CN113780788A - 一种用于嵌入式设备健康评价的建模方法 - Google Patents
一种用于嵌入式设备健康评价的建模方法 Download PDFInfo
- Publication number
- CN113780788A CN113780788A CN202111026213.8A CN202111026213A CN113780788A CN 113780788 A CN113780788 A CN 113780788A CN 202111026213 A CN202111026213 A CN 202111026213A CN 113780788 A CN113780788 A CN 113780788A
- Authority
- CN
- China
- Prior art keywords
- health
- index
- script
- shell
- calculation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000011156 evaluation Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 56
- 239000002245 particle Substances 0.000 claims abstract description 55
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000000750 progressive effect Effects 0.000 claims abstract description 3
- 238000013515 script Methods 0.000 claims description 62
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004128 high performance liquid chromatography Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 3
- 238000005192 partition Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种用于嵌入式设备健康评价的建模方法,包括:S1:使用设备健康指数用以表征设备的健康状态;S2:健康参数分层化;S3:粒子层粒子健康计算脚本化;S4:健康参数配置化;S5:权重计算;S6:健康指标分析;S7:健康服务架构;S8:针对智能融合终端的参数分层。通过本发明的技术方案,有效的实现了针对广大嵌入式设备的广泛通用性。并将其应用在配电网智能融合终端设备,反映装置内部的健康状态的动态变化过程,层层递进,自下而上逐层计算健康指数。提供了一套针对智能融合终端设备健康的科学合理的健康评价体系,完整的电力物联网智能融合终端健康评估的解决方案。
Description
技术领域
本发明涉及电力技术领域,具体而言,特别涉及一种用于嵌入式设备健康评价的建模方法。
背景技术
我们电力企业普遍采用的是定时定期检修的制度,其检修模式单一,针对性差,检修难度大,可靠性水平要靠个人检修的素质,检修的状态点相对较少。因此影响了电网的安全稳定高效运行。即对于设备的普遍健康状态检查,多数停留在人工点检,生成报表等,记录设备的健康状态状况,多数难以实现运行过程中的自动健康状态计算及告警等。
对于可以实现运行过程中自检的设备,由于设备自检点的多样性,目前尚且没有开发一种通用的方法来实现设备健康的自动计算。
现有的技术方案可以概括为以下几类:
1.设备人工点检、记录,上报监控后台;
2.开发设备健康监测程序,实现运行过程中的健康自检。但程序定制化,只能实现某一类设备的健康检查;
3.尚无电力物联网中设备健康的相关整套技术方案。
现有技术方案包括以下两种:
1.设备点检。论文《基于点检的设备健康管理方法及软件工具研究》
此论文中详细介绍了设备点检的一整套方案,包括电力设备应该选择哪些点,使用何种检测方法,检测周期,检测点的状态与健康度之间的关系。只不过此种方法采用人工检测的方法,借助工具记录和分析等。
2.电力设备健康状态评估建模。CN 105975735
此专利中描述了现存的技术方案。说明如下,根据设备的个性特征,选取能够反映设备健康状态的状态量指标,利用层次分析法,建立判断矩阵,基于判断矩阵,获取状态量指标的权重。以及指标与健康度之间的函数关系,得到健康度。根据健康度,判断设备是良好、正常、可疑、异常或者危险。此种方法软件自动实现。但缺点是针对不同设备必须个性化修改程序参数来实现健康度的计算。
点检的技术方案,其由于人工核查设备各点的状态,成本高,效率低,不能及时的自动检测设备中存在的问题,也无法有效的准确的反映设备的健康区间值。
