GBT 43555-2023 智能服務(wù) 預(yù)測性維護(hù) 算法測評方法

智能服務(wù)預(yù)測性維護(hù)算法測評方法2023-12-28發(fā)布國家標(biāo)準(zhǔn)化管理委員會I前言 12規(guī)范性引用文件 13術(shù)語和定義 14縮略語 25總則 26測評對象 27算法測評流程 38算法測試指標(biāo) 38.1狀態(tài)監(jiān)測算法測試指標(biāo) 38.1.1概述 38.1.2狀態(tài)判別準(zhǔn)確率 48.1.3異常狀態(tài)漏報率 48.2故障診斷算法測試指標(biāo) 48.2.1通則 48.2.2專家系統(tǒng)算法測試指標(biāo) 48.2.3機(jī)器學(xué)習(xí)算法測試指標(biāo) 58.3預(yù)測算法測試指標(biāo) 68.3.1概述 68.3.2預(yù)測準(zhǔn)確率 78.3.3平均絕對誤差 78.3.4均方根誤差 78.3.5可決系數(shù) 78.3.6預(yù)測誤差評分指標(biāo) 89算法測試方法 89.1狀態(tài)監(jiān)測算法測試 89.1.1測試數(shù)據(jù)要求 89.1.2測試方法 89.1.3測試結(jié)果 99.2故障診斷算法測試 99.2.1測試數(shù)據(jù)要求 99.2.2測試方法 99.2.3測試結(jié)果 99.3預(yù)測算法測試 9.3.1測試數(shù)據(jù)要求 Ⅱ9.3.2測試方法 9.3.3測試結(jié)果 10算法評價要求 10.1狀態(tài)監(jiān)測算法評價要求 10.2故障診斷算法評價要求 10.3預(yù)測算法評價要求 10.4評價說明 11測試數(shù)據(jù)要求 11.1一般要求 11.2數(shù)據(jù)入庫要求 11.2.1格式與內(nèi)容要求 11.2.2校核要求 11.2.3數(shù)據(jù)轉(zhuǎn)換 11.2.4數(shù)據(jù)入庫 11.2.5數(shù)據(jù)入庫后檢查 附錄A(資料性)信號處理算法測試指標(biāo) A.1波形質(zhì)量評價指標(biāo) A.2頻譜質(zhì)量評價指標(biāo) A.3時頻分布質(zhì)量評價指標(biāo) A.4計算復(fù)雜度評價指標(biāo) 附錄B(資料性)預(yù)測算法測試補(bǔ)充指標(biāo) B.1均方誤差 B.2精確度 B.3不確定性度量指標(biāo) 附錄C(資料性)測評報告格式 附錄D(資料性)預(yù)測算法評價 附錄E(規(guī)范性)數(shù)據(jù)庫建設(shè)及系統(tǒng)要求 E.1一般要求 E.2數(shù)據(jù)質(zhì)量要求 E.2.1數(shù)據(jù)格式 E.2.2數(shù)據(jù)采集頻率 E.2.3數(shù)據(jù)采集位置 E.2.4數(shù)據(jù)內(nèi)容評估 E.3數(shù)據(jù)庫系統(tǒng)功能 E.3.1數(shù)據(jù)庫系統(tǒng)基本功能 E.3.2數(shù)據(jù)庫安全管理功能 E.3.3數(shù)據(jù)庫輸入輸出功能 E.3.4數(shù)據(jù)庫查詢、檢索與統(tǒng)計功能 參考文獻(xiàn) ⅢGB/T43555—2023本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識別專利的責(zé)任。本文件由中國機(jī)械工業(yè)聯(lián)合會提出。本文件由全國工業(yè)過程測量控制和自動化標(biāo)準(zhǔn)化技術(shù)委員會(SAC/TC124)歸口。本文件起草單位：機(jī)械工業(yè)儀器儀表綜合技術(shù)經(jīng)濟(jì)研究所、中國石油大學(xué)(北京)、清華大學(xué)、重慶郵電大學(xué)、上海電氣集團(tuán)股份有限公司中央研究院、中國科學(xué)院合肥物質(zhì)科學(xué)研究院、北京郵電大學(xué)、北京奔馳汽車有限公司、濰柴動力股份有限公司、北京天澤智云科技有限公司、上海大制科技有限公司、頻率探索智能科技江蘇有限公司、上海華興數(shù)字科技有限公司、合肥綜合性國家科學(xué)中心能源研究院(安徽省能源實驗室)、西門子(中國)有限公司、舍弗勒(中國)有限公司、斯凱孚綠色智能科技(上海)有限公司、施耐德電氣(中國)有限公司、三菱電機(jī)自動化(中國)有限公司、恩德斯豪斯(中國)自動化有限公司、丹東華通測控有限公司、北京英華達(dá)電力電子工程科技有限公司、泰興鉑漾集成科技有限公司、武漢東研智慧設(shè)計研究院有限公司、臺達(dá)電子企業(yè)管理(上海)有限公司、華為技術(shù)有限公司、中廣核研究院有限公司、西安交通大學(xué)、北京航空航天大學(xué)、重慶大學(xué)、上海交通大學(xué)、中國計量大學(xué)、重慶川儀自動化股份有限公司、上海自動化儀表有限公司、中國科學(xué)院沈陽自動化研究所、大連理工大學(xué)、沈陽中科博微科技股份有限公司、北京博華信智科技股份有限公司、航天智控(北京)監(jiān)測技術(shù)有限公司、青島明思為科技有限公司、重慶川儀軟件有限公司、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、中國工程物理研究院動力部、重慶盟訊電子科技有限公司、國家石油天然氣管網(wǎng)集團(tuán)有限公司科學(xué)技術(shù)研究總院分公司、國家石油天然氣管網(wǎng)集團(tuán)有限公司、工業(yè)和信息化部電子第五研究所、上海航數(shù)智能科技有限公司、易福門電子(上海)有限公司、中國商用飛機(jī)有限責(zé)任公司上海飛機(jī)設(shè)計研究院、中國科學(xué)院空間應(yīng)用工程與技術(shù)中心、山東省計算中心(國家超級計算濟(jì)南中心)、福建阿古電務(wù