一种系统健康状态评估方法及装置与流程

本发明涉及系统健康评估技术领域，尤其涉及一种系统健康状态评估方法及装置。

背景技术：

随着工业技术的发展，工业领域装备系统的结构越来越复杂、可执行的任务日趋丰富、运行状态也更加多样化。与此同时，为了保证系统任务的顺利执行，对任务系统的健康状态进行评估的必要性越来越强。

传统的系统健康状态评估方法，通常采用模糊综合评估方法实现，但是模糊综合评估方法比较适用于对简单设备或者简单系统的健康状态进行评估。对于复杂的任务系统，由于其系统结构复杂、运行状态更加多样化，尚且没有完善的健康状态评估方法。

技术实现要素：

基于上述现有技术的缺陷和不足，本发明提出一种系统健康状态评估方法及装置，能够实现对复杂系统的健康状态评估。

一种系统健康状态评估方法，包括：

通过对装备系统进行功能层次划分，确定所述装备系统中的待评估的任务系统的层级结构；

对所述任务系统进行故障分析处理，确定所述任务系统的各个层级结构的故障节点；

根据所述任务系统的各个底层结构的故障节点，以及所述任务系统的各个底层结构的测试点数据，确定所述任务系统的各个底层结构的健康指标参数；

根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的健康状态。

可选的，所述对所述任务系统进行故障分析处理，确定所述任务系统的各个层级结构的故障节点，包括：

对所述任务系统依次进行从故障模式到故障原因的失效模式与后果分析，以及从故障原因到故障模式的故障树分析，确定所述任务系统的各个层级结构的故障节点。

可选的，所述根据所述任务系统的各个底层结构的故障节点，以及所述任务系统的各个底层结构的测试点数据，确定所述任务系统的各个底层结构的健康指标参数，包括：

针对所述任务系统的每个底层结构，分别执行以下操作：

根据底层结构的故障节点，以及所述底层结构的测试点数据，从所述底层结构的故障节点中筛选出可以提取监测参数第一故障节点；

根据所述第一故障节点的实际监测数据和对应的故障结果，从所述第一故障节点中筛选出能够反映所述底层结构的健康状态的故障节点，作为所述底层结构的健康指标参数。

可选的，根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的健康状态，包括：

利用模糊综合评估方法，根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的各个底层结构的健康状态；

根据所述任务系统的各个底层结构的健康状态，评估确定所述任务系统的健康状态。

可选的，所述任务系统的层级结构由底层到顶层依次包括设备层级、分系统层级及系统层级；

所述根据所述任务系统的各个底层结构的健康状态，评估确定所述任务系统的健康状态，包括：

根据所述任务系统的各个设备的健康状态，评估确定所述任务系统的各个分系统的健康状态；

根据所述任务系统的各个分系统的健康状态，评估确定所述任务系统的健康状态。

可选的，所述根据所述任务系统的各个设备的健康状态，评估确定所述任务系统的各个分系统的健康状态，包括：

对应所述任务系统的每个分系统，分别执行以下操作：

将分系统包含的各个设备的健康状态评估结果输入预训练的分系统健康状态评估模型，以评估确定所述分系统的健康状态；

其中，所述分系统健康状态评估模型至少通过执行以下处理过程训练得到：根据分系统所包含的各个设备的健康状态评估分系统的健康状态。

可选的，在将分系统包含的各个设备的健康状态评估结果输入预训练的分系统健康状态评估模型之前，所述方法还包括：

将预训练的分系统健康状态评估模型的参数，以及所述任务系统的运行历史数据输入预设的参数预测模型，得到模型实时参数；

利用所述模型实时参数，对所述分系统健康状态评估模型的运算参数进行更新。

可选的，所述根据所述任务系统的各个分系统的健康状态，评估确定所述任务系统的健康状态，包括：

将所述任务系统的各个分系统的健康状态评估结果输入预训练的系统健康状态评估模型，以评估确定所述任务系统的健康状态；

其中，所述系统健康状态评估模型至少通过执行以下处理过程训练得到：根据任务系统所包含的各个分系统的健康状态评估任务系统的健康状态。

一种系统健康状态评估装置，包括：

结构分析单元，用于通过对装备系统进行功能层次划分，确定所述装备系统中的待评估的任务系统的层级结构；

故障分析单元，用于对所述任务系统进行故障分析处理，确定所述任务系统的各个层级结构的故障节点；

指标分析单元，用于根据所述任务系统的各个底层结构的故障节点，以及所述任务系统的各个底层结构的测试点数据，确定所述任务系统的各个底层结构的健康指标参数；

状态评估单元，用于根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的健康状态。

可选的，所述状态评估单元，包括：

第一状态评估单元，用于利用模糊综合评估方法，根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的各个底层结构的健康状态；

