考慮證據相關性的空調機組健康狀態(tài)評估

韓曉霞　高延子　胡冠宇

摘要：針對空調機組健康狀態(tài)評估中指標信息利用不充分的問題，提出了一種考慮證據相關性的健康狀態(tài)評估方法。首先，構建了JDFX型空調機組健康狀態(tài)評估指標體系。其次，依據證據推理理論，給出了考慮證據相關的證據推理規(guī)則，構建了JDFX型空調機組健康狀態(tài)評估模型，以獲取空調機組的綜合健康水平。最后，通過算例對6套JDFX型空調機組的健康狀態(tài)進行了評估，給出了健康水平的排序結果。結果表明，相比于傳統(tǒng)的層次分析法，所提方法能夠更有效地利用健康指標信息和專家知識對空調機組進行健康狀態(tài)評估，結果更合理可信。

關鍵詞：控制理論;健康管理;空調機組;證據推理規(guī)則;健康狀態(tài)評估;層次分析法

DOI：10.15938/j.jhust.2022.02.013

中圖分類號： TU831.3

文獻標志碼： A

文章編號： 1007-2683（2022）02-0099-07

Health State Evaluation of Air Conditioning Units Considering Evidence Correlation

HAN Xiao-xia GAO Yan-zi HU Guan-yu

（1.Rocket Force University of Engineering， Combat Support Institute， Xi’an 710025， China;

2.University of Science and Technology Beijing， Institute of Advanced Materials and Technology， Beijing， 10083， China;

3.Guilin University of Electronic Technology， School of Computer Science and Information Security， Guilin 541004， China）

Abstract：Aiming at the problems of insufficient utilization of index information in the health state evaluation of air conditioner set， a health state evaluation method considering evidence correlation is proposed. Firstly， the health state evaluation index system of JDFX-type air conditioner set is constructed. Secondly， according to the evidence theory， an evidential reasoning （ER） rule considering evidence correlation is given. The health state evaluation model of JDFX-type air conditioner set is established to obtain the comprehensive health level of air conditioner set. Finally， the health states of six JDFX-type air conditioner sets are evaluated through the numerical example， and the ranking results of health levels are given. The results show that， compared with the traditional analytic hierarchy process， the proposed method can use the health index information and expert knowledge more effectively to evaluate the health state of air conditioner set， and the results are more reasonable and convincing.

Keywords：control theory; health management; air conditioner set; evidential reasoning rule; health state evaluation; analytic hierarchy process

0引言

隨著信息化技術和制造業(yè)的深入發(fā)展，空調機組在橋載設備中得到了廣泛的應用。然而，受不同環(huán)境因素的影響，空調機組的健康狀態(tài)也會逐漸惡化，甚至發(fā)生故障，引發(fā)安全事故，造成嚴重損失。因此，如何對空調機組進行有效的健康狀態(tài)評估，及時掌握其健康狀態(tài)，已成為了廣大航空公司和機場亟待解決的問題之一。

按照所采用的評估信息類型，現有的健康狀態(tài)評估方法可分為三類[1-3]。一是基于定性知識的方法，代表性的有Petri網、專家打分法等;二是基于定量數據的方法，代表性的有主成分分析（principal component analysis， PCA）、人工神經網絡（artificial neural network， ANN）等;三是基于混合信息的方法，代表性的有模糊綜合評判（fuzzy comprehensive evaluation， FCE）、層次分析法（analytic hierarchy process， AHP）、置信規(guī)則庫（belief rule base， BRB）、證據推理（evidential reasoning， ER）等。

