本发明专利技术涉及一种机械产品运行参数时间序列的事件演变状态判断方法。在机械产品运行参数时间序列事件的演变过程中，本发明专利技术通过以下步骤实现对时间序列事件演变状态的判断，间隔均匀地按时间顺序采集其发生的数据，获得一个时间序列；由时间序列构建多个子序列；选择第一个子序列作为初始状态序列，其他子序列作为演变状态序列；用初始状态序列生成参考序列；根据灰色系统理论，建立演变过程信息元函数；根据最少信息原理和小概率事件原理，识别时间序列事件演变过程的稳定性，为采取相应的干预措施提供决策依据。本发明专利技术能够实时有效地识别时间序列事件在演变过程中的稳定性，以便及时采取相应措施，避免恶性事件发生。
【技术实现步骤摘要】
本专利技术涉及，属于时间序列事件演变过程的识别与监控领域。
技术介绍
时间序列事件演变过程的识别，在社会、经济、国防、工业、农业、地质、公共卫生和信息等领域均具有很重要的应用价值。及时科学地识别各种时间序列事件演变过程的稳定性，可以及时采取相应措施，避免恶性事件发生，产生巨大的社会与经济效益。随着社会经济和科学技术的发展，时间序列事件表现的信息更具多样性和复杂性，某些信息的特征事先是未知的。例如，概率分布和趋势等具有短期和长期的不确定性、多变性、突变性和非单调性等。这使时间序列事件分析与预测理论面临许多更严峻的挑战，成为一个重要的科学 技术难题。
技术实现思路
本专利技术的目的是提供一种时间序列事件演变状态的判断方法，以解决概率分布和趋势等先验信息未知和未确知的时间序列事件演变稳定性的识别与监控问题。本专利技术为解决上述技术问题而提供一种时间序列事件演变状态的判断方法，该判断方法的步骤如下I).在所研究的时间序列时间的演变过程中，按时间顺序采集发生的数据，得到一个时间序列；2).将上述时间序列等分成多个子序列，并把这多个子程序按先后顺序排列起来，选择第一个子序列作为初始状态序列，选择其他的子序列作为演变状态序列；3).根据初始状态序列生成参考序列，4).根据灰色系统理论，建立演变过程信息元函数；5).根据最少信息原理和小概率事件原理，识别时间序列事件演变过程的稳定性。所述的步骤3)中的参考序列是由初始状态序列的第一个数据所生成。所述的步骤4)演变过程信息元函数的建立过程如下a.根据邓氏关联度，建立初始状态序列对参考序列和演变状态序列对参考序列的灰关联度；b.根据上述灰关联度，建立演变过程信息元函数为l--max\r0C(O- YjC(^) I；max | yoc(￠) — y c(^) |g r0/V 0；max I YodO ~ TjAO 一 [W]其中,为演变过程信息元函数，n为权重，I为分辨系数，f为最优分辨系数；C.确定灰置信水平为 Pw，Poj = (1-0. 5 n) X100%。所述的步骤5)的具体过程如下a).将时间序列事件的稳定性根据灰置信水平的范围分为以下6个级别若灰置信水平Ptlj G [99%, 100%]，则时间序列事件演变过程的稳定性为I级，表示很稳定，存在安全隐患的可能性很小，若灰置信水平Pw e [95%, 99%)，则时间序列事件演变过程的稳定性为2级，表示稳定，存在安全隐患的可能性小，若灰置信水平Pcu G [90%, 95%)，则时间序列事件演变过程的稳定性为3级，表示比较稳定，存在安全隐患的可能性比较小，若灰置信水平Ptlj G [85%, 90%)，则时间序列事件演变过程的稳定性为4级，表示有不稳定因素，存在安全隐患，若灰置信水平Pcu G [75%, 85%)，则时间序列事件演变过程的稳定性为5级，表示不稳定，存在大的安全隐患，若灰置信水平Pcu〈75%，则时间序列事件演变过程的稳定性为6级，表示很不稳定，存在很大的安全隐患；b).假设时间序列事件的初始状态序列是很稳定的，令演变过程信息元函数取值为0. 5，计算灰置信水平Ptlj的值；c).将计算出的灰置信水平值与稳定性级别进行对照，找出其所处的稳定性级别，从而判断出该事件的演变状态。 本专利技术的有益效果是本专利技术利用初始状态序列生成参考序列，根据灰色系统理论，建立演变过程信息元函数，然后根据最少信息原理和小概率事件原理，识别时间序列事件演变过程的稳定性，为采取相应的干预措施提供决策依据。本专利技术能够实时有效地识别时间序列事件在演变过程中的稳定性，以便及时采取相应措施，避免恶性事件发生。附图说明图I是本专利技术时间序列事件演变状态的判断方法的流程图；图2是本专利技术实施例中所用的装备运行参数的初始状态序列和演变状态序列图。