电力设备健康状态评估建模的技术方案,其只针对特定类健康设备,缺点是定制化程序高,无法复用,健康架构和参数、健康指数计算等绑定,没有解耦。设备的健康参数增加时,需要实时修改健康程序,影响开发和使用效率。
发明内容
为了弥补现有技术的不足,本发明提供了一种用于嵌入式设备健康评价的建模方法。
本发明是通过如下技术方案实现的:一种用于嵌入式设备健康评价的建模方法,具体包括以下步骤:
S1:使用设备健康指数用以表征设备的健康状态;使用了设备健康指数用以表征设备的健康状态,记为HI(Health Index),其具体形式是HI=f(X)且HI∈[0,10] ,其中X是影响设备健康状态的一系列因素组成的集合;健康指数HI的值划分为四个区间依次为[0,3) , [3,7) ,[7,9), [9,10];
S2:健康参数分层化;将嵌入式设备进行由上而下分层,分为设备层、部件层、模块层、和粒子层,健康指数符合由下到上,层层递进的原则计算;粒子层的健康指数决定了模块层健康指数,模块层的健康指数决定了其所属的部件层的健康指数,部件层的健康指数又决定了设备的健康指数;
S3:粒子层粒子健康计算脚本化;对粒子层节点,其粒子采集和粒子健康HI的获取均靠脚本来完成;其中,采集脚本名称和健康计算脚本名称均存在于数据库配置文件中;
S4:健康参数配置化;父子节点互通互连,父节点存储有子节点的个数、顺序、ID。子节点也有父节点的ID;各个节点都存储有自身的ID、type、name、get方式;若节点的get方式为“add”,此节点还应保存子参数的比例关系;若节点的get方式为“fun”,此节点还应保存有其shell的名称和传入参数。
根据get方式,保存指数的类型;若“add”方式得到的指数,取值为[0,10]的区间,名为区间指数;若“or”方式得到的指数,取值为{0,10}的二值集合,名为集合指数(高低指数);如果“fun”方式或者“only”方式得到的指数,指数范围不确定,命名为传入指数;
S5:权重计算;使用专家***+矩阵的方法来计算各参数的权重;权重计算方式分为两种,当维数≤4或者原始权重表指定,则为简单计算;当维数>4或者原始权重表指定,则为矩阵理论计算。
S6:健康指数计算:根据参数、权重和分层关系、get方式获得各节点的健康指数;
S7:健康指标分析;指标分析即在得到指数的前提下,将指数中需要注意的指数、异常的指数和严重的指数按照某次采样的严重程度从高到低的顺序,分别给出其参数名称、采样值、健康指数HI、健康状态、受影响节点名称、此参数作用、健康建议,并存储到数据库中的指标分析表中;
S8:健康服务架构;功能点如下:
粒子采集:通过shell脚本采集粒子层各粒子值;
粒子层HI计算:通过shell脚本计算粒子层的各粒子HI;
模块、部件、设备HI计算:根据“设备健康总表”数据库当中配置的get_method,按照其进行HI的计算,包括权重计算,HI计算;
健康指标分析:按照计算的HI,将粒子的状态进行分类,按照HI从高到低的顺序,依次存储到“问题工作状态表”数据库当中;同时存储的还有其原始采样值、shell计算值、所属粒子、作用、建议;
健康参数、指数、指标存储:参数原始采样值存储到“参数原始采样值”数据表中,设备各层次比重和HI存储到“设备健康表”当中;
S9:针对智能融合终端的参数分层;对于包括HPLC、RTC、蓝牙、北斗、GPS,shell中可以与其芯片进行通信或者通过读取芯片的一些信息来判断芯片是否还在工作状态。
作为优选方案,步骤S1中健康指数HI的值划分的四个区间依次表达的指标为:[0,3) 的指标为正常状态设备, [3,7) 的指标为注意状态设备,[7,9) 的指标为异常状态设备,[9,10]的指标为严重状态设备。
作为优选方案,步骤S3中第一种方式中通过脚本操作数据库来实现;服务调用采集脚本samp_shell与健康计算脚本cal_shell,均不传入和传出参数,二脚本均直接操作数据库,将采集结果和计算结果写入数据库。
第二种方式中通过脚本传参来实现;服务调用samp_shell与健康计算脚本cal_shell的同时,传入脚本所需的参数;同时脚本将采集结果或者计算结果作为参数返回,脚本并不操作数据库,通过传参来实现。
作为优选方案,步骤S4中
add:指的是其健康指数的获取是通过加权平均的方法得到的,由几个子节点的健康指数加权平均,即要去t_health_wr表中得到各子节点的比重信息,使用简易权重求取的方法或者矩阵的方法归一化特征向量,求取权重向量;
or:指的是其健康指数的获取是通过其子节点的状态决定,但非加权平均,而是子节点的取值为健康(取值为0)或者不健康(9或者10);而只要有子节点的取值为不健康(9或者10),此节点即不健康;
only:指的是只有一个子节点,其健康状态由此子节点唯一决定;
