一种水果分选设备健康状态的模糊综合评判方法-9479威尼斯

专利名称：一种水果分选设备健康状态的模糊综合评判方法

专利类型：发明专利

专利申请号：cn202210716898.7

专利申请（专利权）人：绿萌科技股份有限公司
权利人地址：江西省赣州市信丰县高新区双龙大道9号

专利发明（设计）人：朱壹,朱二

专利摘要：本发明公开了一种水果分选设备健康状态的模糊综合评判方法。该方法综合考虑水果分选机健康状态的影响因素，确定影响水果分选机健康状态的因素集u，根据实际检修的需要及水果分选机的运行特点将水果分选机的综合特点分为良好、正常、异常、故障4个等级，建立权重分数模型f，根据权重分数可得出指标ui对应的权重wi，构造隶属函数aij(x)，建立模糊综合评判矩阵r，根据因素集u的权重集w以及模糊综合评判矩阵r,选择加权平均型模糊算子，进行模糊变换运算，依据最大隶属度判别，得到水果分选机健康状态的模糊综合评判结果。

主权利要求：
1.一种水果分选设备健康状态的模糊综合评判方法，其特征在于：所述方法包括以下步骤：步骤一：
建立水果分选机健康状态评估体系，确定影响水果分选机健康状态的因素集u＝{u1(水果分选速率(t/h)),u2(水果外部品质分选精度(％))，u3(水果内部品质分选精度(％))，u4(设备电流(a))，u5(设备电压(v))，u6(设备振动频率(hz))，u7(设备缺损度(％))，u8(设备使用时间(年))}；
建立水果分选机健康状态的模糊评判集v；根据实际检修的需要及水果分选机的运行特点将水果分选机的综合特点分为良好、正常、异常、故障4个等级，即模糊评判集v＝{v1(i级),v2(ii级)，v3(iii级)，v4(iv级)}，其中v1(i级)为状态良好,v2(ii级)为状态正常，v3(iii级)为状态异常，v4(iv级)为状态故障；定义α、β为使用时间常系数，θ1、θ2、θ3、θ4分别为水果表面瑕疵、重量、颜色、果形检测精度，θmax为θ1、θ2、θ3、θ4中的最大值，ρ为内部品质中内部病害检测精度，γ为水果内部酸甜度检测精度，umax、umin表示每次设备开机运行后测得电压最大值、最小值，imax、imin表示每次设备开机运行后测得电流最大值、最小值，a为水果分选设备振动最大振幅,t为水果分选机电机的温度，表示水果分选机当前运行t小时内所检测的ui对应的有效值，σ为水果分选机机械损耗因子且σ∈(0,1)；
建立权重分数模型f；考虑到水果分选机随着使用时间u8的增加，相应各指标的权重也会相应的发生改变，建立权重分数模型f，fi表示为指标ui的权重分数：当i＝1时
当i＝2,3时权重分数fi通过以下表达式表示：
当i＝4,5,6时权重分数fi通过以下表达式表示：
当i＝7,8时权重分数fi通过以下表达式表示：
fi(u8)＝|u8ln(ui)
|根据权重分数得出指标ui对应的权重wi：
步骤二：
建立隶属函数模型，构造模糊综合评判矩阵r；从因素集u中的第i个因素进行评估，确定评判对象对评判集的对j个元素的隶属度rij，设定影响水果分选机健康状态的因素集合u中元素ui(i≤8)对应的模糊集ai对应的隶属函数aij(x)表示如下：当j＝1时
当j＝2时
当j＝3时
当j＝4时
则对第i个元素的综合评判结果为ri＝(ri1,ri2,ri3,ri4)，其中步骤三：
通过模糊计算得出评判结果b；根据因素集u的权重集w以及模糊综合评判矩阵r,选择加权平均型模糊算子，进行模糊变换运算：依据最大隶属度判别，取bj的最大值的下标j即为当前水果分选机的健康状态评判等级结果。 说明书 : 一种水果分选设备健康状态的模糊综合评判方法技术领域[0001] 本发明属于智能设备健康状态评估领域，具体涉及一种水果分选设备健康状态的模糊综合评价方法。背景技术[0002] 随着人们生活水平的提高，生活需求也在不断提升的同时，对水果也有了更高品质要求，水果的出品等级和加工质量需要进行严格大小分级和质量分级。水果分选机是水果采后处理中重要的基础设备之一，其能否安全、可靠地运行直接影响水果损耗和果农收益。