设备性能的预测方法及装置、存储介质、终端与流程

1.本发明涉及机电技术领域，具体地涉及一种设备性能的预测方法及装置、存储介质、终端。


背景技术：

2.预警是指在灾害以及其他需要提防的危险发生之前，根据以往总结的规律或者观测得到的可能性前兆，向相关部门发出紧急信号，报告危险情况，以避免危害在不知情或者准备不足的情况下发生，从而最大程度的减轻危害所造成的损失的行为。
3.目前的机电系统中，常用的预警方式主要是基于经验的超限预警方法。这种方法依赖较多的人的经验知识，并且容易受到单个异常点的影响报出虚警。而且，该种预警方式不利于早期故障的发现，往往报出预警时，设备或设备部件已经恶化到一定程度。除机电系统中的设备以外，还可以是任一能够多次运行或长久运行的其他设备，均需要尽早发现潜在故障，因而预警指示必不可少。
4.然而，由于当前预警方式存在缺陷，如何预警还需进一步研究。


技术实现要素：

5.本发明解决的技术问题是如何预测设备性能，以提高预警准确率。
6.为解决上述技术问题，本发明实施例提供一种设备性能的预测方法，包括：确定用于评价设备性能的性能指标；从历史数据中获取多个历史性能指标序列，并分别计算每一所述历史性能指标序列的历史p值，以得到历史p值集合，并根据所述历史p值集合确定预警p值；从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值；比较所述待检测p值与所述预警p值，并根据比较结果预测所述设备性能；其中，所述待检测p值及所述历史p值按照如下步骤进行计算：截取预设长度的性能指标序列，并将截取到的性能指标序列划分为第一子序列和第二子序列，所述性能指标序列为按时间顺序排布的多个性能指标，所述性能指标序列为所述历史性能指标序列或所述待检测性能指标序列；构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量，所述统计量服从t分布；根据所述第一子序列和第二子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值，所述p值为所述待检测p值或所述历史p值。
7.可选的，所述根据所述第一子序列和第二子序列确定统计量实测值可以包括：分别删除所述第一子序列和第二子序列中的异常值，以得到更新后第一子序列和更新后第二子序列；根据所述更新后第一子序列和更新后第二子序列确定所述统计量实测值。
8.可选的，所述分别删除所述第一子序列和第二子序列中的异常值包括：利用箱线图异常值处理算法，分别删除所述第一子序列和第二子序列中的异常值。
9.可选的，所述利用箱线图的异常值处理算法，分别删除所述第一子序列和第二子序列中的异常值可以包括：对于所述第一子序列或第二子序列，计算各自的下四分位数和上四分位数；将所述上四分位数与所述下四分位数之差作为四分位距；删除区间[q
1-iqr*
a，q3+iqr*a]以外的元素；其中，q1表示所述第一子序列或第二子序列的下四分位数，q3表示所述第一子序列或第二子序列的上四分位数，a表示预设强度因子，iqr表示所述四分位距。
[0010]
可选的，各个历史性能指标序列的预设长度相同，该预设长度等于所述待检测性能指标序列的预设长度，且划分得到的各个第一子序列的长度相同。
[0011]
可选的，所述根据所述历史p值集合确定预警p值包括：将所述历史p值集合中的各个元素按照从小到大的顺序排列，以得到历史p值序列；根据预设分位数，从所述历史p值序列中选出所述预警p值。
[0012]
可选的，所述第一子序列的长度为n1，所述第二子序列的长度为n2，所述构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量包括：当n1＝n2＝n时，所述服从t分布的统计量为：述服从t分布的统计量为：θ
i
＝ξ
i-η
i
；当n1<n2时，所述服从t分布的统计量为：分布的统计量为：当n1>n2时，所述服从t分布的统计量为：分布的统计量为：其中，ξ
i
表示所述第一子序列的第i个元素，η
i
表示所述第二子序列的第i个元素，i为正整数。
[0013]
可选的，根据对灵敏度和虚警率的需求确定n1与n2的比值：要求的灵敏度越高，其比值越大；要求的虚警率越低，其比值越小。
[0014]
可选的，所述根据统计量实测值计算能够反应设备故障概率的p值；根据统计量所属t分布，采用如下任一公式，计算所述p值：p＝p(|t|>|t0|)；p＝p(t>t0)；p＝p(t<t0)；其中，t表示所述统计量，t0表示所述统计量实测值，p表示求概率。