fun:指的是此节点的健康指数获取,是依靠脚本shell文件来决定的。脚本Shell文件有两个,一个是负责采集此参数的文件,名字存储在samp_shell_name中,一个为负责计算此健康指数的脚本文件,名字存储在字段cal_shell_name中。Samp_shell_para定义了给samp_shell_name传参,cal_shell_para定义了给cal_shell_name传参。
作为优选方案,步骤S5中矩阵理论计算即由矩阵计算权重可分为矩阵的构造、计算矩阵的特征值、特征向量,归一化,得到权重向量;
根据比例关系,构造矩阵:
使用矩阵的计算特征向量和特征值的算法,计算矩阵的特征向量和特征值;对矩阵进行一致性检验,分别得到一致性指标CI和一致性比率CR。
进一步地,步骤S5中如果小于0.1,即通过一致性检验,标志“健康服务配置文件”异常或者根据人工智能自动调整一个类似的可以通过一致性检验的值,需要调整子节点参数的权重向量;对特征向量做归一化处理,即可得到权重向量,即各个参数的权重。
作为优选方案,步骤S9中
进一步地,对于各进程和文件,需要根据t_health_basic_attri中的check_rule的值加以判断;check_rule:1,存在则返回1,不存在则返回0;check_rule:2,不存在则返回1,存在则返回0;check_rule:4,校验和正确则返回1,不正确则返回0;check_rule:5,格式正确则返回1,不正确则返回0;check_rule:3,条件下存在则返回1,不存在则返回0。
本发明由于采用了以上技术方案,与现有技术相比使其具有以下有益效果:本发明提出了一种针对嵌入式设备广泛通用的健康评价方法,此方法基于参数配置化、健康计算脚本化、脚本可编辑化、和服务程序“硬实现化”,有效的实现了针对广大嵌入式设备的广泛通用性。并将其应用在配电网智能融合终端设备。
提出了一种用于健康状态评价的健康指数,即使用0-10区间的指数来标志装置的健康程度和状态,能反映装置内部的健康状态的动态变化过程。提出了健康服务程序“硬”模块法的办法。即健康服务程序虽为软件实现,但其不随设备评估参数的丰富而变化,具备“硬”模块的表现特性。对嵌入式设备进行分层,自上而下分为设备层、部件层、模块层、粒子层。层层递进,自下而上逐层计算健康指数。提出了参数配置化的方法。参数及参数健康状态评估的方法均使用配置文件来配置。提出了脚本采集+脚本计算健康指数方法。因此,本文采用了健康服务程序瘦身+配置多样化+shell脚本可编辑化的方法来灵活实现。配电网智能融合终端每年以百万级的数目应用到配网现场,但目前尚无一套完整的科学合理的体系来评价智能融合终端的健康。本文针对这种情况,提供了一套针对智能融合终端设备健康的科学合理的健康评价体系。针对配网的“云管边”物联网架构,提供了一套完整的电力物联网智能融合终端健康评估的解决方案。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为健康参数分层化示意图;
图2为采集脚本与计算脚本之间的输入输出关系的第一种方式示意图;
图3为采集脚本与计算脚本之间的输入输出关系的第二种方式示意图;
图4为设备健康树;
图5为权重计算方式分类;
图6为健康指标分析图;
图7为健康服务架构示意图;
图8为健康服务功能示意图;
图9为针对智能融合终端简化的参数分层;
图10为针对智能融合终端详细的参数分层;
图11为CPU温度梯形曲线;
图12为TTU的分区结构图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面结合图1至图3对本发明的实施例的用于嵌入式设备健康评价的建模方法进行具体说明。
如图1、图2所示,本发明提出了一种用于嵌入式设备健康评价的建模方法,其特征在于,具体包括以下步骤:
S1:使用设备健康指数用以表征设备的健康状态;使用了设备健康指数用以表征设备的健康状态,记为HI(Health Index),其具体形式是HI=f(X)且HI∈[0,10] ,其中X是影响设备健康状态的一系列因素组成的集合;健康指数HI的值划分为四个区间依次为[0,3) , [3,7) ,[7,9), [9,10];
健康指数HI的值划分的四个区间依次表达的指标为:[0,3) 的指标为正常状态设备, [3,7) 的指标为注意状态设备,[7,9) 的指标为异常状态设备,[9,10]的指标为严重状态设备。
本发明的目的就是针对嵌入式设备,使用本发明提供的灵活的架构设计,可以计算出上述所述的HI的值。
S2:健康参数分层化;如图1所示,将嵌入式设备进行由上而下分层,分为设备层、部件层、模块层、和粒子层,健康指数符合由下到上,层层递进的原则计算;粒子层的健康指数决定了模块层健康指数,模块层的健康指数决定了其所属的部件层的健康指数,部件层的健康指数又决定了设备的健康指数;
S3:粒子层粒子健康计算脚本化;对粒子层节点,其粒子采集和粒子健康HI的获取均靠脚本来完成;其中,采集脚本名称和健康计算脚本名称均存在于数据库配置文件中;
采集与计算脚本的输入输出关系如下图2和图3所示。