第二状态评估单元，用于根据所述任务系统的各个底层结构的健康状态，评估确定所述任务系统的健康状态。

本发明提出的系统健康状态评估方法，通过对任务系统进行功能层次划分确定任务系统的层级结构，然后分别分析各层级结构的故障节点，确定各个底层结构的健康指标参数，最后根据各个底层结构的健康指标参数评估确定任务系统的健康状态。采用该技术方案可以分层次地实现对具有多层级结构的、复杂的任务系统的健康状态评估。

进一步的，本发明技术方案将复杂的任务系统的健康状态评估，细分为对复杂任务系统的各层级结构的健康状态评估，具体为借助下层结构的健康状态评估上层结构的健康状态，而下层结构的健康状态评估属于简单系统的健康状态评估，其相对于整个任务系统的健康状态评估简单得多。而由下层结构的健康状态评估上层结构的健康状态则可以借助算法模型实现，其实现过程相对于直接通过提取参数评估系统的健康状态更简单、处理量更小。因此，本发明实施例技术方案不仅可以实现对复杂的装备系统的健康状态评估，还实现了复杂问题简单化，使得对复杂的装备系统的健康状态评估的效率更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明实施例提供的一种系统健康状态评估方法的流程示意图；

图2是本发明实施例提供的一种复杂的装备系统的结构示意图；

图3是本发明实施例提供的另一种系统健康状态评估方法的流程示意图；

图4是本发明实施例提供的又一种系统健康状态评估方法的流程示意图；

图5是本发明实施例提供的一种系统健康状态评估装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提出一种系统健康状态评估方法，参见图1所示，该方法包括：

s101、通过对装备系统进行功能层次划分，确定所述装备系统中的待评估的任务系统的层级结构；

具体的，上述装备系统，是指由独立的设备经过串联或并联组合而成的用于实现某些功能任务的系统。在本发明实施例中，上述装备系统特指复杂的装备系统，即由大量的设备经过串并联构成的，包含多种层次结构，可以实现多种功能任务的系统。

例如图2所示即为一复杂的装备系统，该系统从顶层到底层可以依次划分为系统层级、分系统层级、设备层级，进一步的，设备层级还可以进一步划分为模块层级和器件层级等。当该装备系统处于不同的任务剖面时，也就是执行不同的功能任务时，会启动相应的分系统或设备等，而对于当前任务剖面没有作用的分系统、设备等则可以选择不启动。

对系统的健康状态进行评估，主要是在系统执行任务时，根据任务系统对任务的执行情况，例如是否成功执行任务、出现了哪些问题、问题严重程度等，评估该系统的健康状态。

而由于本发明实施例上述的装备系统是复杂的装备系统，在该系统执行不同的功能任务时，装备系统启用的分系统、设备等是不同的，也就是具体的任务系统的构成是不同的。对于上述装备系统的健康状态进行评估时，具体应针对该装备系统在不同的任务剖面下的任务系统分别进行健康状态评估。因此，本发明实施例提出的系统健康状态评估方法，具体是针对上述的复杂装备系统在不同的任务剖面下的任务系统的健康状态进行评估，以此来反应该复杂装备系统的健康状态。

另一方面，对上述的复杂装备系统在不同任务剖面下的任务系统的健康状态进行评估的处理过程在原理上是相同的，因此，本发明实施例仅以对某一个任务系统的健康状态评估为例，介绍本发明实施例提出的系统健康状态评估方法的处理过程。对于上述复杂的装备系统中的其它任务系统的健康状态的评估，可以参照本发明实施例介绍执行，从而整体上评估确定上述复杂的装备系统的健康状态。

因此，上述的待评估的任务系统，是指需要评估其健康状态的任务系统，具体可以是图2所示的复杂的装备系统在某一任务剖面下的任务系统。

该待评估的任务系统的层级结构，是指对系统结构进行层级划分后所确定的该系统的层级结构，例如图2中的系统从顶层到底层可划分为系统层级、分系统层级、设备层级等。

s102、对所述任务系统进行故障分析处理，确定所述任务系统的各个层级结构的故障节点；

具体的，作为一种可选的实现方式，本发明利用从故障模式到故障原因的fmea(failuremodeandeffectsanalysis，失效模式与后果分析)分析，以及从故障原因到故障模式的fta(faulttreeanalysis，故障树分析)分析，对上述待评估其健康状态的任务系统进行故障分析，以便确定该任务系统的各个层级结构的故障节点，例如该任务系统的各个底层结构(各个设备)、各个中间层结构(各个分系统)和顶级结构(系统)的故障节点。