受诸多不确定的因素影响，设备在使用期间难免会发生故障，出现的故障一旦不能及时维修，将导致严重后果，甚至可能导致整台设备报废，所以及时准确地掌握水果分选机的运行状况，研究其健康评估方法，对于实施设备维修，提高设备可靠性具有重要意义和应用实际价值。[0003] 健康评估作为实现水果分选机健康管理系统体系的一个重要环节，立足于设备当前健康状况，研究不同性能退化或故障对整个系统运行状况造成的影响，评估设备健康并用合适的量化形式来表示。当前水果分选设备的健康评估研究仅局限于故障诊断等方面，但随着水果分选设备越来越智能化，各因素对设备健康状态的影响程度也发生了变化，因此需要建立一种更加贴合实际情况的水果分选设备健康状态评价方法。发明内容[0004] 本发明所要解决的技术问题在于提供一种水果分选设备健康状态的模糊综合评价方法，能够实现对水果分选设备的运行健康状态特性进行建模，从而便于对其进行合理使用和维修、故障预测以及管理等操作。[0005] 为解决以上技术问题，本发明采用如下技术方案：[0006] 首先，通过收集并分析专家知识经验等，将反映水果分选机健康状态的各项指标进行总结，建立水果分选机健康状态评估体系，确定评估对像的因素集u＝{u1,u2,…,un}，综合考虑水果分选机健康状态的影响因素，确定影响水果分选机健康状态的因素集u＝{u1(水果分选速率(t/h)),u2(水果外部品质分选精度(％))，u3(水果内部品质分选精度(％))，u4(设备电流(a))，u5(设备电压(v))，u6(设备振动频率(hz))，u7(设备缺损度(％))，u8(设备使用时间(年))}。[0007] 在综合评判中，无论是单个指标还是总的评估标准，都需要建立一个统一的评判标准，使得评估结果等统一地反映在评判集上。根据实际检修的需要及水果分选机的运行特点将水果分选机的综合特点分为良好、正常、异常、故障4个等级，即评语集v＝{v1(i级),v2(ii级)，v3(iii级)，v4(iv级)}，其中v1(i级)为状态良好,v2(ii级)为状态正常，v3(iii级)为状态异常，v4(iv级)为状态故障。水果分选机健康状态评判等级划分如表所示：[0008][0009] 建立评估指标体系，需要根据层次间、指标间的相对重要性对各指标赋予相对应的权重w＝{w1,w2,···,w8}，考虑到水果分选机随着使用时间u8的增加，相应各指标的权重也会相应的发生改变。建立权重分数模型f，fi表示为指标ui的权重分数。[0010][0011] 其中，α、β为使用时间常系数，通常α∈(5,10)，β∈(15,25)。[0012] 当i＝2,3时权重分数fi可通过以下表达式表示：[0013][0014] 其中，θ1、θ2、θ3、θ4分别为水果表面瑕疵、重量、颜色、果形检测精度，ρ为内部品质中内部病害检测精度，γ为水果内部酸甜度检测精度。[0015] 当i＝4,5,6时权重分数fi可通过以下表达式表示：[0016][0017] 其中，umax、umin表示每次设备开机运行后测得电压最大值、最小值，imax、imin表示每次设备开机运行后测得电流最大值、最小值，a为水果分选设备最大振幅,t为水果分选机电机的温度。[0018] 当i＝7,8时权重分数fi可通过以下表达式表示：[0019] fi(u8)＝|u8ln(ui)|[0020] 根据权重分数可得出指标ui对应的权重wi：[0021][0022] 从因素集u中的第i个因素进行评估，确定评判对象对评判集的对j个元素的隶属度rij，设定影响水果分选机健康状态的因素集合u中元素ui(i≤8)对应的模糊集ai对应的隶属函数aij(x)表示如下：[0023] 当j＝1时[0024][0025] 当j＝2时[0026][0027] 当j＝3时[0028][0029] 其中，θmax为θ1、θ2、θ3、θ4中的最大值。