)數(shù)據(jù)科技有限公司、上海人工智能創(chuàng)新中心、電子科技大學(xué)、北京東方振動和噪聲技術(shù)研究所、一汽解放汽車有限公司、清華大學(xué)山西清潔能源研究院、北京龍鼎源科技股份有限公司、科大訊飛股份有限公司、北京角動力技術(shù)有限公司、北京工商大學(xué)、武漢中云康崇科技有限公司、南京高精齒輪集團(tuán)有限公司、北京華控智加科技有限公司、廣東省工業(yè)邊緣智能創(chuàng)新中心有限公司、西安華云智聯(lián)信息科技有限公司、西安因聯(lián)信息科技有限公司、碩橙(廈門)科技有限公司、重慶電子工程職業(yè)學(xué)院、北京可維卓立科技有限公司、蘇州拓康自動化技術(shù)有限公司、杭州安脈盛智能技術(shù)有限公司、上海諸算科技有限公司、北京航空航天大學(xué)杭州創(chuàng)新研究院、北京聯(lián)華科技有限公司、北京晨測科技有限公司、北京儀綜測業(yè)科技發(fā)展有限公司。預(yù)測性維護(hù)已逐漸發(fā)展成為運(yùn)維服務(wù)的主要模式，在多個行業(yè)均有較為廣泛的應(yīng)用。算法是預(yù)測性維護(hù)能否有效實施的核心，亟需標(biāo)準(zhǔn)化的測評體系來科學(xué)合理地評價預(yù)測性維護(hù)算法的準(zhǔn)確性、有效性和適用性。預(yù)測性維護(hù)是針對各行業(yè)設(shè)備或部件，以振動、圖像、電流、聲紋等信號分析為手段，結(jié)合新一代信息技術(shù)進(jìn)行狀態(tài)監(jiān)測、故障診斷及剩余壽命預(yù)測，制定運(yùn)維決策方案并安排合理維修活動的新型裝備運(yùn)維模式。本文件以預(yù)測性維護(hù)中的狀態(tài)監(jiān)測、故障診斷、壽命預(yù)測等算法為對象，抽取行業(yè)共性的測試評價指標(biāo)及方法，建立通用的算法測評體系，為各行業(yè)應(yīng)用和推廣提供支撐。通常將預(yù)測性維護(hù)的從業(yè)人員分為裝備用戶、裝備制造商和解決方案供應(yīng)商。本文件為上述從業(yè)人員提供測評依據(jù)，如為裝備用戶采購及驗收提供重要支撐材料，為裝備制造商和解決方案供應(yīng)商描述其所提供的預(yù)測性維護(hù)技術(shù)方案的優(yōu)勢提供依據(jù)。IN1智能服務(wù)預(yù)測性維護(hù)算法測評方法本文件規(guī)定了預(yù)測性維護(hù)中的算法測評分類、測評流程、測試指標(biāo)、評價要求和測評數(shù)據(jù)要求，描述了測試方法。本文件適用于預(yù)測性維護(hù)中的狀態(tài)監(jiān)測、故障診斷、壽命預(yù)測等算法的測試評價。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本(包括所有的修改單)適用于本文件。GB/T40571—2021智能服務(wù)預(yù)測性維護(hù)通用要求3術(shù)語和定義下列術(shù)語和定義適用于本文件。狀態(tài)監(jiān)測conditionmonitoring檢測與收集反映機(jī)器狀態(tài)的信息和數(shù)據(jù)。注：如果故障或失效發(fā)生，則機(jī)器狀態(tài)惡化。故障診斷faultdiagnosis為確定故障或失效的性質(zhì)(種類、狀況、程度),而檢驗癥狀和癥候群。對故障的癥狀進(jìn)行分析，以預(yù)估未來的狀態(tài)和剩余使用壽命。注：壽命預(yù)測通常指剩余使用壽命預(yù)測。預(yù)測性維護(hù)predictivemaintenance根據(jù)觀測到的狀況而決定的連續(xù)或間斷進(jìn)行的維護(hù)，以監(jiān)測、診斷或預(yù)測構(gòu)筑物、系統(tǒng)或部件的狀態(tài)指標(biāo)。置信度confidencelevel表示診斷/預(yù)測的正確程度的質(zhì)量準(zhǔn)則。注1:它以百分率來表示。2注2:這個值實質(zhì)上是一個數(shù)字，它表示誤差源對輸出結(jié)果精度的最終可靠性或置信程度的累積影響，通過計算或者加權(quán)評估系統(tǒng)來確定。下列縮略語適用于本文件。MAE:平均絕對誤差(MeanAbsoluteError)MSE:均方誤差(MeanSquaredError)RMSE:均方根誤差(RootMeanSquaredError)RUL:剩余使用壽命(RemainingUsefulLife)SPE:預(yù)測誤差評分(ScoreofPredictionError)UQ:不確定性度量(UncertaintyQuantification)5總則根據(jù)GB/T40571—2021中5.3的要求，預(yù)測性維護(hù)可實現(xiàn)狀態(tài)監(jiān)測、故障診斷和壽命預(yù)測等功能。本文件對狀態(tài)監(jiān)測、故障診斷、壽命預(yù)測等算法進(jìn)行測評，其中壽命預(yù)測算法簡稱為預(yù)測算法。本文件提出的測評方法包含測試和評價兩部分，其中測試主要基于第8章算法測試指標(biāo)及第9章算法測試方法進(jìn)行計算，評價主要基于第10章算法評價要求進(jìn)行分析，二者共同構(gòu)成了算法測評體系。6測評對象本文件針對狀態(tài)監(jiān)測、故障診斷和壽命預(yù)測等算法進(jìn)行測評，在實際測試中可選擇其中一種或多種進(jìn)行測試。狀態(tài)監(jiān)測算法測評包括以下幾種?！陂撝档谋O(jiān)測算法：狀態(tài)監(jiān)測算法可分為兩種，分別是基于固定閾值的判別方法和基于相對閾值的判別方法。測試指標(biāo)見8.1,測試方法見9.1?！粚儆谏鲜鲱悇e的算法可參考8.1中的指標(biāo)進(jìn)行測評。故障診斷算法測評包括以下幾種?！