示例性的，参见图2所示的系统层级结构划分结果，假设待评估其健康状态的任务系统由分系统{s1,s2,s3,s7}组成，其中s1包含设备{d11,d12,d13,d14,...}，s2包含设备{d21,d22,d23,...}，s3包含设备{d31,d32,d33,...}，s7包含设备{d71,d72,d73,...}，所有系统都为串联连接。则对该任务系统进行fmea分析的处理过程为：

明确任务目标：以正常完成系统任务为目的，确定影响该任务下系统正常工作的故障模式及其造成的影响的大小，深入分析各故障模式可能的原因，并以风险等级为主要参数指标，初步筛选各种故障模式对应的监测参数，例如，系统可能在某种温度下器件失灵，出现故障，而温度信号是可以提取和监测的，则将其作为该器件失灵故障模式的监测参数。

建立fmea分析表：在装备控制系统相关事故资料，以及先验的人工排障经验(例如查阅大量装备控制系统相关事故资料，咨询相关专家和工程技术人员经验)的基础上，结合控制系统的结构与功能特征，确定主要的故障模式，参照fmea的标准要求分别制作控制系统调查表。表中包含代码、产品或功能标志、功能、故障模式、故障原因、任务阶段、局部影响、高层次影响、最终影响、严酷度类别、故障模式概率等级、rpn、故障检测方法。

对该任务系统进行fta分析的处理过程为：

①)给任务系统以明确的定义，选定可能发生的不希望事件作为顶事件；

②对任务系统的故障进行定义，分析其形成原因(如设计、运行、人为因素等)；

③做出故障树逻辑图；

④对故障树作定性分析，分析各事件结构的重要度，应用布尔代数对故障树进行简化，寻找故障树的最小割集，以判明薄弱环节。

⑤对故障树作定量分析。如掌握各元件、各部件的故障率数据，就可以根据故障树逻辑，对系统的故障作定量分析。

按照上述的fmea和fta分析处理过程，对上述待评估的任务系统依次进行fmea和fta分析处理，可以确定该任务系统的各个层级结构的故障节点，例如分别确定该任务系统所包含的各个设备、各个分系统的故障节点等。

上述的故障节点，是指层级结构下的，可能发生故障的子集。例如对于图2所示的各个设备(底层结构)来说，其内部可能发生故障的元器件，即作为该设备下的可能发生故障的子集，也就是该层级结构的故障节点；而对于图2所示的各个分系统(中间层级结构)来说，其包含的可能发生故障的设备，即作为该分系统下的可能发生故障的子集，也就是该层级结构的故障节点。

可以理解，基于待评估的任务系统的各个层级结构的关系，相对下层的层级结构可能作为相对上层的层级结构的故障节点，而相对下层的层级结构的故障节点则是该层级结构内部包含的更细粒度的可能发生故障的结构。对上述的待评估的任务系统进行故障分析确定各个层级结构的故障节点时，实际上是按照从顶层结构到底层结构，再到底层结构的更细粒度的组成结构的处理顺序，依次确定各层级结构的故障节点，直到划分出的结构有对应的具体参数可以检测其是否故障时，即停止对系统的结构划分，以及停止对系统的故障分析，此时认为完成对系统的故障分析处理。

例如图2所示的系统层级结构，当进行故障分析从最顶层的系统层级开始，最终分析到各个设备的各个元器件时，由于元器件是否故障可以通过检测元器件的某些参数确定，因此此时停止对整个系统的故障分析。

需要说明的是，上述的fmea分析和fta分析是常用的系统故障分析方法，因此在本发明实施例中并没有对其进行充分、相似的说明，在具体实施本发明实施例技术方案时，可以参照现有技术中常见的fmea和fta分析方法，实现对上述待评估的任务系统的各个层级结构的故障节点分析。

s103、根据所述任务系统的各个底层结构的故障节点，以及所述任务系统的各个底层结构的测试点数据，确定所述任务系统的各个底层结构的健康指标参数；

具体的，上述任务系统的各个底层结构，是指对任务系统进行层级结构划分时所确定的，处于任务系统的底层的系统结构。例如图2所示，任务系统所包含的各个设备，即作为任务系统的各个底层结构。