[0030] 当j＝4时[0031][0032] 则对第i个元素的综合评判结果为ri＝(ri1,ri2,ri3,ri4)，其中[0033][0034] 其中， 表示水果分选机当前运行t小时内所检测的ui对应的有效值，σ为水果分选机机械损耗因子且σ∈(0,1)。[0035] 建立模糊综合评判矩阵[0036][0037] 根据因素集u的权重集w以及模糊综合评判矩阵r,选择合适的模糊算子，进行模糊变换运算，依据最大隶属度判别，得到水果分选机健康状态的模糊综合评判结果为[0038][0039] 其中，为模糊算子，本发明考虑了不同因素指标对评估的影响，在水果分选机健康状态评估时采用加权平均型模糊算子进行综合运算，既考虑到主要因素又考虑到非主要因素的影响，相对符合实际。bj为综合考虑所有影响因素的情况下，评判对象对评判集v中第个元素的隶属度，依据最大隶属度判别，取bj的最大值的下标j即为当前水果分选机的健康状态评判结果。附图说明[0040] 图1：水果分选设备健康状态模糊综合评估方法流程图[0041] 图2：水果分选设备健康状态模糊综合评判结构图具体实施方法[0042] 本发明实例提供了一种水果分选设备的模糊综合评估方法，如图1所示。该方法主要包括：[0043] 综合考虑水果分选机健康状态的影响因素，确定影响水果分选机健康状态的因素集u＝{u1(水果分选速率(t/h)),u2(水果外部品质分选精度(％))，u3(水果内部品质分选精度(％))，u4(设备电流(a))，u5(设备电压(v))，u6(设备振动频率(hz))，u7(设备缺损度(％))，u8(设备使用时间(年))}。[0044] 根据实际检修的需要及水果分选机的运行特点将水果分选机的综合特点分为良好、正常、异常、故障4个等级，即评语集v＝{v1(i级),v2(ii级)，v3(iii级)，v4(iv级)}，其中v1(i级)为状态良好,v2(ii级)为状态正常，v3(iii级)为状态异常，v4(iv级)为状态故障。[0045] 建立权重分数模型f，根据权重分数可得出指标ui对应的权重wi。设定影响水果分选机健康状态的因素集合u中元素ui(i≤8)对应的模糊集ai对应的隶属函数aij(x)，利用模糊综合评判结构(如图2)构造隶属函数aij(x)，建立模糊综合评判矩阵r，根据因素集u的权重集w以及模糊综合评判矩阵r,选择合适的模糊算子，进行模糊变换运算，依据最大隶属度判别，得到水果分选机健康状态的模糊综合评判结果。[0046] 本发明具体实施例中，以一台购买并使用2年的水果分选机在运行5小时后所检测的数据为例：水果分选速率为2t/h，水果外部品质分选精度为96.5％，水果内部品质分选精度为97.3％，设备电流为6.5a，设备电压为220v，设备振动频率测得为60hz，设备缺损度为18％；α、β为时间常系数分别取8、20，水果表面瑕疵、重量、颜色、果形检测精度分别为96.2％、98.6％、97.3％、95.5％，ρ为内部品质中内部病害检测精度为94.5％，水果内部酸甜度检测精度为93.5％。在设备运行过程中，测得设备电压最大值umax、最小umin值分别为220.4v、219.3v，电流最大值imax、最小值imin分别为6.8a、5.9a，水果分选机电机的温度t为50℃。通过权重模型计算，可得各指标的权重分数f＝(4.71,5.35,5.44,6.37,6.89,7.35,2.11,3.01)，那么根据权重分数可得出指标ui对应的权重wi，即w＝(0.12,0.13,0.13,0.15,0.17,0.18,0.05,0.07)。[0047] 同理，通过隶属函数aij(x)可得到评判对象对评判集的对j个元素的隶属度rij，带入以上数据可得模糊综合评判矩阵r为：[0048][0049] 最后利用综合评判模型计算可得 此时水果分选机健康状态属于i级、ii级、iii级、iv级的隶属度分别为0.2914，0.3944，0.1846，0.1244。根据最大隶属度原则，水果分选机的健康状态应属于ii级，即属于正常状态。

专利地区：江西

专利申请日期：2022-06-23

专利公开日期：2024-07-09

专利公告号：cn115018356b