第一种方式中通过脚本操作数据库来实现;服务调用采集脚本samp_shell与健康计算脚本cal_shell,均不传入和传出参数,二脚本均直接操作数据库,将采集结果和计算结果写入数据库。
第二种方式中通过脚本传参来实现;服务调用samp_shell与健康计算脚本cal_shell的同时,传入脚本所需的参数;同时脚本将采集结果或者计算结果作为参数返回,脚本并不操作数据库,通过传参来实现。
S4:设备健康树如图4所示,健康参数配置化;父子节点互通互连,父节点存储有子节点的个数、顺序、ID。子节点也有父节点的ID;各个节点都存储有自身的ID、type、name、get方式;若节点的get方式为“add”,此节点还应保存子参数的比例关系;若节点的get方式为“fun”,此节点还应保存有其shell的名称和传入参数。
根据get方式,保存指数的类型;若“add”方式得到的指数,取值为[0,10]的区间,名为区间指数;若“or”方式得到的指数,取值为{0,10}的二值集合,名为集合指数(高低指数);如果“fun”方式或者“only”方式得到的指数,指数范围不确定,命名为传入指数。
根据上述设备健康树的相关说明,可以总结数据库的设备健康基本信息表如下:
该表格描述了设备参数树结构下的所有节点信息。
add:指的是其健康指数的获取是通过加权平均的方法得到的,由几个子节点的健康指数加权平均,即要去t_health_wr表中得到各子节点的比重信息,使用简易权重求取的方法或者矩阵的方法归一化特征向量,求取权重向量;
or:指的是其健康指数的获取是通过其子节点的状态决定,但非加权平均,而是子节点的取值为健康(取值为0)或者不健康(9或者10);而只要有子节点的取值为不健康(9或者10),此节点即不健康;
only:指的是只有一个子节点,其健康状态由此子节点唯一决定;
fun:指的是此节点的健康指数获取,是依靠脚本shell文件来决定的。脚本Shell文件有两个,一个是负责采集此参数的文件,名字存储在samp_shell_name中,一个为负责计算此健康指数的脚本文件,名字存储在字段cal_shell_name中。Samp_shell_para定义了给samp_shell_name传参,cal_shell_para定义了给cal_shell_name传参。
type的取值范围如下所示:
S5:权重计算;使用专家***+矩阵的方法来计算各参数的权重;即针对节点get方式为“ADD”的节点,尚需知道其子节点各节点之间的权重才可以计算指数。如图5所示,权重计算方式分为两种,当维数≤4或者原始权重表指定,则为简单计算;当维数>4或者原始权重表指定,则为矩阵理论计算。
矩阵理论计算即由矩阵计算权重可分为矩阵的构造、计算矩阵的特征值、特征向量,归一化,得到权重向量;
根据比例关系,构造矩阵:
使用矩阵的计算特征向量和特征值的算法,计算矩阵的特征向量和特征值;对矩阵进行一致性检验,分别得到一致性指标CI和一致性比率CR。
RI可通过查表获得。
如果小于0.1,即通过一致性检验,标志“健康服务配置文件”异常或者根据人工智能自动调整一个类似的可以通过一致性检验的值,需要调整子节点参数的权重向量;对特征向量做归一化处理,即可得到权重向量,即各个参数的权重。
S6:健康指数计算:根据参数、权重和分层关系、get方式获得各节点的健康指数。
S7:健康指标分析;如图6所示,指标分析即在得到指数的前提下,将指数中需要注意的指数、异常的指数和严重的指数按照某次采样的严重程度从高到低的顺序,分别给出其参数名称、采样值、健康指数HI、健康状态、受影响节点名称、此参数作用、健康建议,并存储到数据库中的指标分析表中;
S8:健康服务架构;如图7、图8所示,功能点如下:
粒子采集:通过shell脚本采集粒子层各粒子值;
粒子层HI计算:通过shell脚本计算粒子层的各粒子HI;
模块、部件、设备HI计算: 根据“设备健康总表”数据库当中配置的get_method,按照其进行HI的计算,包括权重计算,HI计算;
健康指标分析:按照计算的HI,将粒子的状态进行分类,按照HI从高到低的顺序,依次存储到“问题工作状态表”数据库当中;同时存储的还有其原始采样值、shell计算值、所属粒子、作用、建议;
健康参数、指数、指标存储:参数原始采样值存储到“参数原始采样值”数据表中,设备各层次比重和HI存储到“设备健康表”当中;
S9:针对智能融合终端的参数分层;如图9、图10所示,针对智能融合终端分别做出简化的参数分层和详细的参数分层;
粒子的采集和健康计算
对于包括HPLC、RTC、蓝牙、北斗、GPS,shell中可以与其芯片进行通信或者通过读取芯片的一些信息来判断芯片是否还在工作状态。
对于各进程和文件,需要根据t_health_basic_attri中的check_rule的值加以判断;
(1)check_rule:1,存在则返回1,不存在则返回0;
(2)check_rule:2,不存在则返回1,存在则返回0;
(3)check_rule:4,校验和正确则返回1,不正确则返回0;