上述任务系统的各个底层结构的测试点数据，是指在任务系统工作过程中，对各个底层结构进行工作参数监测所得到的数据。通常情况下，对于系统结构的工作参数监测可以分为很多种，例如工作温度、转动速度、振动频率等，因此，上述底层结构的测试点数据，一般以测试点数据集的形式存在。

而上述的底层结构的健康指标参数，是指在底层结构的故障节点中，能够通过提取其测试点数据检测其健康状态，并且其健康状态能够直接反映该底层结构的健康状态的故障节点。例如，对于图2所示的某一设备，假设其某一元器件的健康状态可以通过检测其某一测试点数据而确定，同时该元器件的健康状态能够直接反映该设备的健康状态，则该元器件则作为该设备的健康指标参数。

示例性的，由于待评估的任务系统可以包括多个底层结构，因此本发明实施例针对该任务系统的每个底层结构，分别通过执行以下操作确定其健康指标参数：

首先，根据底层结构的故障节点，以及所述底层结构的测试点数据，从所述底层结构的故障节点中筛选出可以提取监测参数的第一故障节点。

具体的，本发明实施例将fema表和fta故障树中确定的该底层结构的故障节点，与该底层结构的测试点数据相交，从该底层结构的故障节点中筛选出可以提取监测参数的第一故障节点。

以分系统s1中的设备d11为例，假设对其进行fmea和fta分析后获得故障节点集{f111,f112,f113,...f11x}，其中，设备d11的故障节点集即是指设备d11下的可能发生故障的子集，即可能发生故障的元器件。与测试点数据相交的过程是指其中的元器件的故障中有哪些是可以通过监测工作参数反映的，对于那些无法监测工作参数，即不能提取测试点数据判定其是否故障的故障节点则舍弃。已知设备d11的测试点数据集为{s111,s112,s113,...s11y}，其中y<＝x。相交以后获得设备d11的可以提取监测参数的第一故障节点{i111,i112,i113,...i11z},z<＝y。，可以认为{i111,i112,i113,...i11z}属于d11舍弃了无法提取测试点数据的元器件形成的一个子集。

然后，根据所述第一故障节点的实际监测数据和对应的故障结果，从所述第一故障节点中筛选出能够反映底层结构的健康状态的故障节点，作为底层结构的健康指标参数。

示例性的，本发明实施例采用pearson相关系数法从上一步筛选出的可以提取监测参数的第一故障节点{i111,i112,i113,...i11z}中，筛选出能够反映设备d11健康状况的故障节点。将上一步筛选出的第一故障节点{i111,i112,i113,...i11z}的实际监测数据和与实际监测的数据对应的故障结果(故障与否、故障模式等)输入pearson公式中计算相关系数，选取实际监测数据和对应的故障结果的相关系数超过0.6的第一故障节点作为评价设备d11的健康状态的健康指标参数。假设针对设备d11筛选出的健康指标参数为di11＝{i111,i112,i113,...,i11n}，0<n<＝z，可以认为di11是{i111,i112,i113,...i11z}中剔除了相关系数小于0.6而形成的一个子集。

按照上述处理，即可对分系统s1中的所有设备确定其可以提取监测参数的第一故障节点{iij1,iij2,iij3,...iijk}，以及从第一故障节点中筛选出其健康指标参数diij＝{iij1,iij2,iij3,...,iijn}，其中0<i<＝分系统个数，0<j<＝分系统下的设备个数，0<k<＝故障节点个数，0<n<＝k。

s104、根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的健康状态。

具体的，在确定上述待评估的任务系统的各个底层结构的健康指标参数后，本发明实施例先根据该任务系统的各个底层结构的健康指标参数，评估确定该任务系统的各个底层结构的健康状态。

在此基础上，由于任务系统的上层结构均是由底层结构直接或间接构成的，因此本发明实施例以该任务系统的层级结构为依据，根据该任务系统的各个底层结构的健康状态，依次评估确定在各个底层结构之上的，各个层级结构的健康状态，最终评估确定该任务系统的健康状态。

例如，在分别确定图2所示的系统中的各个设备的健康状态后，以各个设备的健康状态为依据，分别确定各个分系统的健康状态，然后再以各个分系统的健康状态为依据，确定整个系统的健康状态。