獙＜蚁到y(tǒng)測評：專家系統(tǒng)可應(yīng)用人工智能技術(shù)和計算機(jī)技術(shù)，根據(jù)領(lǐng)域?qū)＜业闹R和經(jīng)驗進(jìn)行推理和判斷，基于專家系統(tǒng)的特征數(shù)據(jù)匹配度獲得故障診斷的結(jié)果。專家系統(tǒng)測試指標(biāo)見8.2.1,測試方法見9.2?！獧C(jī)器學(xué)習(xí)算法測評：機(jī)器學(xué)習(xí)算法可通過狀態(tài)特征的分類獲得故障診斷的結(jié)果。機(jī)器學(xué)習(xí)算法測試指標(biāo)見8.2.2,測試方法見9.2?！粚儆谏鲜鲱悇e的算法可參考8.2中的指標(biāo)進(jìn)行測評。預(yù)測算法測評為基于用戶定義的失效閾值對壽命預(yù)測算法進(jìn)行測評。壽命預(yù)測算法能夠推演預(yù)測特征的軌跡在何處與失效閾值相交，并得到壽命終點時間，進(jìn)而獲得壽命預(yù)測的結(jié)果。預(yù)測算法測試指標(biāo)見8.3,測試方法見9.3。信號處理是監(jiān)測、診斷和預(yù)測算法的重要組成部分，其測試指標(biāo)包括信號處理質(zhì)量評價和算法復(fù)雜度評價。在進(jìn)行監(jiān)測、診斷和預(yù)測算法測試時，可根據(jù)具體應(yīng)用場景和需求選擇是否進(jìn)行信號處理算法測試。圖譜分析等信號處理算法測試指標(biāo)見附錄A。3GB/T43555—20237算法測評流程算法測評流程可分為測試準(zhǔn)備階段、算法測評階段、算法調(diào)試階段，如圖1所示。算法測評階段算法測評階段測試環(huán)境搭建模型準(zhǔn)備數(shù)據(jù)庫是否支持/否客戶提供樣本數(shù)據(jù)是否調(diào)試否更新數(shù)據(jù)庫測試準(zhǔn)備階段測評類型選擇山具測評報告算法調(diào)試階段算法調(diào)試算法測試巾請算法評價抽樣是圖1算法測評流程算法測評流程具體如下?！獪y試準(zhǔn)備階段：測試準(zhǔn)備階段包括客戶申請、測評類型選擇、樣本數(shù)據(jù)庫(簡稱數(shù)據(jù)庫)是否支持判斷等活動。基于客戶提出的測評申請，首先確定測評類型，其次判斷數(shù)據(jù)庫是否支持測試，如支持則進(jìn)入抽樣環(huán)節(jié)，如不支持則需要客戶提供樣本數(shù)據(jù)(簡稱數(shù)據(jù))并更新數(shù)據(jù)庫?！惴y評階段：算法測試階段包括抽樣、模型準(zhǔn)備、測試環(huán)境搭建、算法測試、算法評價等活動。經(jīng)過抽樣后的模型進(jìn)行訓(xùn)練等準(zhǔn)備，就緒后基于算法是否可公開而搭建測試環(huán)境，環(huán)境搭建應(yīng)選用接口調(diào)用或算法直接部署等方式?！惴ㄕ{(diào)試階段：算法調(diào)試階段包括是否調(diào)試判斷、算法調(diào)試、出具測評報告等活動。測評結(jié)果如不理想，允許進(jìn)行算法調(diào)試和更新，重新進(jìn)行測評，調(diào)試次數(shù)不超過2次，達(dá)到客戶滿意度則輸出測評報告。8算法測試指標(biāo)8.1狀態(tài)監(jiān)測算法測試指標(biāo)狀態(tài)監(jiān)測算法可分為基于固定閾值的判別方法和基于相對閾值的判別方法?；诠潭ㄩ撝档呐袆e方法通過對測試樣本進(jìn)行分析處理，與現(xiàn)行標(biāo)準(zhǔn)中預(yù)設(shè)的報警閾值進(jìn)行對比，獲得狀態(tài)判別的結(jié)果。如振動數(shù)據(jù)報警閾值的設(shè)定見GB/T22393—2015。基于固定閾值的判別方法可適用于現(xiàn)有標(biāo)準(zhǔn)的場景?；谙鄬﹂撝档呐袆e方法通過對標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行學(xué)習(xí)，對樣本數(shù)據(jù)進(jìn)行分析處理，與自定義報警閾值4GB/T43555—2023進(jìn)行對比，獲得狀態(tài)判別的結(jié)果?；谙鄬﹂撝档呐袆e方法可適用于有現(xiàn)行標(biāo)準(zhǔn)的場景，也可適用于現(xiàn)行標(biāo)準(zhǔn)無法參考的場景。8.1.2狀態(tài)判別準(zhǔn)確率狀態(tài)判別準(zhǔn)確率是指設(shè)備狀態(tài)監(jiān)測結(jié)果分類的準(zhǔn)確率。設(shè)備狀態(tài)分為正常、異常兩種。處于正常狀態(tài)的設(shè)備可無限制長時間運(yùn)行，處于異常狀態(tài)時表明設(shè)備狀態(tài)相對正常狀態(tài)發(fā)生了明顯改變，需要近期執(zhí)行維護(hù)，狀態(tài)判別準(zhǔn)確率可用狀態(tài)正確判別的樣本數(shù)量和總樣本數(shù)量的百分比進(jìn)行表示，見式(1)。 (1)式中：Am——狀態(tài)判別準(zhǔn)確率；C、——正確判別狀態(tài)的樣本數(shù)量(含將正常樣本判定為正常狀態(tài)的數(shù)量和將異常樣本判定為異常的數(shù)量);S——全部的樣本數(shù)量。狀態(tài)判別準(zhǔn)確率取值范圍為[0,1],越大越好。8.1.3異常狀態(tài)漏報率設(shè)備異常狀態(tài)識別和判斷的漏報率可用給定樣本中未識別到的異常的數(shù)量和異常總數(shù)量之間的百式中：U,——異常狀態(tài)漏報率；M.——未識別到的異常樣本數(shù)量；A、——全部的異常樣本數(shù)量。異常狀態(tài)漏報率取值范圍為[0,1],越小越好。8.2故障診斷算法測試指標(biāo)故障診斷算法可分為專家系統(tǒng)算法和機(jī)器學(xué)習(xí)算法?；趯＜蚁到y(tǒng)的故障診斷算法應(yīng)先對有/無故障識別準(zhǔn)確率進(jìn)行測試，然后再對故障類別識別準(zhǔn)確率進(jìn)行測試。