[0015]
为解决上述技术问题，本发明实施例还提供一种设备性能的预测装置，包括：确定模块，用于确定用于评价设备性能的性能指标；第一计算模块，用于从历史数据中获取多个历史性能指标序列，并分别计算每一所述历史性能指标序列的历史p值，以得到历史p值集合，并根据所述历史p值集合确定预警p值；第二计算模块，用于从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值；比较预测模块，用于比较所述待检测p值与所述预警p值，并根据比较结果预测所述设备性能；其中，所述待检测p值及所述历史p值按照如下步骤进行计算：截取预设长度的性能指标序列，并将截取到的性能指标序列划分为第一子序列和第二子序列，所述性能指标序列为按时间顺序排布的多个性能指
标，所述性能指标序列为所述历史性能指标序列或所述待检测性能指标序列；构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量，所述统计量服从t分布；根据所述第一子序列和第二子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值，所述p值为所述待检测p值或所述历史p值。
[0016]
为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述方法的步骤。
[0017]
为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述方法的步骤。
[0018]
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
[0019]
本发明实施例提供一种设备性能的预测方法，包括：确定用于评价设备性能的性能指标；从历史数据中获取多个历史性能指标序列，并分别计算每一所述历史性能指标序列的历史p值，以得到历史p值集合，并根据所述历史p值集合确定预警p值；从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值；比较所述待检测p值与所述预警p值，并根据比较结果预测所述设备性能；其中，所述待检测p值及所述历史p值按照如下步骤进行计算：截取预设长度的性能指标序列，并将截取到的性能指标序列划分为第一子序列和第二子序列，所述性能指标序列为按时间顺序排布的多个性能指标，所述性能指标序列为所述历史性能指标序列或所述待检测性能指标序列；构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量，所述统计量服从t分布；根据所述第一子序列和第二子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值，所述p值为所述待检测p值或所述历史p值。通过本发明实施例提供的技术方案，可以在确定用于评价设备性能的性能指标之后，通过计算多个不同历史性能指标序列，可以确定所述性能指标的预警p值，并在确定待检测p值后进行比较，从而可以推断、预测设备故障概率。由于预警p值是基于统计学模型得出的，可以很好的克服单个异常点影响，有利于利用参数统计规律的变化降低虚警概率，更加准确地发现早期故障，从而为保障运营维修，降低运营成本提供了有力依据。
[0020]
进一步，所述根据所述第一子序列和第二子序列确定统计量实测值包括：分别删除所述第一子序列和第二子序列中的异常值，以得到更新后第一子序列和更新后第二子序列；根据所述更新后第一子序列和更新后第二子序列确定所述统计量实测值。本发明实施例在确定统计量实测值之前，也会删除异常值，进一步保证获得准确度更高的统计预警p值或待检测p值。
[0021]
进一步，各个历史性能指标序列的预设长度相同，该预设长度等于所述待检测性能指标序列的预设长度，且划分得到的各个第一子序列的长度相同。本发明实施例选取长度相等的各个历史性能指标序列以及待检测性能指标序列，且采用长度相同的划分后子序列，有利于简化设备性能预测过程，且可以提高性能预测准确度。
附图说明
[0022]
图1是本发明实施例的一种设备性能的预测方法的流程示意图；
[0023]
图2是本发明实施例的又一种设备性能的预测方法的流程示意图；
[0024]
图3是本发明实施例的一种设备性能的预测装置的结构示意图。
具体实施方式