(4)check_rule:5,格式正确则返回1,不正确则返回0;
(5)check_rule:3,条件下存在则返回1,不存在则返回0。
关键粒子说明——硬件CPU温度粒子健康计算
CPU的温度对CPU的稳定运行很重要。温度会影响一些电子元器件参数及金属材料特性,CPU的设计跟其容阻属性相匹配,过低的温度会导致CPU的工况超出其设计范围,导致CPU局部电压异常(过高或过低),从而无法正常工作。也就是通常所说的Cool-bug。从另外的角度来讲,低温也会使一些材料变脆,出现裂痕,或因热胀冷缩而导致脱焊。任何电子元器件都有一个正常工作温度范围。绝不是越低越好。
T3的CPU的温度,芯片手册提供的温度范围为-40°—125°。但某些论坛里指出,在-15°以下,T3的时钟和电源还可以正常工作,但是压力测试不正常,会死机。
一般工业芯片的工作温度为-40°—85°。(是否85°-120°区间还健康,网上没找到资料,暂定保险温度上限为85°)。
因此,符合图11的梯形曲线:
上述公式中的区间,range_min、range_max等都是取自t_health_basic_attri中的对应参数。
关键粒子说明——硬件各个分区介绍
TTU的分区结构如图12所示:
其说明为:
其中需要关注分区Filesystem、klog、data、private分区的使用率。但是private分区无法挂载,因此无法查看其使用率,因此还剩三个分区FileSystem,klog,data。
(1)上述三个分区的重要性,应该是FileSystem>klog>data。
(2)每个区的评价指标都是:占用率.
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种用于嵌入式设备健康评价的建模方法,其特征在于,具体包括以下步骤:
S1:使用设备健康指数用以表征设备的健康状态;使用了设备健康指数用以表征设备的健康状态,记为HI(Health Index),其具体形式是HI=f(X)且HI∈[0,10] ,其中X是影响设备健康状态的一系列因素组成的集合;健康指数HI的值划分为四个区间依次为[0,3) ,[3,7) ,[7,9), [9,10];
S2:健康参数分层化;将嵌入式设备进行由上而下分层,分为设备层、部件层、模块层、和粒子层,健康指数符合由下到上,层层递进的原则计算;粒子层的健康指数决定了模块层健康指数,模块层的健康指数决定了其所属的部件层的健康指数,部件层的健康指数又决定了设备的健康指数;
S3:粒子层粒子健康计算脚本化;对粒子层节点,其粒子采集和粒子健康HI的获取均靠脚本来完成;其中,采集脚本名称和健康计算脚本名称均存在于数据库配置文件中;
S4:健康参数配置化;父子节点互通互连,父节点存储有子节点的个数、顺序、ID;子节点也有父节点的ID;各个节点都存储有自身的ID、type、name、get方式;若节点的get方式为“add”,此节点还应保存子参数的比例关系;若节点的get方式为“fun”,此节点还应保存有其shell的名称和传入参数;根据get方式,保存指数的类型;若“add”方式得到的指数,取值为[0,10]的区间,名为区间指数;若“or”方式得到的指数,取值为{0,10}的二值集合,名为集合指数(高低指数);如果“fun”方式或者“only”方式得到的指数,指数范围不确定,命名为传入指数;
S5:权重计算;使用专家***+矩阵的方法来计算各参数的权重;权重计算方式分为两种,当维数≤4或者原始权重表指定,则为简单计算;当维数>4或者原始权重表指定,则为矩阵理论计算;
S6:健康指数计算:根据参数、权重和分层关系、get方式获得各节点的健康指数;
S7:健康指标分析;指标分析即在得到指数的前提下,将指数中需要注意的指数、异常的指数和严重的指数按照某次采样的严重程度从高到低的顺序,分别给出其参数名称、采样值、健康指数HI、健康状态、受影响节点名称、此参数作用、健康建议,并存储到数据库中的指标分析表中;
S8:健康服务架构;功能点如下:
粒子采集:通过shell脚本采集粒子层各粒子值;
粒子层HI计算:通过shell脚本计算粒子层的各粒子HI;
模块、部件、设备HI计算: 根据“设备健康总表”数据库当中配置的get_method,按照其进行HI的计算,包括权重计算,HI计算;
健康指标分析:按照计算的HI,将粒子的状态进行分类,按照HI从高到低的顺序,依次存储到“问题工作状态表”数据库当中;同时存储的还有其原始采样值、shell计算值、所属粒子、作用、建议;
健康参数、指数、指标存储:参数原始采样值存储到“参数原始采样值”数据表中,设备各层次比重和HI存储到“设备健康表”当中;
S9:针对智能融合终端的参数分层;对于包括HPLC、RTC、蓝牙、北斗、GPS,shell中可以与其芯片进行通信或者通过读取芯片的一些信息来判断芯片是否还在工作状态。