對有置信度輸出的專家系統(tǒng)算法，可對置信度均值進(jìn)行測試。機(jī)器學(xué)習(xí)的分類算法評價指標(biāo)主要有準(zhǔn)確率、精確率和召回率，計算方式可分為宏平均與微平均兩類。其中宏平均是先計算每一類的指標(biāo)值，然后再對所有類求算術(shù)平均值，而微平均指把數(shù)據(jù)集中的所有實例不分類別地匯總在一起計算出最終的指標(biāo)值。8.2.2專家系統(tǒng)算法測試指標(biāo)有/無故障識別準(zhǔn)確率是對于給定的診斷測試樣本集，正確識別有/無故障的樣本數(shù)量占總樣本數(shù)式中：Ax——有/無故障識別準(zhǔn)確率；5GB/T43555—2023Nc——正確識別有/無故障的樣本數(shù)；N——總樣本數(shù)。有/無故障識別準(zhǔn)確率取值范圍為[0,1],越大越好。故障類別識別準(zhǔn)確率是對于給定的診斷測試樣本集，正確分類的樣本數(shù)量占總樣本數(shù)量的百分Aa——故障類別識別準(zhǔn)確率；………T;——正確識別i類別的樣本數(shù)；n——樣本的總類別數(shù)；N——總樣本數(shù)。故障類別識別準(zhǔn)確率取值范圍為[0,1],越大越好。對于存在輸出置信度的專家系統(tǒng)，可測試置信度平均值；如果專家系統(tǒng)不輸出置信度，則不測試置信度平均值指標(biāo)。專家系統(tǒng)輸出的置信度平均值計算見式(5)?！?5)Cm——專家系統(tǒng)輸出的置信度平均值；C;——對第j個正確識別類別的樣本，專家系統(tǒng)輸出的置信度；k——正確識別類別的樣本數(shù)；N——總樣本數(shù)。置信度平均值取值范圍為[0,1],越大越好。8.2.3機(jī)器學(xué)習(xí)算法測試指標(biāo)準(zhǔn)確率指正確診斷的樣本數(shù)占總診斷樣本數(shù)的比值，反映的是算法整體性能。準(zhǔn)確率計算見TP;——正確識別i類別的樣本數(shù)；n——樣本的總類別數(shù)；N——總樣本數(shù)?！?6)準(zhǔn)確率取值范圍為[0,1],代表算法診斷的結(jié)果與真實情況的一致性程度，準(zhǔn)確率越高，則表示算法的整體診斷結(jié)果與真實情況越相符合。精確率指正確診斷的正樣本數(shù)占所有診斷為正樣本的數(shù)量的比值。精確率宏平均計算見式(7)?！?GB/T43555—2023式中：Pma——精確率宏平均；TP;——正確識別為i類別的樣本數(shù)；FP,——錯誤識別為i類別的樣本數(shù)；n——樣本的總類別數(shù)。精確率微平均計算見式(8): (8)Pmi——精確率微平均；TP;——正確識別為i類別的樣本數(shù)；FP;——錯誤識別為i類別的樣本數(shù)；n—樣本的總類別數(shù)。精確率取值范圍為[0,1],代表算法診斷結(jié)果中，被識別為故障樣本的精確程度，精確率越高，則表示被算法診斷為故障的樣本與真實情況越相符合。召回率指正確診斷的正樣本數(shù)占真實正樣本總數(shù)的比值，也稱真陽率。召回率宏平均計算見式(9):式中：Rcma——召回率宏平均；TP;——正確識別為i類別的樣本數(shù)；FN;——將i類別識別為其他類別的樣本數(shù)；n——樣本的總類別數(shù)。召回率微平均計算見式(10):式中：Rmi——召回率微平均；TP;——正確識別為i類別的樣本數(shù)；FN;——將i類別識別為其他類別的樣本數(shù)；n——樣本的總類別數(shù)。召回率取值范圍為[0,1],代表診斷算法能夠從總診斷樣本中找出故障樣本的完整程度，召回率越高，則表示診斷算法能越完整地找出真實的故障樣本。8.3預(yù)測算法測試指標(biāo)預(yù)測算法測試指標(biāo)從四個維度對算法性能進(jìn)行衡量：預(yù)測準(zhǔn)確率、預(yù)測誤差、算法擬合程度與預(yù)測誤差評分。預(yù)測準(zhǔn)確率用于衡量算法預(yù)測結(jié)果的準(zhǔn)確性；預(yù)測誤差用于衡量算法預(yù)測剩余使用壽命與實際剩余使用壽命之間的誤差程度；算法擬合程度用于衡量預(yù)測結(jié)果與實際剩余使用壽命間的擬合程度；預(yù)測誤差評分對算法預(yù)測結(jié)果打分，工程上相較于過遲預(yù)測傾向于過早預(yù)測，該指標(biāo)對于過遲預(yù)測7GB/T43555—2023的懲罰要高于過早預(yù)測，可作為誤差評分指標(biāo)。此外，預(yù)測算法測試補(bǔ)充指標(biāo)見附錄B。8.3.2預(yù)測準(zhǔn)確率預(yù)測準(zhǔn)確率是衡量算法對剩余使用壽命預(yù)測準(zhǔn)確性的指標(biāo)，見式(11)及式(12)。e(t;)=r(t;)-r(t;) (12)式中：Ac(r,r)——預(yù)測準(zhǔn)確率；N樣本總數(shù)；e(t;)——t;時刻實際剩余使用壽命與預(yù)測剩余使用壽命之差；r(t;)—-t;時刻的實際剩余使用壽命；r。(t;)——t;時刻的預(yù)測剩余使用壽命。預(yù)測準(zhǔn)確率取值范圍為(0,1),預(yù)測準(zhǔn)確率越接近于1,算法準(zhǔn)確性越好。8.3.3平均絕對誤差平均絕對誤差是預(yù)測剩余使用壽命與實際剩余使用壽命之間接近程度的度量，見式(13)。式中：MAE(r,r.)——平均絕對誤差；N——樣本總數(shù)；r(t;)——t;時刻的實際剩余使用壽命；r(t;)——t;時刻的預(yù)測剩余使用壽命。MAE取值范圍為(0,+0),MAE值越小，算法誤差越小。8.3.4均方根誤差均方根誤差的計算見式(14)。這個指標(biāo)對于誤差大的值會有更高的權(quán)重，任意一個過大的誤差都會讓RMSE的值很差。式中：RMSE(r,r.)