GB_T43555-2023智能服务预测性维护算法测评方法.docx

《GB_T43555-2023智能服务预测性维护算法测评方法.docx》由会员分享，可在线阅读，更多相关《GB_T43555-2023智能服务预测性维护算法测评方法.docx（27页珍藏版）》请在优知文库上搜索。

1、ICS25.040.40CCSN19中华人民共和国国家标准GB/T435552023智能服务预测性维护算法测评方法Intelligentservice-Predictivemaintenance-Algorithmevaluationmethod2023-12-28发布2024-07-01实施国家市场监督管理总局国家标准化管理委员会目次前言III引言IV1范围12规范性引用文件I3术语和定义14缩略语25总则26测评对象27算法测评流程38算法测试指标38.1 状态监测算法测试指标38.1.1 概述38.1.2 状态判别准确率48.1.3 异常状态漏报率48.2 故障诊断算法测试指标48.2.

2、1 通则48.2.2 专家系统算法测试指标48.2.3 机器学习算法测试指标58.3 预测算法测试指标68.3.1 概述68.3.2 预测准确率78.3.3 平均绝对误差78.3.4 均方根误差78.3.5 可决系数78.3.6 预测误差评分指标89算法测试方法89.1 状态监测算法测试89.1.1 测试数据要求89.1.2 测试方法89.1.3 测试结果99.2 故障诊断算法测试99.2.1 测试数据要求99.2.2 测试方法99.2.3 测试结果99.3 预测算法测试109.3.1 测试数据要求109.3.2 测试方法IO9.3.3 测试结果1110算法评价要求1210.1 状态监测算法评

3、价要求1210.2 故障诊断算法评价要求1210.3 预测算法评价要求1210.4 评价说明1211测试数据要求1211.1 一般要求1211.2 数据入库要求1211.2.1 格式与内容要求1211.2.2 校核要求1211.2.3 数据转换1311.2.4 数据入库1311.2.5 数据入库后检查13附录A（资料性）信号处理算法测试指标14A.1波形质量评价指标14A.2频谱质量评价指标14A.3时频分布质量评价指标15A.4计算复杂度评价指标16附录B（资料性）预测算法测试补充指标178.1 均方误差178.2 精确度178.3 不确定性度量指标17附录C（资料性）测评报告格式19附录D

4、（资料性）预测算法评价20附录E（规范性）数据库建设及系统要求22E.1一般要求22E.2数据质量要求22E.2.1数据格式22E.2.2数据采集频率23E.2.3数据采集位置23E.2.4数据内容评估23E.3数据库系统功能23E.3.1数据库系统基本功能23E.3.2数据库安全管理功能23E.3.3数据库输入输出功能23E.3.4数据库查询、检索与统计功能23参考文献24-XJ1.-三刖S本文件按照GBT1.12020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中国机械工业联合会提出。本文件

5、由全国工业过程测量控制和自动化标准化技术委员会（SAC/TC124）归口。本文件起草单位：机械工业仪器仪表综合技术经济研究所、中国石油大学（北京）、清华大学、重庆邮电大学、上海电气集团股份有限公司中央研究院、中国科学院合肥物质科学研究院、北京邮电大学、北京奔驰汽车有限公司、潍柴动力股份有限公司、北京天泽智云科技有限公司、上海大制科技有限公司、频率探索智能科技江苏有限公司、上海华兴数字科技有限公司、合肥综合性国家科学中心能源研究院（安徽省能源实验室）、西门子（中国）有限公司、舍弗勒（中国）有限公司、斯凯孚绿色智能科技（上海）有限公司、施耐德电气（中国）有限公司、三菱电机自动化（中国）有限公司、恩

6、德斯豪斯（中国）自动化有限公司、丹东华通测控有限公司、北京英华达电力电子工程科技有限公司、泰兴伯漾集成科技有限公司、武汉东研智慧设计研究院有限公司、台达电子企业管理（上海）有限公司、华为技术有限公司、中广核研究院有限公司、西安交通大学、北京航空航天大学、重庆大学、上海交通大学、中国计量大学、重庆川仪自动化股份有限公司、上海自动化仪表有限公司、中国科学院沈阳自动化研究所、大连理工大学、沈阳中科博微科技股份有限公司、北京博华信智科技股份有限公司、航天智控（北京）监测技术有限公司、青岛明思为科技有限公司、重庆川仪软件有限公司、安徽容知日新科技股份有限公司、上海朋禾智能科技有限公司、中国工程物理研究院

7、动力部、重庆盟讯电子科技有限公司、国家石油天然气管网集团有限公司科学技术研究总院分公司、国家石油天然气管网集团有限公司、工业和信息化部电子第五研究所、上海航数智能科技有限公司、易福门电子（上海）有限公司、中国商用飞机有限责任公司上海飞机设计研究院、中国科学院空间应用工程与技术中心、山东省计算中心（国家超级计算济南中心）、福建阿古电务数据科技有限公司、上海人工智能创新中心、电子科技大学、北京东方振动和噪声技术研究所、一汽解放汽车有限公司、清华大学山西清洁能源研究院、北京龙鼎源科技股份有限公司、科大讯飞股份有限公司、北京角动力技术有限公司、北京工商大学、武汉中云康崇科技有限公司、南京高精齿轮集团有

8、限公司、北京华控智加科技有限公司、广东省工业边缘智能创新中心有限公司、西安华云智联信息科技有限公司、西安因联信息科技有限公司、硕橙（厘门）科技有限公司、重庆电子工程职业学院、北京可维卓立科技有限公司、苏州拓康自动化技术有限公司、杭州安脉盛智能技术有限公司、上海诸算科技有限公司、北京航空航天大学杭州创新研究院、北京联华科技有限公司、北京晨测科技有限公司、北京仪综测业科技发展有限公司。本文件主要起草人：王成城、王金江、王凯、张来斌、褚福磊、黄庆卿、许伟、张祖超、吴振宇、王春喜、郭东栋、黄晨光、金超、徐骏、孟力、朱超、游和平、刘少清、周林飞、杨炳春、翁良、刘文、高山青、陆小龙、王蓬、吴仕明、吴轩豪、