[0025]
如背景技术所言，现有技术通常采用基于经验的超限预警方法，主要依赖技术人员的经验知识，准确度相对较低，并且容易受到单个异常点的影响报出虚警。
[0026]
本发明实施例提供一种设备性能的预测方法，包括：确定用于评价设备性能的性能指标；从历史数据中获取多个历史性能指标序列，并分别计算每一所述历史性能指标序列的历史p值，以得到历史p值集合，并根据所述历史p值集合确定预警p值；从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值；比较所述待检测p值与所述预警p值，并根据比较结果预测所述设备性能；其中，所述待检测p值及所述历史p值按照如下步骤进行计算：截取预设长度的性能指标序列，并将截取到的性能指标序列划分为第一子序列和第二子序列，所述性能指标序列为按时间顺序排布的多个性能指标，所述性能指标序列为所述历史性能指标序列或所述待检测性能指标序列；构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量，所述统计量服从t分布；根据所述第一子序列和第二子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值，所述p值为所述待检测p值或所述历史p值。
[0027]
通过本发明实施例提供的技术方案，可以在确定用于评价设备性能的性能指标之后，通过计算多个不同历史性能指标序列，可以确定所述性能指标的预警p值，并在确定待检测p值后进行比较，从而可以推断、预测设备故障概率。由于预警p值是基于统计学模型得出的，可以很好的克服单个异常点影响，有利于利用参数统计规律的变化降低虚警概率，更加准确地发现早期故障，从而为保障运营维修，降低运营成本提供了有力依据。
[0028]
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
[0029]
图1是本发明实施例的一种设备性能的预测方法的流程示意图。所述设备性能预测方法可以由计算设备实施。所述计算设备包括但不限于终端设备、服务器等。具体而言，所述预测方法可以包括以下步骤：
[0030]
步骤s101，确定用于评价设备性能的性能指标；
[0031]
步骤s102，从历史数据中获取多个历史性能指标序列，并分别计算每一所述历史性能指标序列的历史p值，以得到历史p值集合，并根据所述历史p值集合确定预警p值；
[0032]
步骤s103，从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值；
[0033]
步骤s104，比较所述待检测p值与所述预警p值，并根据比较结果预测所述设备性能。
[0034]
其中，所述待检测p值及所述历史p值按照如下步骤进行计算：
[0035]
截取预设长度的性能指标序列，并将截取到的性能指标序列划分为第一子序列和第二子序列，所述性能指标序列为按时间顺序排布的多个性能指标，所述性能指标序列为所述历史性能指标序列或所述待检测性能指标序列；
[0036]
构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量，所述统计量服从t分布；
[0037]
根据所述第一子序列和第二子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值，所述p值为所述待检测p值或所述历史p值。
[0038]
更具体而言，在步骤s101中，可以确定用于评价设备性能的性能指标。所述设备可以是任何一种机电设备，也可以是其他能够长期、多次运行的设备。所述性能指标可以是能够反应所述设备性能的某一部件性能或若干部件性能的参数指标。该部件可以是所述设备的重要或关键部件，也可以是所述设备的支撑部件或外围部件。
[0039]
在步骤s102中，可以从历史数据中获取多个历史性能指标序列。在具体实施中，所述历史数据包括所述设备在历史运行过程中产生的性能指标及其他信息。所述历史数据是按照时间先后顺序排布的。在从所述历史数据中提取出按照时间先后顺序排布的完整历史性能指标序列之后，可以通过滑动窗口方式从所述完整历史性能指标序列中截取多个历史性能指标序列。
[0040]
之后，可以分别计算每一所述历史性能指标序列的历史p值。各个所述历史p值形成历史p值集合。
[0041]