示例性的，根据任务系统的下层结构的健康状态评估确定任务系统的上层结构的健康状态时，可以借助算法模型实现，以降低处理量，以及提升处理效率。

通过上述介绍可见，本发明实施例提出的系统健康状态评估方法，通过对任务系统进行功能层次划分确定任务系统的层级结构，然后分别分析各层级结构的故障节点，确定各个底层结构的健康指标参数，最后根据各个底层结构的健康指标参数评估确定任务系统的健康状态。采用该技术方案可以分层次地实现对具有多层级结构的、复杂的任务系统的健康状态评估。

进一步的，本发明实施例技术方案将复杂的任务系统的健康状态评估，细分为对复杂任务系统的各层级结构的健康状态评估，具体为借助下层结构的健康状态评估上层结构的健康状态，而下层结构的健康状态评估属于简单系统的健康状态评估，其相对于整个任务系统的健康状态评估简单得多。而由下层结构的健康状态评估上层结构的健康状态则可以借助算法模型实现，其实现过程相对于直接通过提取参数评估系统的健康状态更简单、处理量更小。因此，本发明实施例技术方案不仅可以实现对复杂的装备系统的健康状态评估，还实现了复杂问题简单化，使得对复杂的装备系统的健康状态评估的效率更高。

作为一种可选的实现方式，参见图3所示，本发明另一实施例公开了上述的步骤s101、通过对装备系统进行功能层次划分，确定所述装备系统中的待评估的任务系统的层级结构，具体包括：

s301、对装备系统进行功能层次划分，确定所述装备系统的层级结构；

示例性的，例如图2所示，本发明实施例对复杂的装备系统进行功能层次划分，将其从顶层到底层依次划分为系统层级、分系统层级、设备层级、模块层级、元器件层级等。

则上述的系统层级、分系统层级、设备层级、模块层级、元器件层级等，即作为图2所示的复杂的装备系统的各层级结构，各层级结构之间具有包含与被包含的关系，即上层结构由其相邻的下层结构组成。

s302、根据所述装备系统的层级结构，确定所述装备系统中的待评估的任务系统的层级结构。

具体的，如图2所示，在实现对复杂的装备系统的层级结构划分后，可以确定该装备系统的各层级结构的具体组成。但是，当该装备系统执行不同的任务，即处于不同的任务剖面时，其各层结构的工作状态不同，在某一任务剖面下，某一层级结构内所包含的各个结构并不是全部工作，而是在需求时才工作。例如，当该装备系统执行某一任务时，可能只是其中包含的某些分系统，以及这些分系统中的某些设备启动工作，而其它部分则不工作。因此，上述装备系统在执行不同的任务时，具体的任务系统的构成是不同的，具体的任务系统的构成是由任务所需功能决定的。

因此，本发明实施例在对整个复杂的装备系统进行功能层次划分后，结合该装备系统中的，待评估其健康状态的任务系统所执行的任务的功能，确定该任务系统的层级结构。可以理解，将该装备系统中的、能够实现该任务系统所执行的任务的功能的功能结构进行组合，即可得到该任务系统。其中，各功能结构组合后的结构关系，与其在上述装备系统中的原结构关系相同。

图3所示的实施例中的步骤s303～s305分别对应图1所示的方法实施例中的步骤s102～s104，其具体内容请参见图1所示的方法实施例的内容，此处不再赘述。

作为一种可选的实现方式，参见图2所示，本发明实施例将待评估其健康状态的任务系统的层级结构从底层到顶层依次划分为三个层级结构，分别为设备层级、分系统层级和系统层级，其中，系统包含一定数量的分系统，各个分系统分别包含一定数量的设备。

在此基础上，通过执行本发明实施例提出的系统健康状态评估方法，先确定各个设备的健康指标参数，以及根据各个设备的健康指标参数，分别评估确定各个设备的健康状态；然后，根据评估确定的各个设备的健康状态，分别评估确定各个分系统的健康状态；最后，根据评估确定的各个分系统的健康状态，评估确定系统的健康状态，即确定了该任务系统的健康状态。

具体的，如图4所示，在根据任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的健康状态时，其具体处理内容包括：

s404、利用模糊综合评估方法，根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的各个底层结构的健康状态；

具体的，针对该任务系统的各个底层结构，本发明实施例采用现有技术中常用的模糊综合评估方法，由底层结构的健康指标参数，评估确定底层结构的健康状态。

示例性的，以对上述设备d11的健康状态评估为例，假设按照本发明上述实施例的介绍已确定设备d11的健康指标参数为di11＝{i111,i112,i113,...,i11n}，则对其进行健康状态评估的具体实现过程为：