具体实施例方式下面结合附图对本专利技术的具体实施方式做进一步说明。在机械产品运行参数时间序列事件的演变过程中，可以先采集这个演变过程中的数据，然后进行分析；也可以边采集边分析。前者属于事后总结与信息积累，后者属于实时识别与信息监视。在理论上，本专利技术要求时间序列的长度至少包含3个数据。采集时间持续长度至少要形成两个子时间序列，才能进行稳定性判断。可以根据需要确定采集时间持续长度。例如，在机械产品的初期磨损的全阶段和正常磨损的后期，必须时时刻刻地连续采集运行参数的数据。在其他阶段，如果未发现存在安全隐患，就可以间隔一段时间采集一次数据。本专利技术的机械产品运行参数时间序列事件演变状态的判断方法，该方法的流程如图I所示，以某机械装备某运行参数从初期磨损阶段到正常磨损阶段的一个时间序列为例，设该运行参数的理论值为0，根据本专利技术提出的方法，识别该装备运行参数的演变过程，其具体步骤如下(I)采集机械产品运行参数时间序列事件的数据对该机械装备运行参数的时间序列事件进行模拟观测，每隔5天采集一次数据，每次采集400个数据，共采集7次，获得n=2800个运行参数数据，形成一个时间序列X。(2)构建子序列取K = 400，由时间序列X构建出m=7个子序列。(3)选择初始状态序列和演变状态序列选第一个子序列为初始状态序列Xtl，对应于k的区间[1，400];其他6个子序列为演变状态序列Xj (j=l，2，…，6)，分别对应于k的区间为[401,800]，[801，1200],[1201, 1600], [1601,2 000], [2001, 2400]和[2401，2800]，装备运行参数的初始状态序列和演变状态序列见图2。(4)生成参考序列由初始状态序列Xtl的第一个数据Xtl⑴生成参考序列X。Xc= (xc(l), Xc (2)，…xc (k),…，xc(K)) = (x0 (I)，X0 (I)，…，X0 (I)，…，X0 (I)) (6)(5)建立演变过程信息元函数根据灰色系统理论，设初始状态序列Xtl对参考序列X。的灰关联度为 ]人.m i r|..v( (/v) - .v()(/v) | +cm a (A')- x0(A.) |7ocfc) - JU I Xc{k)-x0(k) I +^maixc(k)-xQ(k) \(7)k演变状态序列Xj对参考序列X。的灰关联度为I K m i rj』V(々)一-、■/(々)I +cm a 片 '_(、(人 )一x..(々)|Xic(^g) = -￡ ' ——77Z-,V—TT——77Z—(8) 人 ft x\.(k)-x;{k) +cm aXx\J k J定义演变过程信息元函数为 l」ma^oc )- Yjc (^) I； max Iroc(^r)- y]C (￠) |e r0 . r]w'(9) 0；max I yw\^)-yAC)\^[ny\式中，3 为演变过程信息元函数，n为权重，I Yoc(I)-Yjc(I) I为灰关联度绝对差，I为分辨系数，I*为最优分辨系数，在本专利技术中，分辨系数是对研究对象演变过程的一种映射。最优分辨系数是分辨系数的最优值，是对研究对象演变过程的一种最优映射，是满足灰关联度绝对差I Ytc(I)-Yw(I) I为最大的分辨系数。分辨系数取最优值时，可以更加灵敏地识别时间序列事件的演变过程是否发生变化。假设时间序列事件的初始状态序列是很稳本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机械产品运行参数时间序列事件演变状态的判断方法，其特征在于该判断方法的步骤如下 1).按时间顺序间隔均匀地采集机械产品运行参数，构成一机械产品运行参数时间序列； 2).将上述时间序列等分成N个子序列，并把这N子程序按时间顺序排列起来，选择第一个子序列作为初始状态序列，选择其他的子序列作为演变状态序列； 3).将初始状态序列的第一个数据作为元素生成参考序列； 4).根据灰色系统理论，建立机械产品运行参数演变过程信息元函数； 5).根据最少信息原理和小概率事件原理，计算机械产品运行参数的每个演变状态序列的灰置信水平，以灰置信水平的值判断该机械产品运行参数时间序列事件演变过程的稳定性。2.根据权利要求I所述的机械产品运行参数时间序列事件演变状...
【专利技术属性】
技术研发人员：夏新涛，尚艳涛，金银平，卢阳，马涛，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。