在具体实施中，首先确定每一历史性能指标序列的长度，该长度可以称为预设长度，指的是该历史性能指标序列包含的元素的数量。其次，可以从所述完整历史性能指标序列中截取所述预设长度的多个历史性能指标序列。例如，假设所述完整历史性能指标序列长度为m，各元素表示为x
i
，i＝1,2,3,
…
,m。每一所述历史性能指标序列为n，n<m，m、n为正整数。例如，其中一个历史性能指标序列为x
j
，j＝k,k+1,
…
,k+n-1,k≥1；另一历史性能指标序列为x
p
，p＝k+n,k+n+1,
…
,k+2n-1，(k+2n-1)<m。又例如，其中一个历史性能指标序列为x
j
，j＝k,k+1,
…
,k+n-1,k≥1；另一历史性能指标序列为x
p
，p＝k+v,k+v+1,
…
,k+v+n-1,k<v<n-1,(k+v+n-1)<m。
[0042]
再次，对于每一所述历史性能指标序列，可以将其划分为第一历史子序列和第二历史子序列，所述历史性能指标序列包括按时间顺序排布的多个历史性能指标。在一个非限制性的例子中，所述第一历史子序列的长度为n1，即所述第一历史子序列包含的元素数量为n1，所述第二历史子序列的长度为n2，即所述第二历史子序列包含的元素数量为n2，n1与n2之和等于所述预设长度。
[0043]
在具体实施中，可以根据对灵敏度和虚警率的需求确定n1与n2的值：要求的灵敏度越高，其比值越大，越容易检测出设备性能的变化，此时容易受到其他因素影响，虚警率会较高。反之，要求的虚警率越低，其比值越小，此时不容易受到其他因素影响，灵敏度也会降低。
[0044]
之后，可以构造能够表示所述第一历史子序列和第二历史子序列之间的均值水平差异的统计量，所述统计量服从t分布。
[0045]
进一步，可以根据所述第一历史子序列和第二历史子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值。具体实施时，所述统计量实测值可以根据更新后第一历史子序列和更新后第二历史子序列计算得到。所述更新后第一历史子序列和更新后第二历史子序列是第一历史子序列和第二历史子序列各自删除其中的异常值的结果。
[0046]
在一个非限制性的例子中，可以利用箱线图异常值处理算法删除所述第一历史子序列或第二历史子序列中的异常值。
[0047]
具体而言，对于所述第一历史子序列或第二历史子序列，可以首先计算各自的下四分位数和上四分位数；其次可以将所述上四分位数与所述下四分位数之差作为四分位距；再次可以删除区间[q
1-iqr*a，q3+iqr*a]以外的元素。其中，q1表示所述第一子序列或第二子序列的下四分位数，q3表示所述第一子序列或第二子序列的上四分位数，a表示预设强度因子，iqr表示所述四分位距，“*”表示相乘。
[0048]
进一步，可以构造能够表示所述第一历史子序列和第二历史子序列之间的均值水平差异的统计量，所述统计量服从t分布。在一个实施例中，可以根据统计量所属t分布，采用如下任一公式，计算所述p值：p＝p(|t|>|t0|)；p＝p(t>t0)；p＝p(t<t0)；其中，t表示所述统计量，t0表示所述统计量实测值，p表示计算概率。
[0049]
在一个非限制性的例子中，假设所述第一历史子序列的长度为n1，所述第二历史子序列的长度为n2，ξ
i
表示所述第一子序列的第i个元素，η
i
表示所述第二子序列的第i个元素，i为正整数。在此条件下，所述服从t分布的统计量如下：当n1＝n2＝n时，所述服从t分布的统计量为：的统计量为：θ
i
＝ξ
i-η
i
。
[0050]
当n1<n2时，所述服从t分布的统计量为：时，所述服从t分布的统计量为：
[0051]
当n1>n2时，所述服从t分布的统计量为：时，所述服从t分布的统计量为：
[0052]
在另一个非限制性的例子中，假设所述第一历史子序列的长度为n1，所述第二历史子序列的长度为n2。所述更新后第一历史子序列和更新后第二历史子序列各自的长度分别为n1和n2，ξ
i
表示所述第一子序列的第i个元素，η
i
表示所述第二子序列的第i个元素，i为正整数。在此条件下，当n1＝n2＝n时，服从t分布的统计量为：＝n时，服从t分布的统计量为：θ
i
＝ξ
i-η
i
。
[0053]
当n1<n2时，服从t分布的统计量为：时，服从t分布的统计量为：
[0054]
当n1>n2时，服从t分布的统计量为：
[0055][0056]
进一步，在根据所述第一历史子序列和第二历史子序列计算得到所述统计量实测值之后，可以根据所述统计量实测值计算能够反应设备故障概率的历史p值。
[0057]