——均方根誤差；iN——第i個樣本；——樣本總數(shù)；——t;時刻的實際剩余使用壽命；——t;時刻的預(yù)測剩余使用壽命。取值范圍為(0,+0),RMSE值越小，算法誤差越小。8.3.5可決系數(shù)可決系數(shù)用于度量預(yù)測剩余使用壽命對實際剩余使用壽命的擬合好壞程度?？蓻Q系數(shù)計算見式(15)和式(16)。8GB/T43555—2023i 可決系數(shù)；——第i個樣本； (15) N——樣本總數(shù)；r(t;)——t;時刻的實際剩余使用壽命；r,(t;)——t;時刻的預(yù)測剩余使用壽命。r——實際剩余使用壽命r(t;)的均值?？蓻Q系數(shù)取值范圍為(一～,1),可決系數(shù)越接近于1,算法擬合程度越好。8.3.6預(yù)測誤差評分指標(biāo)預(yù)測誤差評分指標(biāo)是RUL誤差的加權(quán)總和，見式(11)及式(17)。評分函數(shù)是不對稱函數(shù)，該指標(biāo)對RUL的過遲預(yù)測懲罰要大于過早預(yù)測的懲罰，分值越低代表算法性能越好。式中：SPE(t;)——預(yù)測誤差評分指標(biāo)；i——第i個樣本；α——過早預(yù)測的懲罰因子，取值范圍為[10,15],宜采用13;β——過遲預(yù)側(cè)的懲罰因子，取值應(yīng)小于α,取值范圍宜為[7,12],如采用10。SPE取值范圍為(0,+o),SPE值越接近于0,算法預(yù)測結(jié)果越好。9算法測試方法9.1狀態(tài)監(jiān)測算法測試9.1.1測試數(shù)據(jù)要求狀態(tài)監(jiān)測算法對測試數(shù)據(jù)的要求如下：——標(biāo)準(zhǔn)數(shù)據(jù)：包括數(shù)據(jù)、數(shù)據(jù)產(chǎn)生來源、數(shù)據(jù)采集方式、相應(yīng)設(shè)備的元數(shù)據(jù)等，如設(shè)備編號、設(shè)備類型、工況、數(shù)據(jù)標(biāo)簽(異常/正常);——測試樣本：包括數(shù)據(jù)、數(shù)據(jù)產(chǎn)生來源、數(shù)據(jù)采集方式、相應(yīng)設(shè)備的元數(shù)據(jù)等，如設(shè)備編號、設(shè)備類型、工況(該工況應(yīng)屬于標(biāo)準(zhǔn)數(shù)據(jù)中的工況范圍)、數(shù)據(jù)標(biāo)簽(異常/正常)。9.1.2測試方法針對不同狀態(tài)監(jiān)測算法類型，測試方法如下：——基于固定閾值監(jiān)測算法測試。參評對象以國際/國家標(biāo)準(zhǔn)規(guī)定的閾值為基礎(chǔ)對測試樣本進(jìn)行狀態(tài)判斷：異常/正常。參評對象對測試樣本做出的狀態(tài)判斷將會用于和真實狀態(tài)進(jìn)行比對、計算狀態(tài)判別準(zhǔn)確率、異常狀態(tài)漏報率等測試指標(biāo)，對這些指標(biāo)進(jìn)行評價后給出通過或者未通過測試的結(jié)論?！谙鄬﹂撝当O(jiān)測算法測試。提供設(shè)備正常運(yùn)轉(zhuǎn)時標(biāo)準(zhǔn)數(shù)據(jù)，且包括相對應(yīng)的設(shè)備的控制信9息，如加工信息等，標(biāo)定該設(shè)備所處的模式。測試樣本來源為產(chǎn)生標(biāo)準(zhǔn)數(shù)據(jù)的同一設(shè)備，對應(yīng)工況涵蓋在標(biāo)準(zhǔn)數(shù)據(jù)中的工況，且標(biāo)準(zhǔn)數(shù)據(jù)中相應(yīng)工況的數(shù)據(jù)條數(shù)達(dá)到一定數(shù)量。參評對象利用標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行模型訓(xùn)練，對測試樣本進(jìn)行狀態(tài)判斷：異常/正常。參評對象對測試樣本做出的狀態(tài)判斷將會用于和真實狀態(tài)進(jìn)行比對，計算狀態(tài)判別準(zhǔn)確率、異常狀態(tài)漏報率等測試指標(biāo)，對這些指標(biāo)進(jìn)行評價后給出通過或者未通過測試的結(jié)論。針對基于固定閾值的監(jiān)測算法，測試流程如下：——參評對象接受所提供的閾值參考標(biāo)準(zhǔn)和指定數(shù)目測試題目，每道題目包含一條測試樣本，不同題目的數(shù)據(jù)來自不同設(shè)備或工況；——參評對象對每一筆測試樣本進(jìn)行判斷；——評測機(jī)構(gòu)將參評對象對每道測試題目的判斷結(jié)果與標(biāo)準(zhǔn)答案進(jìn)行比對，計算指標(biāo)；——根據(jù)10.2.1中的合格線對參評對象進(jìn)行通過與否的判定。針對基于相對閾值的監(jiān)測算法，標(biāo)準(zhǔn)數(shù)據(jù)和測試樣本應(yīng)一一對應(yīng)，測試流程如下：——參評對象接受所提供的指定數(shù)目測試題目，每道題目包含來自同一設(shè)備和同一工況的標(biāo)準(zhǔn)數(shù)據(jù)和測試樣本；——參評對象提供一套訓(xùn)練模塊，該模塊使用測試題目中的標(biāo)準(zhǔn)數(shù)據(jù)訓(xùn)練模型，然后使用訓(xùn)練好的模型對同一題目中的測試樣本進(jìn)行判斷；——評測機(jī)構(gòu)將參評對象對每道測試題目的判斷結(jié)果與標(biāo)準(zhǔn)答案進(jìn)行比對，計算指標(biāo)；——根據(jù)10.2.1中的合格線對參評對象進(jìn)行通過與否的判定。根據(jù)測試結(jié)果選擇重新測試或出具測評報告，測評報告格式見附錄C。9.2故障診斷算法測試對于專家系統(tǒng)算法和機(jī)器學(xué)習(xí)算法的測試采用如下的基于數(shù)據(jù)庫形成的訓(xùn)練樣本集和測試樣本集。