2.根据权利要求1所述的一种用于嵌入式设备健康评价的建模方法,其特征在于,所述步骤S1中健康指数HI的值划分的四个区间依次表达的指标为:[0,3) 的指标为正常状态设备, [3,7) 的指标为注意状态设备,[7,9) 的指标为异常状态设备,[9,10]的指标为严重状态设备。
3.根据权利要求1所述的一种用于嵌入式设备健康评价的建模方法,其特征在于, 所述步骤S3中第一种方式中通过脚本操作数据库来实现;服务调用采集脚本samp_shell与健康计算脚本cal_shell,均不传入和传出参数,二脚本均直接操作数据库,将采集结果和计算结果写入数据库;
第二种方式中通过脚本传参来实现;服务调用samp_shell与健康计算脚本cal_shell的同时,传入脚本所需的参数;同时脚本将采集结果或者计算结果作为参数返回,脚本并不操作数据库,通过传参来实现。
4.根据权利要求1所述的一种用于嵌入式设备健康评价的建模方法,其特征在于, 所述步骤S4中
add:指的是其健康指数的获取是通过加权平均的方法得到的,由几个子节点的健康指数加权平均,即要去t_health_wr表中得到各子节点的比重信息,使用简易权重求取的方法或者矩阵的方法归一化特征向量,求取权重向量;
or:指的是其健康指数的获取是通过其子节点的状态决定,但非加权平均,而是子节点的取值为健康(取值为0)或者不健康(9或者10);而只要有子节点的取值为不健康(9或者10),此节点即不健康;
only:指的是只有一个子节点,其健康状态由此子节点唯一决定;
fun:指的是此节点的健康指数获取,是依靠脚本shell文件来决定的;脚本Shell文件有两个,一个是负责采集此参数的文件,名字存储在samp_shell_name中,一个为负责计算此健康指数的脚本文件,名字存储在字段cal_shell_name中;Samp_shell_para定义了给samp_shell_name传参,cal_shell_para定义了给cal_shell_name传参。
8.根据权利要求7所述的一种用于嵌入式设备健康评价的建模方法,其特征在于, 对于各进程和文件,需要根据t_health_basic_attri中的check_rule的值加以判断;check_rule:1,存在则返回1,不存在则返回0;check_rule:2,不存在则返回1,存在则返回0;check_rule:4,校验和正确则返回1,不正确则返回0;check_rule:5,格式正确则返回1,不正确则返回0;check_rule:3,条件下存在则返回1,不存在则返回0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111026213.8A CN113780788B (zh) | 2021-09-02 | 2021-09-02 | 一种用于嵌入式设备健康评价的建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111026213.8A CN113780788B (zh) | 2021-09-02 | 2021-09-02 | 一种用于嵌入式设备健康评价的建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780788A true CN113780788A (zh) | 2021-12-10 |
CN113780788B CN113780788B (zh) | 2024-04-12 |
Family
ID=78840806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111026213.8A Active CN113780788B (zh) | 2021-09-02 | 2021-09-02 | 一种用于嵌入式设备健康评价的建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780788B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653423A (zh) * | 2015-12-24 | 2016-06-08 | ***股份有限公司 | 分布式信息***健康状态的自动化采集分析方法及其*** |
CN108776855A (zh) * | 2018-04-17 | 2018-11-09 | 中国电力科学研究院有限公司 | 一种智能设备健康状态评价方法及*** |
CN111553590A (zh) * | 2020-04-27 | 2020-08-18 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理*** |
KR20210048844A (ko) * | 2019-10-24 | 2021-05-04 | 한국전력공사 | 설비자산의 건전도 지수 기반의 정비계획 수립 장치 및 그 방법 |
-
2021