Wang等[4]提出了一種基于模糊AHP的航空發(fā)動機健康狀態(tài)評估模型，對中國航空股份有限公司的10個初始商用航空發(fā)動機的健康狀態(tài)進行了有效評估。Hamed和Mohammad[5]提出了一種基于隨機Petri網的網絡物理系統(tǒng)健康狀態(tài)評估模型，為改進網絡物理系統(tǒng)的安全對策提供了有效方法。范劍鋒等人[6]在有限元分析的基礎上構建ANN模型，實現了橋梁健康狀態(tài)的準確評估。周靖楠等[7]提出PCA方法對評估指標進行降維，對太湖周邊6條河流進行健康狀態(tài)評估，具有較好的工程實用性。李書明等[8]利用FCE方法的思想，對飛機空調系統(tǒng)的各子系統(tǒng)進行健康狀態(tài)評估，進一步采用模糊優(yōu)先規(guī)劃法、逼近于理想解法等得到了空調系統(tǒng)的整體健康狀況。Dong等[9]提出了一種基于ER的電機組健康狀態(tài)評估方法，在參數、組件和系統(tǒng)層面都獲得了良好的健康狀態(tài)評估性能。Yin等[10]基于BRB建立數控機床的健康狀態(tài)評估模型，綜合利用混合信息對其健康狀態(tài)進行評估，提高了評估的準確性和實時性。

上述方法在實際應用中均取得了較好效果，但工程中對空調機組進行健康狀態(tài)評估的研究仍然較為缺乏。ER規(guī)則是一種有效處理評估與決策類問題的典型方法，最初是在2013年由Yang和Xu提出[11]，并被廣泛應用于信息融合、多屬性決策、模式識別等領域[12]。然而，目前尚未有研究將ER規(guī)則應用于空調機組的健康狀態(tài)評估，且在ER規(guī)則中均假設證據是相互獨立的，這在工程實際中往往不容易滿足。因此，有必要提出一種考慮證據相關的ER規(guī)則以對空調機組進行健康狀態(tài)評估，進而根據綜合健康水平對空調機組進行檢修，從工程意義而言可以降低空調機組的故障率。

考慮到ER規(guī)則在處理各類不確定性方面的優(yōu)勢，本文采用多源信息融合的思想，以JDFX型空調機組為例，構建其健康狀態(tài)評估指標體系，提出一種基于證據相關的ER規(guī)則的空調機組健康狀態(tài)評估模型，為該型空調機組的健康管理和維修決策提供技術支持。

1空調機組健康狀態(tài)評估方法確立

1.1評估指標體系的確立

為了對空調機組的健康狀態(tài)進行更有效的評估，本文從JDFX型空調機組的工況測試指標出發(fā)，構建其健康狀態(tài)評估指標體系。根據文[13]，建立評估指標體系如圖1所示。

在圖1中，M表示JDFX型空調機組;e表示第i個健康指標，其中i=1，…，10。

1.2基于證據相關的ER規(guī)則的JDFX型空調機組健康狀態(tài)評估模型

類似地，6套JDFX型空調機組的健康狀態(tài)評估結果均可獲得，受篇幅限制，此處不展示。假設評估等級“健康”、“亞健康”、“一般”和“不健康”對應的的效用分別為1，2/3，1/3，0。根據式（15）可得，6套JDFX型空調機組的綜合健康水平如圖4所示。

根據圖4可知，在10個不同的時刻：

①機組1的綜合健康水平為0.3590～0.6765;

②機組2的綜合健康水平為0.3710～0.6023;

③機組3的綜合健康水平為0.3344～0.6707;

④機組4的綜合健康水平為0.2922～0.5816;

⑤機組5的綜合健康水平為0.3785～0.6606;

⑥機組6的綜合健康水平為0.3782～0.5754。

經過平均計算，各空調機組的綜合健康水平分別為0.5498，?0.4629，?0.5020，?0.4579，?0.5069，?0.4981，空調機組的總體健康水平偏中等。那么可以判定，6套空調機組的健康水平排序結果為：機組1>機組5>機組3>機組6>機組2>機組4。從工程意義而言，該排序結果可以提供空調機組維修決策支持，技術人員按照空調機組的綜合健康水平安排檢修，可有效降低空調的故障率。同時，評估結果使技術人員無需掌握每一套空調機組的真實健康狀態(tài)驗證模型，克服了因空調機組的真實健康狀態(tài)不清楚而無法及時做出決策等不足。