——訓(xùn)練樣本集：從數(shù)據(jù)庫中選取帶有標(biāo)簽數(shù)據(jù)的正常狀態(tài)與故障狀態(tài)的數(shù)據(jù)形成訓(xùn)練樣本集。——測試樣本集：從數(shù)據(jù)庫中抽取一組或多組數(shù)據(jù)，每組數(shù)據(jù)包含所有類別狀態(tài)樣本，供被測試算法進(jìn)行分析。對于未訓(xùn)練的算法，需先基于訓(xùn)練樣本集進(jìn)行訓(xùn)練，然后利用測試樣本集進(jìn)行測試。對于已訓(xùn)練好的算法，可直接基于測試樣本集進(jìn)行測試。針對某一待測算法，依照測評流程開展算法測評。首先輸入測試樣本，根據(jù)專家系統(tǒng)算法輸出結(jié)果按照8.2.2算法指標(biāo)計算專家系統(tǒng)算法有/無故障識別準(zhǔn)確率及故障類別識別準(zhǔn)確率；對于輸出置信度的專家系統(tǒng)算法，可進(jìn)一步進(jìn)行置信度平均值測試。針對某一待測算法，依照測評流程開展算法測評。利用9.2.1中生成的樣本集，通過8.2.3算法指標(biāo)計算得到故障診斷準(zhǔn)確率、精確率、召回率等結(jié)果。根據(jù)測試結(jié)果選擇重新測試或出具測評報告，測評報告格式見附錄C。9.3預(yù)測算法測試9.3.1測試數(shù)據(jù)要求基于測試需求和測試難度的區(qū)別，預(yù)測算法測試分為初級測試和高級測試。預(yù)測數(shù)據(jù)樣本的基本要求對應(yīng)初級測試，數(shù)據(jù)集中僅包含一種失效模式及一種或多種失效因素，測試集與訓(xùn)練集樣本類型相同，數(shù)據(jù)的選取應(yīng)排除事件干擾?；疽笕缦隆！獢?shù)據(jù)類型：任何能反映待預(yù)測對象運(yùn)行工況、健康衰退程度的物理量?！獢?shù)據(jù)采集率：任何足夠反映待預(yù)測對象工況變化、健康程度衰退變化，且遠(yuǎn)小于待預(yù)測對象衰退周期的采樣率。機(jī)械變量滿足奈奎斯特定律，電氣變量、工藝變量滿足監(jiān)測報警要求。——數(shù)據(jù)長度：訓(xùn)練數(shù)據(jù)應(yīng)包含從正常運(yùn)行到失效的全生命時間序列數(shù)據(jù)，測試樣本宜是某個健康狀態(tài)的運(yùn)行片段時間序列數(shù)據(jù)?！獦颖緮?shù)量：訓(xùn)練數(shù)據(jù)應(yīng)包含至少一條全生命周期數(shù)據(jù)，原則上越多全生命周期的數(shù)據(jù)越有利于測試評價的客觀性。 運(yùn)行工況：在待預(yù)測對象運(yùn)行的全壽命周期過程中，包含多種運(yùn)行狀態(tài)，這種運(yùn)行狀態(tài)宜在與量等，且這種工況變化既可連續(xù)動態(tài)的，也可是離散的。——失效/故障模式：包含待預(yù)測對象一種失效模式，導(dǎo)致待預(yù)測對象失效的因素應(yīng)包含一種或多于一種，這些因素可在同一條全生命周期樣本中不同時段、或同一時段組合存在，也可分別在不同的樣本中存在。——訓(xùn)練樣本集：具備多種工況變化組合/動態(tài)工況變化的單一故障模式的全生命周期數(shù)據(jù)多條。——測試樣本集：多個處于生命周期各個階段的片段數(shù)據(jù)，考察算法在不同生命周期預(yù)測的能力。預(yù)測數(shù)據(jù)樣本的擴(kuò)展要求對應(yīng)高級測試，數(shù)據(jù)類型、數(shù)據(jù)采集率、數(shù)據(jù)長度、樣本數(shù)量以及運(yùn)行工況與基本要求相同。數(shù)據(jù)集中包含多種失效模式及一種或多種失效因素，測試集包含訓(xùn)練集中不存在的故障模式。擴(kuò)展要求如下。——失效/故障模式：包含待預(yù)測對象多種失效模式，導(dǎo)致待預(yù)測對象失效的因素應(yīng)包含一種或多于一種，這些因素可在同一條全生命周期樣本中不同時段、或同一時段組合存在，也可分別在不同的樣本中存在；不同失效模式之間的關(guān)系既可互相獨(dú)立，也可互相耦合?！?xùn)練樣本集：應(yīng)具備多種工況變化組合/動態(tài)工況變化的多種故障模式的全生命周期數(shù)據(jù)多條，每條全生命周期數(shù)據(jù)具備單類故障模式。——測試樣本集：多個處于生命周期各個階段的片段數(shù)據(jù)，考察算法在不同生命周期預(yù)測的能力；故障模式與訓(xùn)練樣本既有相同的，也有不同的，每類樣本的故障模式既可獨(dú)立存在，也可疊加共存，且測試樣本宜包含在訓(xùn)練樣本集中不存在的故障模式。預(yù)測算法測試需根據(jù)數(shù)據(jù)要求準(zhǔn)備訓(xùn)練樣本集和測試樣本集，具體如表1。GB/T43555—2023表1預(yù)測算法訓(xùn)練樣本集和測試樣本集類型初級測試高級測試訓(xùn)練樣本集具備多種工況變化組合/動態(tài)工況變化的單一故障模式的全生命周期數(shù)據(jù)多條具備多種工況變化組合/動態(tài)工況變化的多種故障模式的全生命周期數(shù)據(jù)多條，每條全生命周期數(shù)據(jù)具備單類故障模式測試樣本集生命周期片段數(shù)據(jù)，這些片段最好處于生命周期的各個階段，考察算法在不同生命周期預(yù)測的能力。故障模式與訓(xùn)練樣本相同生命周期片段數(shù)據(jù)，這些片段最好處于生命周期的各個階段，考察算法在不同生命周期預(yù)測的能力。故障模式與訓(xùn)練樣本既有相同的，也有不同的，每類樣本的故障模式既有獨(dú)立存在的，也有疊加共存的。測試樣本所包含的故障模式有訓(xùn)練樣本中不存在的故障模式預(yù)測算法測試流程如圖2。其中初級樣本集包含初級訓(xùn)練數(shù)據(jù)與初級測試樣本；高級樣本集包含高級訓(xùn)練數(shù)據(jù)與高級測試樣本。