将设备d11的故障状态划分为严重故障、一般故障、降级、正常四个等级，形成设备评判集v＝{v1,v2,v3,...,vn}，其中，n的数值与划分的故障状态个数相对应；

将d11的健康指标参数di11＝{i111,i112,i113,...,i11n}进行归一化处理，建立评价因素集u＝{u1,u2,u3,...,un}；

设定评估参数的阈值，通过对累积样本进行统计处理，结合大数定律和中心极限理论，找到数据分布的期望值和方差，配以“3σ”准则建立阈值基准。通过阈值选取法可确定每个参数针对不同状态的阈值，例如：健康临界阈值为a，降级临界阈值为b，一般故障临界阈值为c，严重故障临界阈值为d。

采用aph法计算各个指标参数影响设备健康状态的权重系数，形成权重向量a＝{a1,a2,a3,...,an}，其中a1～an代表着对评价因素集u内的指标赋予不同的权重值；

选取隶属度函数，通过隶属度函数对因素集进行评判，得出模糊综合评判矩阵：

对设备状态进行综合评判：计算b＝a·r＝[b1,b2....bn]，b为设备出现不同健康状态的概率，例如若设备划分的故障状态为四种(健康、降级、故障、严重故障)，b1～b4为四种状态发生的概率。比较得出最大者，从而得出设备d11最有可能出现的故障状态，也就是得出设备d11的健康状态。

按照上述处理过程，分别对任务系统中的各个设备进行健康状态评估，即可评估确定该任务系统的各个设备的健康状态。

s405、根据所述任务系统的各个设备的健康状态，评估确定所述任务系统的各个分系统的健康状态；

具体的，在待评估的任务系统中，可能包含多个分系统，针对其中的每个分系统，本发明识别根据其包含的各个设备的健康状态，来评估确定分系统的健康状态。

作为一种可选的实现方式，本发明实施例预先构建以及训练分系统健康状态评估模型，将分系统包含的各个设备的健康状态评估结果输入该分系统健康状态评估模型，利用该分系统健康状态评估模型，评估确定分系统的健康状态。

其中，上述的分系统健康状态评估模型至少通过执行以下处理过程训练得到：根据分系统所包含的各个设备的健康状态评估分系统的健康状态。

示例性的，上述分系统健康状态评估模型的构建及训练过程包括：

首先，利用分系统下的各个设备的健康状态评估结果，以及专家基于该分系统下的设备的健康状态评估结果对分系统的健康状态给出的评估结果，构成样本数据。

然后，将所有的样本数据随机划分，分为训练样本数据和测试样本数据。

以分系统s1为例，该分系统由设备{d11,d12,d13,d14,...}组成。按照本发明实施例技术方案的处理步骤在分别获取分系统s1包含的每个设备的模糊综合评估结果后，针对设备健康状态评估结果集{b11,b12,b13,b14,...}，由专家给出分系统s1的健康状态评估结果v。按照上述数据对应关系搜集样本集，形成支持向量机模型的训练和测试样本集数据(bi,uj),i＝1,2,...,n；j＝1,2,3...m，bi,uj分别表征分系统的各个设备的健康状态评估结果，以及对应各个设备的健康状态评估结果的分系统健康状态。

其次，针对分系统设计分系统健康状态评估模型，包括模型类型及核函数的选择，以及该模型下的参数设计。

示例性的，本发明实施例利用svm模型构建上述的分系统健康状态评估模型。在实际应用本发明实施例技术方案时，也可以根据实际情况选择其他的模型用于构建上述的分系统健康状态评估模型，但首选回归类型的算法模型。

最后，利用训练样本数据和测试样本数据对设计的分系统健康状态评估模型进行训练处理。

具体的，利用训练样本数据(bi,uj)训练该分系统健康状态评估模型。将训练样本数据中的bi输入该分系统健康状态评估模型，由该模型根据输入的bi回归分析得到对分系统的健康状态评估结果。将模型分析得到的评估结果与bi对应的uj进行比对，通过参数寻优法则来获取该模型的初始参数。重复以上处理过程，不断地对模型的参数进行求解，并寻求最优参数。假设在c-svc模型下选择rbf核函数，该模型的参数包括rbf半径g和惩罚因子c，利用训练样本数据进行训练，通过网格参数寻优方法来获取参数解，最后经过十折交叉验证来获取最优参数。

上述测试样本数据，用于对训练后的模型进行测试，当将测试样本数据输入该模型，该模型得出的分系统健康状态评估结果与该测试样本所表征的分系统健康状态相同时，则认为完成对该模型的训练。