3對比分析

為了說明所提方法的有效性，本節(jié)采用AHP方法對空調機組進行健康狀態(tài)評估，根據專家經驗，針對10個健康指標給出如下判斷矩陣：

上述結果表明，空調機組的健康狀態(tài)相對于等級“健康”的置信度為0.3061，相對于等級“亞健康”的置信度為0.2686，相對于等級“一般”的置信度為0.2314，相對于等級“不健康”的置信度為0.1939。因此，根據AHP方法可得空調機組的健康狀態(tài)為“健康”。然而，AHP方法所得評估結果不具有一般性，它無法衡量不同機組在不同時刻的健康狀態(tài)，評估模式為靜態(tài)評估，與圖3不符。究其原因，在AHP方法中，專家根據個人經驗和知識，對健康指標之間的相對重要性做出判斷并進行指標打分，忽略了不同時刻所采集的指標數據信息，導致評估結果不夠準確。因此，本文所提方法相比于AHP方法來說更為合理有效。

4結論

本文提出了一種基于新的考慮證據相關的證據推理規(guī)則的空調機組健康狀態(tài)評估方法，對6套JDFX型空調機組的健康狀態(tài)進行了評估。結果表明，在綜合健康水平排序上，機組1>機組5>機組3>機組6>機組4>機組2。與傳統(tǒng)的層次分析法相比，所提出的評估方法能夠更充分地考慮健康指標的測試數據、相關性和專家知識，避免了純粹依靠專家評估的主觀性，結果更客觀真實，對空調機組的健康狀態(tài)評估具有一定的指導意義。為了進一步提高評估的準確性，未來還需對JDFX型空調機組的工作機理進行更深入的分析，研究更有效的指標權重和可靠度求解方法，以實現更全面的健康狀態(tài)評估。

參 考 文 獻：

[1]彭開香， 皮彥婷， 焦瑞華， 等. 航空發(fā)動機的健康指標構建與剩余壽命預測[J]. 控制理論與應用， 2020， 37（4）， 713.PENG Kaixiang， PI Yanting， JIAO Ruihua， et al. Health Indicator Construction and Remaining Useful Life Prediction for Aircraft Engine[J]. Control Theory & Applications， 2020， 37（4）： 713.

[2]ZHOU Zhijie， CAO You， HU Guanyu， et al. New Health-State Assessment Model Based on Belief Rule Base With Interpretability[J]. SCIENCE CHINA Information Sciences， 2021， 64： 172214-1.

[3]趙麗琴， 劉昶， 曹明生， 等. 復雜裝備健康度評估方法研究綜述[J]. 計算機測量與控制， 2021， 29（11）：1.ZHAO Liqin， LIU Chang， CAO Mingsheng， et al. Review of Health Assessment Methods for Complex Equipment[J]. Computer Measurement & Control， 2021， 29（11）：1.

[4]WANG Jianrong， FAN Kai， WANG Wangshan. Integration of Fuzzy AHP and FPP with TOPSIS Methodology for Aeroengine Health Assessment[J]. Expert Systems with Applications， 2010， 37（12）： 8516.

[5]HAMED，O， MOHAMMAD A A. Modelling and Evaluation of the Security of Cyber-Physical Systems Using Stochastic Petri Nets[J]. IET Cyber-Physical Systems： Theory & Applications， 2019， 4（1）： 50.

[6]范劍鋒， 袁海慶， 彭自強， 等. 基于模型智能修正的橋梁健康狀態(tài)評估[J]. 武漢理工大學學報， 2008， 30（4）： 84.FAN Jianfeng， YUAN Haiqing， PENG Ziqiang， et al. Evaluation of Bridge Health Condition Through Model Updating by Neural Network Approach[J]. Journal of Wuhan University of Technology， 2008， 30（4）： 84.

[7]周靖楠， 王笑宇， 王國玖， 等. 基于主成分分析的Mamdani模糊推理在河流健康評價中的應用[J]. 水電能源科學， 2017， 35（10）： 46.ZHOU Jingnan， WANG Xiaoyu， WANG Guojiu， et al. Application of Mamdani Fuzzy Inference System Based Principle Component Analysis in River Health Evaluation[J]. Water Resources and Power， 2017， 35（10）： 46.