- 2021-09-02 CN CN202111026213.8A patent/CN113780788B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653423A (zh) * | 2015-12-24 | 2016-06-08 | ***股份有限公司 | 分布式信息***健康状态的自动化采集分析方法及其*** |
CN108776855A (zh) * | 2018-04-17 | 2018-11-09 | 中国电力科学研究院有限公司 | 一种智能设备健康状态评价方法及*** |
KR20210048844A (ko) * | 2019-10-24 | 2021-05-04 | 한국전력공사 | 설비자산의 건전도 지수 기반의 정비계획 수립 장치 및 그 방법 |
CN111553590A (zh) * | 2020-04-27 | 2020-08-18 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理*** |
Non-Patent Citations (1)
Title |
---|
王岭 等: "层次分析法和灰色关联法在发电厂设备运行状态评估中的综合应用", 《浙江电力》, vol. 38, no. 2, 28 March 2019 (2019-03-28), pages 110 - 114 * |
Also Published As
Publication number | Publication date |
---|---|
CN113780788B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2529186B1 (en) | Robust automated determination of the hierarchical structure of utility monitoring systems | |
CN107454105B (zh) | 一种基于ahp与灰色关联的多维网络安全评估方法 | |
CN106021771A (zh) | 一种故障诊断方法及装置 | |
CN110221976B (zh) | 一种基于度量技术的计量终端软件质量量化评价方法 | |
CN101963940A (zh) | 面向软件演化的可信性动态评估方法 | |
CN113872813A (zh) | 一种载波通信设备全生命周期管理方法及*** | |
CN102931625A (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与*** | |
CN111523088A (zh) | 一种基于dpsir模型的生态环境评价方法 | |
CN111627199A (zh) | 一种水电站大坝安全监测***及监测方法 | |
CN113163353A (zh) | 一种电源车的智能健康服务***及其数据传输方法 | |
CN116991746B (zh) | 一种软件通用质量特性评估方法和装置 | |
CN110348676A (zh) | 一种变电站自动化设备状态评价方法及*** | |
CN105447518A (zh) | 一种基于K-means遥测数据判读*** | |
CN113780788A (zh) | 一种用于嵌入式设备健康评价的建模方法 | |
CN116993215A (zh) | 一种电力装备制造质量智能化评价预警方法及*** | |
CN110415136B (zh) | 一种电力调度自动化***服务能力评估***与方法 | |
CN110175083A (zh) | 操作***的监控方法和装置 | |
CN107590008A (zh) | 一种通过加权熵判断分布式集群可靠度的方法和*** | |
CN118014165B (zh) | 锂离子电池生产的溯源管理方法及*** | |
CN116362694B (zh) | 一种用于锅炉压力容器的测试管理*** | |
CN114153683B (zh) | 基于综合评价算法的网络化软件健康度评价方法 | |
CN117390015B (zh) | 电池护照的存储方法、设备及存储介质 | |
John et al. | Randomly Selected Heterogenic Bagging with Cognitive Entity Metrics for Prediction of Heterogeneous Defects | |
Zhang et al. | Data Cleaning for Prediction and its Evaluation of Building Energy Consumption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |