一种基于概率分布的设施设备评价方法及装置制造方法及图纸

本发明专利技术公开了一种基于概率分布的设施设备评价方法及装置，主要解决现有技术中存在的现有设备设施评价方法中评估框架丢失特征之间的相关性和独立性及不具备扩展性的问题。该一种基于概率分布的设施设备评价方法包括包括根据设施设备的历史数据分析器分析其相关系生产评估框架，然后根据评估框架对设施设备的新数据进行评分输出结果。通过上述方案，本发明专利技术达到了自动建立评估框架，保留特征花间的相关性和独立性，用信息分布的形式来推算分值和权重，以防止信息丢失，多维度评价的目的。多维度评价的目的。多维度评价的目的。

【技术实现步骤摘要】
一种基于概率分布的设施设备评价方法及装置


[0001]本专利技术涉及计算机学习
，具体地说，是涉及一种基于概率分布的设施设备评价方法及装置。

技术介绍

[0002]随着人工智能的发展，各行各业对设施设备的需求量逐渐增大，并且对设施设备的依赖性也非常大；设施设备在进行监控任务的情况下，其健康状态会极大影响设施设备的正常运行。因此，为了能更好维护设施设备，及时获知设施设施运行状况，建立一个设施设备监控的评估框架是非常有必要的。
[0003]近年来出现了很多针对设施设备等进行评估的方法，例如：层次分析法、模糊评价法、几何评价法、熵权法等；这些方法能在一定程度上反映设施设备的状况，但是需要专家主观建立一个非常合理的评估框架和一个具有客观效应的概率分布，这种方式适合数据维度较小的情况，并且该评估框架已经丢失了特征之间的相关性和独立性。同时，由于这些方法的评估结果会受认为主观认识的影响，因此，评估框架并不具备一定扩展性。

技术实现思路

[0004]本专利技术的目的在于提供一种基于概率分布的设施设备评价方法及装置，以解决现有设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概率分布的设施设备评价方法，其特征在于，包括以下步骤：S1对设施设备历史数据的数据集进行数据标准化，然后计算其相关系数矩阵corrMatrix；S2、根据步骤S1的相关系数矩阵corrMatrix得出对应的载荷矩阵loadingMatrix，得到评估框架；S3、根据步骤S2的评估框架设置特征的期望区间，然后将设备设施的新数据转化为概率分布；S4、根据步骤S3的概率分布推算父节点的概率分布至根节点，然后计算根节点的分值形成评估结果。2.根据权利要求1所述的一种基于概率分布的设施设备评价方法，其特征在于，步骤S1中对设施设备历史数据的数据集进行数据标准化的具体过程如下：S101、遍历设施设备历史数据数据集的m个特征，得到特征F
i
(i＝1,2,
…
,m)的最大值max
i
和最小值min
i
；S102、将设施设备历史数据进行标准化，得到数据集normalData，标准化方法为：其中，x
′
ij
表示x
ij
标准化后的值，x
ij
表示数据集normalData中特征F
i
(i＝1,2,
…
,m)的第j(j＝1,2,
…
,n)个值；表示特征F
i
的均值，其计算方法为：std
i
表示特征F
i
的标准差，其计算方法为：3.根据权利要求2所述的一种基于概率分布的设施设备评价方法，其特征在于，步骤S1中计算其相关系数矩阵corrMatrix的具体过程如下：(1)求特征F
i
和特征F
j
(i,j＝1,2,
…
,m)之间的相关系数r
ij
，计算方法如下：其中，其中，k＝1,2,
…
,n，且n表示样本个数，x
ks
表示第s个特征F
s
的第k个样本取值，x
kj
表示第j个特征F
j
的第k个样本取值，表示第s个特征F
s
的均值，表示第j个特征F
j
的均值；
(2)相关系数矩阵corrMatrix为：其中n表示样本数，m表示特征数。4.根据权利要求3所述的一种基于概率分布的设施设备评价方法，其特征在于，步骤S2中利用SVD分解计算相关系数矩阵corrMatrix得到对应的载荷矩阵loadingMatrix。5.根据权利要求4所述的一种基于概率分布的设施设备评价方法，其特征在于，步骤S2中得到评估框架的具体过程如下：S201、根据载荷矩阵loadingMatrix计算对应的方差值D，统计方差D大于1的个数N，N即为特征的分类数；S202、将载荷矩阵loadingMatrix利用方差最大法进行旋转得到旋转矩阵rotationMatrix，定位特征F
i
在旋转矩阵rotationMatrix行中的最大值所处的位置k(k＝1,2,
…
,K)，得出特征F
i
为第k类特征；S203、根据步骤S201的方差值求父节点权重：假设第k类特征中包含s个特征，计算特征F
kj
(k＝1,2,
…
,K；j＝1,2,
…
,s)的权重w
kj
，计算方法为：其中，D
kj
表示第k类特征中第j个特征的方差；S204、根据步骤S101的特征最大值和最小值、步骤S203的权重得到评估框架如下：该框架包含各个节点的权重w、叶子节点的F
ij
(i＝1,2,
…
,K；j＝1,2,
…
,S
K
)的最大值max
ij
和最小值min
ij
，其中表示第K类特征中第S
K
个特征，其中最大值max
ij
和最小值min
ij
分别是步骤S101的特征的最大值和最小值。6.根据权利要求5所述的一种基于概率分布的设施设备评价方法，其特征在于，步骤S3中设置期望区间的具体过程为：设置每个特征的期望值区间并且upLimit
ij
表示E
ij
上限值，lowerLimit
ij
表示E
ij
下限值。
7.根据权利要求6所述的一种基于概率分布的设施设备评价方法，其特征在于，步骤S3中将设备设施的新数据转化为概率分布的具体过程如下：以特征F
ij
为例，v
ij
表示特征F
ij
的特征值，生成概率分布的过程如下：(1)：判断v
ij
是否在期望值区间内，是则表示当前特征值v
ij
在该特征最优状态区间内，则将其设置为等级1的概率为1，为其他等级的概率为0，即该特征的此时的概率分布为：p
ij
＝(1,0,0,
…
)；否则转(2)；其中，E
j
表示第j个特征F
j
的期望值区间；(2)：判断v
ij
...

【专利技术属性】
技术研发人员：王琳，蓝科，张国兵，
申请(专利权)人：成都四方伟业软件股份有限公司，
类型：发明
国别省市：