[8]李書明， 楊璐， 但敏. 基于模糊層次分析法的飛機空調系統(tǒng)健康管理[J]. 航空維修與工程， 2011（5）： 81.LI Shuming， YANG Lu， DAN Min. Study of Fuzzy Analytic Hierarchy Process on Airplane’s Air-Conditioner Health Management[J]. Aviation Maintenance & Engineering， 2011（5）： 81.

[9]DONG Yuliang， FANG Fang， GU Yujiong. Dynamic Evaluation of Wind Turbine Health Condition Based on Gaussian Mixture Model and Evidential Reasoning[J]. Journal of Renewable and Sustainable Energy， 2013， 5（3）： 1.

[10]YIN Xiaojing， ZHANG Bangcheng， ZHOU Zhijie， et al. A New Health Estimation Model for CNC Machine Tool Based on Infinite Irrelevance and Belief Rule Base[J]. Microelectronics Reliability， 2018， 84： 187.

[11]YANG Jianbo， XU Dongling. Evidential Reasoning Rule for Evidence Combination[J]. Artificial Intelligence， 2013， 205： 1.

[12]王廣澤， 楊桂芝， 胡楠楠. 證據推理方法在供應商評估中的應用[J]. 哈爾濱理工大學學報， 2017， 22（6）： 76.WANG Guangze， YANG Guizhi， HU Nannan. The Application of Evidence Theory in Supplier Evaluation[J].Journal of Harbin University of Science and Technology， 2017， 22（6）： 76.

[13]張積洪， 王慧敏， 陳維興. 基于數據挖掘的空調機組故障預測研究[J]. 測控技術， 2015， 34（8）： 37.ZHANG Jihong， WANG Huimin， CHEN Weixing. Study on Error Prediction in Air Conditioner Set Based on Data Mining[J]. Measurement & Control Technology， 2015， 34（8）： 37.

[14]JIANG W. A Correlation Coefficient for Belief Functions[J]. International Journal of Approximate Reasoning， 2018， 103： 94.

[15]徐曉濱， 鄭進， 徐冬玲， 等. 基于證據推理規(guī)則的信息融合故障診斷方法[J]. 控制理論與應用， 2015， 32（9）： 1170.XU Xiaobin， ZHENG Jin， XU Dongling， et al. Information Fusion Method for Fault Diagnosis Based on Evidential Reasoning Rule[J]. Control Theory & Applications， 2015， 32（9）： 1170.

[16]周志杰， 唐帥文， 胡昌華， 等. 證據推理理論及其應用[J]， 自動化學報， 2021， 47（5）： 970.ZHOU Zhijie， TANG Shuaiwen， HU Changhua， et al. Evidential Reasoning Theory and Its Applications[J]. Acta Automatica Sinica， 2021， 47（5）： 970.

[17]YANG Jianbo. Rule and Utility Based Evidential Reasoning Approach for Multiattribute Decision Analysis under Uncertainties[J]. European Journal of Operational Research， 2001， 131（1）： 31.

[18]洪志國， 李焱， 范植華， 等. 層次分析法中高階平均隨機一致性指標（RI）的計算[J]. 計算機工程與應用， 2002 （12）： 45.HONG Zhiguo， LI Yan， FAN Zhihua， et al. Calculation on High-ranked RI of Analytic Hierarchy Process[J]. Computer Engineering and Applications， 2002 （12）： 45.

[19]趙煥臣， 許樹柏， 和金生. 層次分析法[M]. 北京： 科學出版社， 1986： 5.

[20]王艷， 紀志成. 機床產品制造系統(tǒng)能效的最優(yōu)控制[J]. 控制理論與應用， 2014， 31（10）： 1431.WANG Yan， JI Zhicheng. Optimal Control of Energy Efficiency for Machine Tool Manufacturing Systems[J]. Control Theory & Applications， 2014， 31（10）： 1431.

（編輯：溫澤宇）