上述对分系统健康状态评估模型的训练过程，只是本发明实施例提供的一示例性训练过程。在具体实施本发明实施例技术方案时，可以灵活选取其它类型的训练过程训练得到上述的分系统健康状态评估模型，或者将其它训练过程与本发明上述训练过程相结合对分系统健康状态评估模型进行训练，本发明实施例不再一一穷举说明。但可以理解的是，所选取的训练方式的训练目的，均为训练上述的分系统健康状态评估模型能够利用分系统所包含的设备的健康状态评估确定分系统的健康状态，只要是能使上述分系统健康状态评估模型具备这一功能的训练过程均可以被本发明实施例所采用，均在本发明实施例保护范围内。

需要说明的是，由于待评估的任务系统可能包含多个分系统，而不同的分系统可能具有不同的结构和功能特征，因此为了更准确地评估各个分系统的健康状态，本发明实施例为每个分系统分别按照上述的处理过程构建及训练适用的分系统健康状态评估模型。当评估任意一个分系统的健康状态时，将分系统包含的各个设备的健康状态评估结果，输入训练完成的与该分系统对应的分系统健康状态评估模型，实现对该分系统的健康状态评估。

而对于某一个分系统来说，由于其运行环境及设备状态多变，因此当其处于不同的工作环境或执行不同的任务时，其工作状态情况多变。对于与分系统对应的分系统健康状态评估模型来说，其参数设置应当能够随分系统的工作状态变化而变化，以使得分系统健康状态评估模型能够准确地评估分系统在任意工作状态下的健康状态。

作为一种可选的实现方式，本发明实施例设置参数预测模型，用于对分系统健康状态评估模型的运算参数进行预测。

当将分系统包含的各个设备的健康状态评估结果输入预训练的分系统健康状态评估模型，以期利用该分系统健康状态评估模型评估分系统的健康状态之前，先将预训练的分系统健康状态评估模型的参数，以及任务系统的运行历史数据输入预设的参数预测模型，预测得到模型实时参数。

然后，利用预测得到的模型实时参数，对分系统健康状态评估模型的运算参数进行更新。

示例性的，上述的参数预测模型为贝叶斯预测模型。分系统健康状态评估模型原本的运算参数作为贝叶斯预测模型的先验数据，将该先验数据，以及任务系统在运行过程中积累的运行历史数据(运行时间、工作温度等)一起输入贝叶斯预测模型，由该模型预测得到模型实时参数。利用该模型实时参数对分系统健康状态评估模型的参数进行更新，则参数更新后的分系统健康状态评估模型，适用于对当前状态的分系统的健康状态进行评估。

当下一次利用该分系统健康状态评估模型对该分系统的健康状态进行评估时，再次按照上述处理过程对分系统健康状态评估模型的参数进行更新，由此保证分系统健康状态评估模型的运算参数与分系统的工作状态相匹配。

s406、根据所述任务系统的各个分系统的健康状态，评估确定所述任务系统的健康状态。

具体的，按照上述步骤s405的处理，可以分别评估确定任务系统的各个分系统的健康状态。在此基础上，本发明实施例利用任务系统包含的各个分系统的健康状态，评估确定该任务系统的健康状态。

作为一种可选的实现方式，本发明实施例预先构建及训练系统健康状态评估模型，将该任务系统包含的各个分系统的健康状态输入该系统健康状态评估模型，利用该系统健康状态评估模型，评估确定任务系统的健康状态。

其中，上述的系统健康状态评估模型至少通过执行以下处理过程训练得到：根据任务系统所包含的各个分系统的健康状态评估任务系统的健康状态。

具体的，上述的系统健康状态评估模型的构建及训练过程可参见步骤s405中的对分系统健康状态评估模型的构建和训练过程实现。不同的是，对系统健康状态评估模型的训练数据是分系统的健康状态评估结果以及任务系统的健康状态，而非设备的健康状态评估结果和分系统的健康状态。

另外，与上述的分系统健康状态评估模型的参数更新相类似的，本发明实施例同样设置参数预测模型，用于对系统健康状态评估模型的参数进行实时更新。

以上系统健康状态评估模型的构建、训练及参数更新的实现过程均可参照步骤s405中介绍的关于分系统健康状态评估模型的构建、训练及参数更新的处理过程而实现，此处不再赘述。