之后，可以按照类似计算方法得到每一历史性能指标序列的历史p值，进而得到所述历史p值集合。基于所述历史p值集合可以确定预警p值。在一个实施例中，可以将所述历史p值集合中的各个元素按照从小到大的顺序排列，以得到历史p值序列；之后，可以根据预设分位数，从所述历史p值序列中选出所述预警p值。
[0058]
在步骤s103中，可以从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值。在实际应用中，通常可以选取长度相同的多个历史性能指标序列。具体而言，当所述多个历史性能指标序列的长度相同时，所述待检测性能指标序列的长度可以与所述历史性能指标序列的长度相同。此时，所述待检测性能指标序列划分得到的第一待检子序列和第二待检子序列各自的长度分别与该历史性能指标序列划分得到的第一历史子序列和第二历史子序列各自的长度均相同。
[0059]
之后，可以构造能够表示所述第一待检子序列和第二待检子序列之间的均值水平差异的统计量，所述统计量服从t分布。
[0060]
进一步，可以根据所述第一待检子序列和第二待检子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值。具体实施时，所述统计量的实测值可以是所述第一待检子序列和第二待检子序列各自删除其中的异常值，分别得到更新后第一待检子序列和更新后第二待检子序列，并根据所述更新后第一待检子序列和更新后第二待检子序列计算得到的。
[0061]
在一个非限制性的例子中，可以利用箱线图异常值处理算法删除所述第一待检子序列或第二待检子序列中的异常值。具体而言，采用箱线图异常值处理算法删除所述第一待检子序列或第二待检子序列中的异常值与删除所述第一待检子序列或第二历史子序列的步骤相同，这里不再重复。
[0062]
进一步，可以构造能够表示所述第一待检子序列或第二待检子序列以反映二者之间的均值水平差异的统计量，所述统计量服从t分布。在一个实施例中，可以根据统计量所属t分布，采用如下任一公式，计算所述p值：p＝p(|t|>|t0|)；p＝p(t>t0)；p＝p(t<t0)；其中，t表示所述统计量，t0表示所述统计量实测值。需要说明的是，所述服从t分布的统计量的公式与上文相同，这里不再重复。
[0063]
进一步，在根据所述第一待检子序列和第二待检子序列计算得到所述统计量实测值之后，可以根据所述统计量实测值计算能够反应设备故障概率的待检测p值。
[0064]
需要说明的是，步骤s102和步骤s103可以顺序执行，可以并行。顺序执行时，在确定所述预设长度以及划分得到的两个子序列长度之后，步骤s102的执行可以位于步骤s103之前，也可以位于步骤s103之后。
[0065]
继续参考图1，在步骤s104中，可以比较所述待检测p值与所述预警p值，并根据比
较结果预测所述设备性能。在一个非限制性的例子中，当所述预警p值小于所述待检测p值时，可以预测所述设备存在故障风险，此时可以发出预警指示。
[0066]
下面以机电设备为具体实施例进行详细阐述。图2是本发明实施例的一种典型场景中的机电设备的性能检测方法的流程示意图。
[0067]
参考图2，首先，在步骤s201中，根据业务逻辑、物理原理或数学模型提取机电设备的一性能指标。在确定该性能指标时，应尽量确保该性能指标基本不受环境因素的影响，能够刻画机电设备状态。由于测量误差或模型误差的存在，允许该性能指标在一定范围内随机波动，但出现异常，未必发展为故障时，性能指标将失去原有的统计规律。基于此，可以基于统计得到性能指标，确定机电设备是否存在异常风险。
[0068]
其次，在步骤s202中截取一定长度的性能指标序列，将其分割为前后两个子序列。例如，截取一定长度的性能指标序列，将其分割为长度为n1和n2的前后两个待检子序列，n1和n2的值可以根据需要的灵敏度确定。若发生异常时，需要根据性能指标快速反馈，则n2可适当减小；反之，n2可适当增大。n2定的太小则容易受少数随机原因造成的异常点的影响报出虚警，n2的确定是灵敏度与虚警率之间博弈的结果。
[0069]
需要说明的是，所述性能指标序列可以是历史性能指标序列，所述历史性能指标序列是从历史数据中获取到的。或者，所述性能指标序列可以是待检测性能指标序列，该待检测性能指标序列可以是从待检测数据中获取到的。
[0070]
再次，在步骤s203中，利用箱线图等异常值处理方法去除前后两个子序列中的异常值。去除异常值之后，可以得到更新后的前后两个子序列。