預(yù)測算法測評預(yù)測算法測評開始初級樣本集高級樣本集算法模型訓(xùn)練剩余使用壽命預(yù)測模型初級模型測試是否通過測試模型測評報告預(yù)測算法測評結(jié)束剩余使用壽命預(yù)測模型高級模型測試算法模型訓(xùn)練是圖2預(yù)測算法測試流程9.3.3測試結(jié)果根據(jù)測試結(jié)果選擇重新測試或出具測評報告，測評報告格式見附錄C。10算法評價要求10.1狀態(tài)監(jiān)測算法評價要求狀態(tài)監(jiān)測算法定量測試結(jié)果評價為與合格線和優(yōu)秀線進(jìn)行對比。合格線為判斷算法是否通過測試的基準(zhǔn)。合格線為狀態(tài)判別準(zhǔn)確率大于80%,且異常狀態(tài)漏報率小于40%。優(yōu)秀線為判斷算法性能優(yōu)劣的基準(zhǔn)。優(yōu)秀線為狀態(tài)判別準(zhǔn)確率大于90%,且異常狀態(tài)漏報率小于10%。10.2故障診斷算法評價要求故障診斷算法定量測試結(jié)果評價為與合格線進(jìn)行對比，合格線為判斷算法是否通過測試的基準(zhǔn)。專家系統(tǒng)算法的故障識別準(zhǔn)確率合格指標(biāo)為大于80%,故障類別識別準(zhǔn)確率的合格指標(biāo)為大于60%;機(jī)器學(xué)習(xí)算法的準(zhǔn)確率、精確率、召回率合格指標(biāo)為大于70%,且宏平均、微平均都應(yīng)滿足精確率、召回率的合格指標(biāo)要求。10.3預(yù)測算法評價要求預(yù)測算法定量測試結(jié)果評價為與合格線進(jìn)行對比，合格線為判斷算法是否通過測試的基準(zhǔn)，預(yù)測準(zhǔn)確率合格線為60%,通過后計算MAE、RMSE、R2、SPE,見附錄D。10.4評價說明評價說明中應(yīng)包括算法是否通過的結(jié)論以及算法測試過程的詳細(xì)描述，包括：測試環(huán)境搭建、樣本集、測試指標(biāo)、測試方法等。宜包括對算法能力的補(bǔ)充說明，補(bǔ)充說明需要包含下列能力，并在測試報告中進(jìn)行體現(xiàn)?！夯芰?。參考測試指標(biāo)對算法泛化能力的說明，通常包括算法工況適應(yīng)性、算法場景適用性等。——優(yōu)化能力?；跍y試方案、測試指標(biāo)等對算法自優(yōu)化能力的說明，通常描述為算法是否具有自優(yōu)化能力。——易用能力。基于測試方案、部署難易程度等對算法易用性的說明，通常描述為算法是否已部署。11測試數(shù)據(jù)要求數(shù)據(jù)庫是算法測試的基礎(chǔ)，可支撐算法測試流程中的數(shù)據(jù)庫更新、數(shù)據(jù)抽樣等環(huán)節(jié)。數(shù)據(jù)庫的建設(shè)及系統(tǒng)應(yīng)滿足附錄E的相關(guān)要求。11.2數(shù)據(jù)入庫要求11.2.1格式與內(nèi)容要求數(shù)據(jù)庫格式和字段名稱應(yīng)按照表E.1數(shù)據(jù)項及相關(guān)要求進(jìn)行命名，并保持嚴(yán)格統(tǒng)一，數(shù)據(jù)內(nèi)容應(yīng)與實際采集的數(shù)據(jù)保持一致。入庫前，應(yīng)依據(jù)附錄E中數(shù)據(jù)質(zhì)量要求對數(shù)據(jù)進(jìn)行校核，對于數(shù)據(jù)不完整的、數(shù)據(jù)質(zhì)量不高的數(shù)據(jù)，應(yīng)進(jìn)行明確標(biāo)記，可修改后重新上傳；對于缺項嚴(yán)重的數(shù)據(jù)，應(yīng)及時進(jìn)行糾正，在滿足質(zhì)量要求后方可進(jìn)入數(shù)據(jù)庫。入庫數(shù)據(jù)應(yīng)根據(jù)數(shù)據(jù)庫要求進(jìn)行一致性轉(zhuǎn)換，主要包括數(shù)據(jù)格式轉(zhuǎn)換等。數(shù)據(jù)入庫應(yīng)根據(jù)所選擇的數(shù)據(jù)組織方式進(jìn)行。數(shù)據(jù)入庫可選用手動添加或程序批量入庫。數(shù)據(jù)入庫完成后應(yīng)記錄數(shù)據(jù)入庫日志。11.2.5數(shù)據(jù)入庫后檢查數(shù)據(jù)入庫后檢查的內(nèi)容包括：數(shù)據(jù)是否存放在規(guī)定的數(shù)據(jù)表中、入庫后數(shù)據(jù)是否完整、入庫數(shù)據(jù)是否一致、數(shù)據(jù)是否重復(fù)入庫、數(shù)據(jù)拼接是否無縫和入庫參數(shù)是否正確等。GB/T43555—2023(資料性)信號處理算法測試指標(biāo)A.1波形質(zhì)量評價指標(biāo)波形質(zhì)量評價指標(biāo)可用波形信噪比和波形相似度進(jìn)行測試。波形信噪比的計算見式(A.1)。式中：SNR——波形信噪比；i——第i個樣本；N——總樣本數(shù)；T——基準(zhǔn)信號，指不含噪聲的原始信號，可通過計算機(jī)軟件對解析函數(shù)進(jìn)行離散采樣來生成；T,——算法處理后的信號，在基準(zhǔn)信號中加入一定能量的隨機(jī)噪聲后生成。波形相似度的計算見式(A.2)。式中：c:——波形相似度；…………(A.2)N——總樣本數(shù)；T——基準(zhǔn)信號，指不含噪聲的原始信號，可通過計算機(jī)軟件對解析函數(shù)進(jìn)行離散采樣來生成；T,——算法處理后的信號，在基準(zhǔn)信號中加入一定能量的隨機(jī)噪聲后生成。A.2頻譜質(zhì)量評價指標(biāo)頻譜質(zhì)量評價指標(biāo)可用頻譜信噪比、特征頻率信噪比和頻譜相似度進(jìn)行測試。頻譜信噪比的計算見式(A.3)。式中：FSNR——頻譜信噪比；i——第i個樣本；N——總樣本數(shù)；F——基準(zhǔn)信號頻譜；F——算法處理后的信號頻譜。