需要说明的是，作为可选的实现方式，在健康状态评估模型训练充分，以及适用性足够广的情况下，上述的分系统健康状态评估模型与上述的系统健康状态评估模型可以为同一个模型。也就是说，上述的系统健康状态评估模型可以直接采用上述的分系统健康状态评估模型，将分系统的健康状态评估结果输入该模型，即可评估得到任务系统的健康状态。

本发明实施例中的步骤s401～s403分别对应图1所示的方法实施例中的步骤s101～s103，其具体内容请参见图1所示的方法实施例的内容，此处不再赘述。

与上述的系统健康状态评估方法相对应的，本发明另一实施例还公开了一种系统健康状态评估装置，参见图5所示，该装置包括：

结构分析单元100，用于通过对装备系统进行功能层次划分，确定所述装备系统中的待评估的任务系统的层级结构；

故障分析单元110，用于对所述任务系统进行故障分析处理，确定所述任务系统的各个层级结构的故障节点；

指标分析单元120，用于根据所述任务系统的各个底层结构的故障节点，以及所述任务系统的各个底层结构的测试点数据，确定所述任务系统的各个底层结构的健康指标参数；

状态评估单元130，用于根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的健康状态。

可选的，所述故障分析单元110对所述任务系统进行故障分析处理，确定所述任务系统的各个层级结构的故障节点时，具体用于：

对所述任务系统依次进行从故障模式到故障原因的失效模式与后果分析，以及从故障原因到故障模式的故障树分析，确定所述任务系统的各个层级结构的故障节点。

可选的，在本发明的另一个实施例中公开了，所述结构分析单元100包括：

功能划分单元，用于对装备系统进行功能层次划分，确定所述装备系统的层级结构；

结构确定单元，用于根据所述装备系统的层级结构，确定所述装备系统中的待评估的任务系统的层级结构。

可选的，在本发明的另一个实施例中公开了，所述指标分析单元120包括：

第一筛选单元，用于根据底层结构的故障节点，以及所述底层结构的测试点数据，从所述底层结构的故障节点中筛选出可以提取监测参数的第一故障节点；

第二筛选单元，用于根据所述第一故障节点的实际监测数据和对应的故障结果，从所述第一故障节点中筛选出能够反映所述底层结构的健康状态的故障节点，作为所述底层结构的健康指标参数。

可选的，在本发明的另一个实施例中公开了，所述状态评估单元，包括：

第一状态评估单元，用于利用模糊综合评估方法，根据所述任务系统的各个底层结构的健康指标参数，评估确定所述任务系统的各个底层结构的健康状态；

第二状态评估单元，用于根据所述任务系统的各个底层结构的健康状态，评估确定所述任务系统的健康状态。

其中，所述任务系统的层级结构由底层到顶层依次包括设备层级、分系统层级及系统层级；

所述第二状态评估单元具体包括：

分系统评估单元，用于根据所述任务系统的各个设备的健康状态，评估确定所述任务系统的各个分系统的健康状态；

系统评估单元，用于根据所述任务系统的各个分系统的健康状态，评估确定所述任务系统的健康状态。

其中，所述分系统评估单元根据所述任务系统的各个设备的健康状态，评估确定所述任务系统的各个分系统的健康状态时，具体用于：

对应所述任务系统的每个分系统，分别执行以下操作：

将分系统包含的各个设备的健康状态评估结果输入预训练的分系统健康状态评估模型，以评估确定所述分系统的健康状态；

其中，所述分系统健康状态评估模型至少通过执行以下处理过程训练得到：根据分系统所包含的各个设备的健康状态评估分系统的健康状态。

在将分系统包含的各个设备的健康状态评估结果输入预训练的分系统健康状态评估模型之前，所述分系统评估单元还用于：

将预训练的分系统健康状态评估模型的参数，以及所述任务系统的运行历史数据输入预设的参数预测模型，得到模型实时参数；

利用所述模型实时参数，对所述分系统健康状态评估模型的运算参数进行更新。

所述系统评估单元根据所述任务系统的各个分系统的健康状态，评估确定所述任务系统的健康状态时，具体用于：

将所述任务系统的各个分系统的健康状态评估结果输入预训练的系统健康状态评估模型，以评估确定所述任务系统的健康状态；

其中，所述系统健康状态评估模型至少通过执行以下处理过程训练得到：根据任务系统所包含的各个分系统的健康状态评估任务系统的健康状态。

具体的，上述系统健康状态评估装置的各个实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本发明各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。

本发明所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元，或者二者的结合来实施。软件单元可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。