[0071]
例如，可以利用箱线图的异常值处理方法，对前后两个子序列分别进行异常值去除。具体方法为：计算每一子序列的下四分位数q1，及其关联的上四分位数q3，并计算四分位距iqr，iqr＝q
3-q1。设定一强度参数a，删除区间[q
1-iqr*a，q3+iqr*a]以外的元素。在实际应用中，a的值通常为3。本领域技术人员理解，a的取值还可以根据实际需求变化为其他数值，“*”表示相乘。
[0072]
进一步在步骤s204中，可以构造可用于检验两个子序列均值水平差异的t统计量。其中，所述两个子序列可以是所述更新后的前后两个子序列。
[0073]
例如，令随机变量ξ为来自前半段的子序列，随机变量η为来自后半段的子序列。假设随机变量ξ和随机变量η均服从正态分布，此时构造的统计量满足t分布。所述统计量的大小刻画了前后两部分性能指标均值水平的差异。
[0074]
在一个实施例中，假设所述前后两个子序列各自的长度为n1，n2。所述更新后的前后两个子序列记为更新后第一子序列和更新后第二子序列，各自的长度为n1和n2。ξ
i
表示所述更新后第一子序列的第i个元素，η
i
表示所述更新后第二子序列的第i个元素，i为正整数。在此条件下，所述服从t分布的统计量如下：当n1＝n2＝n’时，所述服从t分布的统计量为：为：θ
i
＝ξ
i-η
i
。
[0075]
当n1<n2时，所述服从t分布的统计量为：时，所述服从t分布的统计量为：
[0076]
当n1>n2时，所述服从t分布的统计量为：时，所述服从t分布的统计量为：
[0077]
本领域技术人员理解，不同的构造方式，t分布的自由度不同。上述t统计量均满足某个自由度的t分布，这里不再赘述。
[0078]
进一步，在步骤s205中，可以根据统计量实测值计算待检测性能指标序列的待检p值，或技术历史性能指标序列的历史p值。其中，p表示所述统计量的概率，t表示所述统计量，t0表示所述统计量实测值。所述统计量所属t分布，可以计算所述统计量实测值对应的p值，例如，p＝p(|t|>|t0|)；p＝p(t>t0)；p＝p(t<t0)。
[0079]
由于统计量为某一自由度的t分布，通过计算机很容易计算得到上述概率值。具体选用何种方式计算p值取决于对漂移类型的选择。若无论向上或向下漂移，都希望报出预警，则采用p＝p(|t|>|t0|)计算p值；若只关注向下漂移则采用p＝p(t>t0)计算p值；若只关注向上漂移，则采用最后p＝p(t<t0)进行计算。
[0080]
进一步，在步骤s206中，可以对历史指标序列通过一定大小的窗口滑动截取多个历史性能指标序列，且计算各个历史p值。计算各个历史p值可以是按照类似步骤s201至步骤s205完成的。
[0081]
进一步，在步骤s207中，结合在步骤s200中设置的预设分位数b，可以计算全部历史p值在分位数b下对应的值，以此作为预警p值。例如，可以滑动截取固定长度的历史性能指标序列，利用s201至步骤s205的方式计算各个历史p值。设定一分位数控制需要报出预警的p值的数量，计算历史p值在这一分位数下的值，以得到所述预警p值。
[0082]
进一步，在步骤s208中，待检p值小于预警p值时发出预警提示。
[0083]
需要说明的是，计算待检p值的过程可以与计算历史p值的过程可以并列执行，也可以顺序执行。顺序执行时，如果事先已经得到待检测数据，能够获得待检测性能指标序列，那么可以首先根据所述待检测性能指标序列计算待检p值，之后计算各个历史p值；也可以首先计算各个历史p值，之后确定待检测数据，并根据所述待检测数据获得待检测性能指标序列以计算待检p值。
[0084]
综上所述，本发明实施例可以充分利用统计学原理，从整体上评价设备的性能指标的变化程度，相比于现有技术的超限预警技术，克服了其容易受单个异常点影响的缺点。该方案在性能指标出现漂移初期即可识别出状态变化，而非进入恶化状态才能识别，更易于在故障的萌芽状态发现潜在风险，十分有利于保障设备的健康运行，降低运营和维修成本。此外，预警阈值的确定通过统计方法得到，可以很大程度减少人为确定阈值的主观因
素，是一种更为科学和客观的方法。
[0085]
图3是本发明实施例的一种设备性能的预测装置的结构示意图。所述设备性能的预测装置3(以下简称为预测装置3)可以用于采用上述图1至图2所示方法对各种设备进行预测，并可以根据预测结果发出预警信号。
[0086]
