[发明专利]一种基于区间型证据融合的旋转机械设备故障诊断方法

权利要求书

1.一种基于区间型证据融合的旋转机械设备故障诊断方法，其特征在于该方法包括以下各步骤：

(1)设定旋转机械设备的故障集合为Θ＝{F₁，…，F_j，…，F_N}，F_j代表故障集合Θ中的第j个故障，j＝1，2，…，N，N为故障个数；

(2)设x为故障集合Θ的一个故障特征参数，建立故障特征参数x的故障样板模式为故障F_j的一个隶属度函数集，获取隶属度函数集中的每个隶属度函数的步骤如下：

(2-1)观测故障集合Θ中的每个故障F_j的故障特征参数x，连续记录30至50次，将观测结果记为一组，共进行m组观测，5≤m≤10；

(2-2)计算第k组观测结果的算术平均值和标准差

Mkj=(xk,1j+xk,2j+...+xk,nj)/n,30≤n≤50]]>

σkj=((xk,1j-Mkj)2+(xk,2j-Mkj)2+...+(xk,nj-Mkj)2)/n]]>

其中k＝，1，2，…，m，分别为对故障F_j的第k组观测值，每组采集n个观测，30≤n≤50；

(2-3)根据上述和建立故障F_j关于故障特征参数x的第k个高斯型隶属度函数：

μFj,k(x)=exp(-(x-Mkj)22σkj2)]]>

(3)当旋转机械设备在线运行时，对故障特征参数x进行20至30次观测，构成一组在线监测数据，按照步骤(2-2)-(2-3)，建立故障待检模式的隶属度函数：

μo(x)=exp(-(x-Mo)22σo2)]]>

其中M_o和σ_o分别为20至30次观测的算术平均值和标准差，o代表观测；

(4)分别将μ_o(x)与中的每个进行匹配，得到μ_o(x)对故障集Θ中每个故障F_j的匹配区间为：

mx(Fj)=[mink(ρ(o|Fj,k)),maxk(ρ(o|Fj,k))]=[ajx′,bjx′]]]>

其中表示对x的每个隶属度函数值μ_o(x)和进行取小运算，从取小运算结果中取最大值作为μ_o(x)与的匹配度；

(5)根据上述步骤(4)中的匹配区间m_x(F_j)，获得区间型诊断证据，其步骤如下：

(5-1)产生一个M×N的矩阵P＝(p_i，j)，其中p_i，j为该矩阵中第i行第j列上的元素，矩阵的每列为数列(1，2，...，M)中各数的随机置换，i＝1，2，...，M，M＝1000，j＝1，2，...，N，N为故障个数；

(5-2)产生一个M×N的矩阵U＝(u_i，j)，其中u_i，j为该矩阵中第i行第j列上的元素，取u_i，j＝0.5；

(5-3)根据上述步骤(5-1)和(5-2)的矩阵，得到在匹配区间m_x(F_j)上满足均匀分布的随机点：

mx,i(Fj)=M-1(pi,j-1+ui,j)(bjx′-ajx′)+ajx′]]>

(m_x，i(F₁)，...，m_x，i(F_j)，...，m_x，i(F_N)是一个N维的随机向量，设m_x，i(Θ)为对故障集合Θ的证据赋值，则(m_x，i(F₁)，...，m_x，i(F_j)，...，m_x，i(F_N))，m_x，i(Θ))为原始的单值诊断证据；

(5-4)根据步骤(5-3)的原始单值诊断证据，得到加权后的单值诊断证据为：

m‾x,i(Aq)=mx,i(Aq)Σq=1N+1mx,i(Aq),i=1,2,...,M;q=1,2,...,N+1]]>

其中A_q表示故障F_q，A_N+1表示故障集合Θ；

并得到区间型诊断证据为其中bqx=maxi(m‾x,i(Aq));]]>

(6)重复步骤(2)-(5)，获得关于故障特征参数y的区间型诊断证据为：

my(Ap)=[apy,bpy],p=1,2,...,N+1]]>

其中A_p表示故障F_p，A_N+1表示故障集合Θ；

(7)将m_x(A_q)和m_y(A_p)用区间证据合并规则进行融合，得到融合后的区间型诊断证据为：

m_x，y(C)＝[m_x，y(C)^-，m_x，y(C)⁺]C∈{A₁，A₂，…，A_N+1}

其中

上两式中的分别满足以下约束条件：

Σq=1N+1mx(Aq)=1,(aqx≤mx(Aq)≤bqx)]]>

Σp=1N+1my(Ap)=1,(apy≤my(Ap)≤bpy)]]>

(8)根据上述步骤(7)的融合诊断证据，对旋转机械设备的故障进行诊断：若m_x，y(F_j)区间的左右端点分别大于其他故障的区间型诊断证据的左右端点，且m_x，y(Θ)的右端点小于设定阈值t，则判定故障F_j发生，t的取值范围为0≤t≤0.2。