;这时上述事件能构成首尾相接的封闭环;

当时,起始分析的事件相似度为,即从事件开始;当时,起始分析的事件相似度为,即从事件开始;

如果事件,,但,或,则组成非封闭相似组,;当,为正非封闭相似组;,为负非封闭相似组;这时上述事件不能构成首尾相接的封闭环,而形成了链结构;

如果则分析结束;进一步的,当或中的各相似组中有重复事件时,应进行拆分将重复事件单独作为非封闭相似组,并在原有全封闭相似组和非封闭相似组中去掉这些事件,形成新的全封闭相似组和非封闭相似组;

如果,则所有组成非封闭相似组;同理,如果,则所有组成非封闭相似组;对或,且或,那么组成非封闭不相似组。

2.根据权利要求1所述的基于因素的事件相似性分析方法,其特征在于,建立事件相似度数组SE并区分三种情况;将表示为相似事件对形式并确定全封闭相似组和非封闭相似组;抽取全封闭相似组和非封闭相似组的各自重复事件组成非封闭相似组;最后判断是否存在非封闭不相似组;另外,正全封闭相似组和非封闭相似组内的事件具有较强的相似性,包括事件故障概率和故障概率变化趋势,可合并为一个事件;负全封闭相似组内的事件具有较强的相似性,事件故障概率相似,但故障概率变化趋势相反,不能合并事件;非封闭不相似组与正负相似组都不发生关联,组内事件也没有相似性,不能合并事件。

3.根据权利要求1所述的基于因素的事件相似性分析方法,其特征在于,设组成系统故障演化过程的事件集合为;影响系统故障演化的影响因素集合为;得到因素影响事件程度矩阵R,为因素影响事件程度矩阵;

因素影响事件程度矩阵是各事件在各影响因素条件下的故障概率;根据式(1)和因素影响事件程度矩阵计算事件故障概率相似度,组成事件故障概率相似矩阵,为事件故障概率相似度矩阵;

;

根据式(1)的定义,事件故障概率相似度有如下性质;;当时,事件和事件的故障概率相似性越弱;当时,事件和事件的故障概率相似性越强;根据因素影响事件程度矩阵和式(2)计算得到影响因素相似度,并组成影响因素相似矩阵F,为影响因素相似度矩阵;

根据式(2),参照因素影响事件程度矩阵,所有的事件受因素影响的情况均为,所以所有事件的影响因素相似度均为;根据式(1)和式(2)计算概率因素相似度,并形成概率因素相似矩阵,为概率因素相似度矩阵;

;

根据因素影响事件程度矩阵和式(4)计算得到事件故障概率信息熵,形成事件故障概率信息熵矩阵H,为事件故障概率信息熵矩阵;

当式(4)中有时,则;根据式(5)和事件故障概率信息熵矩阵计算得到事件故障概率熵相似度,并建立事件故障概率熵相似矩阵,为事件故障概率熵相似度矩阵;

;

根据式(6),结合概率因素相似度矩阵和事件故障概率熵相似度矩阵使用事件故障概率熵相似度修正概率因素相似度,得到事件相似度,并形成事件相似矩阵,为事件相似度矩阵;

对事件相似度矩阵进行整理,形成事件相似度数组;

根据数值大小进行排序有:

;

当时,起始分析的事件相似度为,即,转换为相似事件对形式为,即;继续将都转化为相似事件对形式,绘制出时的所有事件相似度对应的相似事件对之间的关系;

结果得到正全封闭相似组;当时,起始分析的事件相似度为,即,转换为相似事件对形式为;继续将都转化为相似事件对形式,绘制出时的所有事件相似度对应的相似事件对之间的关系;

结果得到负全封闭相似组;因为且,形成了非封闭不相似组;并将原有集合和中的去掉;因此针对该系统故障演化过程中涉及的众多事件,原事件集合划分为三类相似组的三个事件集合;划分结果为正全封闭相似组,负全封闭相似组,非封闭不相似组;这表明事件具有较强的相似性,包括事件故障概率和故障概率变化趋势,合并为一个事件;事件具有较强的相似性,事件故障概率相似,但故障概率变化趋势相反,不能合并事件;事件与上述两类均不相关,与其余所有事件均无相似性,因此不能合并;所以原事件集合根据上述相似性确定方法,化简为。