GB/T43555—2023特征頻率信噪比的計算見式(A.4)。式中：CSNR——特征頻率信噪比；i——第i個樣本；N——總樣本數(shù)；F——基準(zhǔn)信號頻譜；F,——算法處理后的信號頻譜；Ap——算法處理后信號頻譜中特征頻率的幅值。頻譜相似度的計算見式(A.5)。式中：c;——頻譜相似度；……(A.5)N——總樣本數(shù)；F——基準(zhǔn)信號頻譜；F,——算法處理后的信號頻譜。A.3時頻分布質(zhì)量評價指標(biāo)時頻分布質(zhì)量評價指標(biāo)可用時頻聚集性和時頻相似度進(jìn)行測試。時頻聚集性的計算見式(A.6)。式中：………………CM——時頻聚集性；TF,——算法處理后的時頻分布。時頻相似度的計算見式(A.7)。式中：ct—時頻相似度；TF——基準(zhǔn)信號時頻分布；TF,——算法處理后的時頻分布；………………(A.7)σ?——TF和TF,的協(xié)方差；o——TF的方差；o,——TF,的方差；L——時頻分布的最大灰度；GB/T43555—2023k?——遠(yuǎn)小于1的常系數(shù)；k?——遠(yuǎn)小于1的常系數(shù)。A.4計算復(fù)雜度評價指標(biāo)除了信號處理質(zhì)量，計算復(fù)雜度也是信號處理算法的重要評價指標(biāo)。計算復(fù)雜度見式(A.8)。CR——計算復(fù)雜度；T——待評測算法進(jìn)行信號處理所需要的計算時間；T、——基于標(biāo)準(zhǔn)傅里葉變換算法進(jìn)行信號處理所需要的計算時間。(資料性)預(yù)測算法測試補(bǔ)充指標(biāo)B.1均方誤差均方誤差定義為實際剩余使用壽命與預(yù)測剩余使用壽命之差的平方和，見式(B.1)。式中：MSE(r,r.)——均方誤差；i——第i個樣本；N——樣本總數(shù)；r(t;)——t;時刻的實際剩余使用壽命；r(t;)——t;時刻的預(yù)測剩余使用壽命。MSE取值范圍為[0,+～],MSE越接近于0,算法誤差越小。B.2精確度精確度是衡量算法預(yù)測結(jié)果可能的分布范圍的寬窄程度指標(biāo)，通常用樣本標(biāo)準(zhǔn)偏差進(jìn)行衡量，見式(B.2)。式中：精確度；N樣本總數(shù)；r(t;)——t;時刻的實際剩余使用壽命；r(t;)——t;時刻的預(yù)測剩余使用壽命；M——誤差的樣本均值。精確度取值范圍為[0,～],精確度越接近于0,算法結(jié)果越精確。B.3不確定性度量指標(biāo)不確定性度量指標(biāo)用于評估算法預(yù)測結(jié)果的不確定性。該指標(biāo)通過計算概率密度函數(shù)落入?yún)^(qū)間[a-,α+]的面積，來量化不確定性，即算法預(yù)測結(jié)果落入限制區(qū)間的概率。限制區(qū)間[a-,α+]隨時間的遞進(jìn)而逐漸縮小范圍，越靠近壽命終點對算法性能要求越嚴(yán)格，確保結(jié)果更具收斂性，如圖B.1所示。不確定性度量指標(biāo)計算見式(B.3)。式中：UQ——不確定性度量指標(biāo)；a——限制區(qū)間[a~,α+]范圍的影響因子，取值為0.05(EOL-t;);α-(t;)——t;時刻限制區(qū)間[a~,α+]的下限值；a+(t?);時刻限制區(qū)間[a~,a+]的上限值；r(t;)—--t;時刻的實際剩余使用壽命；r.(t?)——t;時刻的預(yù)測剩余使用壽命。π[r.(t;)]|g+——在[a-,α+]范圍內(nèi)的概率密度質(zhì)量。UQ取值范圍為[0,1],UQ值越接近于1,算法穩(wěn)定性越好。標(biāo)引符號說明：EOL——壽命終點值；RUL——剩余使用壽命；α—-限制區(qū)間[a-,a+]范圍的影響因子，取值為0.05(EOL-t;);α(t;)——t;時刻限制區(qū)間[a-,α+]的下限值；α+(t;)——t;時刻限制區(qū)間[a~,a+]的上限值；r(t?)——t;時刻的實際剩余使用壽命；r.(t;)——t;時刻的預(yù)測剩余使用壽命；π[r、(t;)]lg+——在[α~,a+]范圍內(nèi)的概率密度質(zhì)量。(資料性)測評報告格式預(yù)測性維護(hù)算法測評報告格式見表C.1。其中，預(yù)測算法測評可基于預(yù)測誤差評分指標(biāo)進(jìn)行等級評定，因此預(yù)測算法的測評報告可在表C.1基礎(chǔ)上增加等級評定記錄，具體見附錄D中表D.1。表C.1測評報告格式算法名稱算法說明算法測試測試類別測試指標(biāo)測試合格線優(yōu)秀線(如有)本次測試結(jié)果是否通過測評結(jié)論(資料性)預(yù)測算法評價預(yù)測算法測試結(jié)果由以下四個維度進(jìn)行衡量：預(yù)測準(zhǔn)確率、預(yù)測誤差、預(yù)測擬合程度與預(yù)測誤差評分。預(yù)測算法測評報告格式見表D.1。預(yù)測算法測評報告包含下列內(nèi)容?！扑]群體基準(zhǔn)：在該測試數(shù)據(jù)集下由典型通用算法/已有算法得到的基準(zhǔn)?！敬螠y試結(jié)果：在該測試數(shù)據(jù)集下由測試算法所得到的測試結(jié)果。算法等級評定規(guī)則如下：在給定預(yù)測剩余使用壽命r.(t;)時，即r(t;)=βr(t;)時，MAE、RMSE、R2、SPE的計算見式(D.1)。Sw?E(β)=MAE[r.(t;)=βr(t;)](i∈{1,2,…,N})…………(D.1)SRMSE(β)=RMSE[r(t;)=βr(t;)](i∈{1,2,…,N})…………(D.1)Sg2(β)=R2[r(t;)=βr(t;)](i∈{1,2,…,N})Sspe(β)=SPE[r(t;)=βr(t;)](i∈{1,2,…,N})式中：r(t;)——t;時刻的實際剩余使用壽命；r,(t;)——t;時刻的預(yù)測剩余使用壽命；β——誤差權(quán)重因子；SRMsE(β)—