9、雷亚国、张飞斌、严如强、韩延、李吉吉、谈宏志、瓢山、姜宗睿、董智升、黄毅、吴文超、李祎文、张开桓、阎新华、赵磊、任锦胜、方正飞、肖立宏、黄自平、张益林、李响、钱诚、张可、陶建峰、王强、田英明、包伟华、王铭、李宏坤、林跃、杨祖业、刘锦南、曾志生、左明健、再沫、王勇、崔鹏、李云、陈菁、朱喜平、杨喜良、孟苓辉、徐海杰、史建亮、李海伟、李鹏、张镇、郭昌华、朱国良、陈芳、王敏、刘锋、赵旭、张晓、王川、宫韬、乔靖玉、金学波、杨宝军、宁国云、王鹏、文IJ加、陈超、任志刚、田秦、瞿干上、杜雪飞、唐环、张庆军、孙丰诚、谢鹏、张凤丽、郭晓辉、郭小曦、林娟。预测性维护已逐渐发展成为运维服务的主要模式，在多个行业均有

10、较为广泛的应用。算法是预测性维护能否有效实施的核心，亟需标准化的测评体系来科学合理地评价预测性维护算法的准确性、有效性和适用性。预测性维护是针对各行业设备或部件，以振动、图像、电流、声纹等信号分析为手段，结合新一代信息技术进行状态监测、故障诊断及剩余寿命预测，制定运维决策方案并安排合理维修活动的新型装备运维模式。本文件以预测性维护中的状态监测、故障诊断、寿命预测等算法为对象，抽取行业共性的测试评价指标及方法，建立通用的算法测评体系，为各行业应用和推广提供支撑。通常将预测性维护的从业人员分为装备用户、装备制造商和解决方案供应商。本文件为上述从业人员提供测评依据，如为装备用户采购及验收提供重要支撑

11、材料，为装备制造商和解决方案供应商描述其所提供的预测性维护技术方案的优势提供依据。智能服务预测性维护算法测评方法1范囹本文件规定了预测性维护中的算法测评分类、测评流程、测试指标、评价要求和测评数据要求，描述了测试方法。本文件适用于预测性维护中的状态监测、故障诊断、寿命预测等算法的测试评价。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件：不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T40571-2021智能服务预测性维护通用要求3术语和定义下列术语和定义适用于本文件。3.1状态监溜c

12、onditionmonitoring检测与收集反映机器状态的信息和数据。注：如果故障或失效发生，则机器状态恶化。来源：GB/T209212007,2.53.2故障诊断faultdiagnosis为确定故障或失效的性质（种类、状况、程度），而检验症状和症候群。来源：GB/T209212007,2.6,有修改3.3寿命预测Iifeprediction对故障的症状进行分析，以预估未来的状态和剩余使用寿命。注：寿命预测通常指剩余使用寿命预测。来源：GB/T209212007,2.16,有修改3.4预渊性维护predictivemaintenance根据观测到的状况而决定的连续或间断进行的维护，以监测、

13、诊断或预测构筑物、系统或部件的状态指标。来源：GB/T405712021,3.5,有修改3.5 信度confidencelevel表示诊断/预测的正确程度的质量准则。注1：它以百分率来表示。注2：这个值实质上是一个数字，它表示误差源对输出结果精度的最终可靠性或置信程度的累积影响，通过计算或者力哝评估系统来确定。来源：GB/T23713.12009,3.24缩略语下列缩略语适用于本文件。MAE:平均绝对误差(MeanAbsoluteError)MSE:均方误差(MeanSquaredError)RMSE:均方根误差(RoOtMeanSquaredError)RU1.:剩余使用寿命(Remaini

14、ngUseful1.ife)SPE:预测误差评分(SCoreofPredictionError)UQ:不确定性度量(UnCertaintyQuantification)5总则根据GB/T405712021中5.3的要求，预测性维护可实现状态监测、故障诊断和寿命预测等功能。本文件对状态监测、故障诊断、寿命预测等算法进行测评，其中寿命预测算法简称为预测算法。本文件提出的测评方法包含测试和评价两部分，其中测试主要基于第8章算法测试指标及第9章算法测试方法进行计算，评价主要基于第10章算法评价要求进行分析，二者共同构成了算法测评体系。6测评对象本文件针对状态监测、故隙诊断和寿命预测等算法进行测评，在实

15、际测试中可选择其中一种或多种进行测试。状态监测算法测评包括以下几种。基于阈值的监测算法：状态监测算法可分为两种，分别是基于固定阈值的判别方法和基于相对阈值的判别方法。测试指标见8.1,测试方法见9.1。 不属于上述类别的算法可参考&1中的指标进行测评。故障诊断算法测评包括以下几种。 专家系统测评：专家系统可应用人工智能技术和计算机技术，根据领域专家的知识和经验进行推理和判断，基于专家系统的特征数据匹配度获得故障诊断的结果。专家系统测试指标见8.2.1,测试方法见9.2。一机器学习算法测评：机器学习算法可通过状态特征的分类获得故障诊断的结果。机器学习算法测试指标见&2.2,测试方法见9.2o 不属于上述类别的算法可参考8.2中的指标进行测评。预测算法测评为基于用户定义的失效阈值对寿命预测算法进行测评。寿命预测算法能够推演预测特征的轨迹在何处与失效阈值相交，