在具体实施中，所述预测装置3可以包括：确定模块31，用于确定用于评价设备性能的性能指标；第一计算模块32，用于从历史数据中获取多个历史性能指标序列，并分别计算每一所述历史性能指标序列的历史p值，以得到历史p值集合，并根据所述历史p值集合确定预警p值；第二计算模块33，用于从待检测数据中获取待检测性能指标序列，计算所述待检测性能指标序列的待检测p值；比较预测模块34，用于比较所述待检测p值与所述预警p值，并根据比较结果预测所述设备性能；其中，所述待检测p值及所述历史p值按照如下步骤进行计算：截取预设长度的性能指标序列，并将截取到的性能指标序列划分为第一子序列和第二子序列，所述性能指标序列为按时间顺序排布的多个性能指标，所述性能指标序列为所述历史性能指标序列或所述待检测性能指标序列；构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量，所述统计量服从t分布；根据所述第一子序列和第二子序列确定统计量实测值，并根据所述统计量实测值计算能够反应设备故障概率的p值，所述p值为所述待检测p值或所述历史p值。
[0087]
在具体实施中，所述根据所述第一子序列和第二子序列确定所述统计量实测值可以包括：分别删除所述第一子序列和第二子序列中的异常值，以得到更新后第一子序列和更新后第二子序列；根据所述更新后第一子序列和更新后第二子序列确定所述统计量实测值。
[0088]
在具体实施中，所述分别删除所述第一子序列和第二子序列中的异常值包括：利用箱线图异常值处理算法，分别删除所述第一子序列和第二子序列中的异常值。
[0089]
在具体实施中，所述利用箱线图的异常值处理算法，分别删除所述第一子序列和第二子序列中的异常值可以包括：对于所述第一子序列或第二子序列，计算各自的下四分位数和上四分位数；将所述上四分位数与所述下四分位数之差作为四分位距；删除区间[q
1-iqr*a，q3+iqr*a]以外的元素；其中，q1表示所述第一子序列或第二子序列的下四分位数，q3表示所述第一子序列或第二子序列的上四分位数，a表示预设强度因子，iqr表示所述四分位距。
[0090]
在具体实施中，可以各个历史性能指标序列的预设长度相同，该预设长度等于所述待检测性能指标序列的预设长度，且划分得到的各个第一子序列的长度相同。
[0091]
在具体实施中，所述根据所述历史p值集合确定预警p值包括：将所述历史p值集合中的各个元素按照从小到大的顺序排列，以得到历史p值序列；根据预设分位数，从所述历史p值序列中选出所述预警p值。
[0092]
在具体实施中，所述第一子序列的长度为n1，所述第二子序列的长度为n2，所述构造能够表示所述第一子序列和第二子序列之间的均值水平差异的统计量包括：
[0093]
当n1＝n2＝n时，所述服从t分布的统计量为：
θ
i
＝ξ
i-η
i
；当n1<n2时，所述服从t分布的统计量为：分布的统计量为：当n1>n2时，所述服从t分布的统计量为：分布的统计量为：其中，ξ
i
表示所述第一子序列的第i个元素，η
i
表示所述第二子序列的第i个元素，i为正整数。
[0094]
在具体实施中，可以根据对灵敏度和虚警率的需求确定n1与n2的比值：要求的灵敏度越高，其比值越大；要求的虚警率越低，其比值越小。
[0095]
在具体实施中，所述根据统计量实测值计算能够反应设备故障概率的p值；根据统计量所属t分布，采用如下任一公式，计算所述p值：p＝p(|t|>|t0|)；p＝p(t>t0)；p＝p(t<t0)；其中，t表示所述统计量，t0表示所述统计量实测值。
[0096]
关于所述预测装置3的工作原理、工作方式的更多内容，可以一并参照上述图1至图2所示实施例中的相关描述，这里不再赘述。
[0097]
进一步地，本发明实施例还公开一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述图1至图2所示实施例中所述方法技术方案。优选地，所述存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。所述计算机可读存储介质可以包括rom、ram、磁盘或光盘等。
[0098]
进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述图1至图2所示实施例中所述方法技术方案。具体而言，所述终端可以为具有计算能力的各种计算设备。
[0099]
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。