[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

说明书

技术领域

本发明涉及一种基于区间型证据融合的旋转机械设备故障诊断方法，属于旋转机械设备故障监控与诊断技术领域。

背景技术

在线故障诊断技术是旋转机械设备安全生产和高效运行的有力保障，但该类技术的实施还面临诸多挑战：由于故障的发生具有不确定性，所以通常较难得到取值为“0”或“1”的故障发生概率，亦即故障常具有随机性或模糊性的特点；故障发生的成因较为复杂，通常同一故障可以表现出多种特征，同一故障特征可能是由不同故障引起；此外，由于传感器本身的测量误差或有限的监测数据不能全面反映故障，使得从其中提取的故障特征也会具有模糊性。所以故障诊断就可归结为基于多源故障特征信息的分类决策问题，而决策的水平则往往取决于诊断系统所能获得的信息量和对信息的利用程度。因此，可靠的故障诊断技术就与传感器的类型、品质及其信号采集、故障信号特征提取和故障决策过程中，模糊性信息的处理有密切关系。

面对故障模式及其特征之间复杂的对应关系，以及诊断过程中的各种不确定因素，基于传统的单传感器、单因素监测与诊断方法的能力已显不足。为了进一步提高诊断的精度和可靠性，代之而起的多源信息融合技术，可以将空间或时间上的冗余信息和互补信息依据某种准则进行融合，以获得被测对象的一致性解释和描述，从而做出更加精准的判断。

发明内容

本发明的目的是提出一种基于区间型证据融合的旋转机械设备故障诊断方法，克服单源故障特征信息诊断技术的缺点，将多个故障特征信息提供的区间型诊断证据进行融合，基于融合结果做出比任意单一诊断证据更加精准的故障决策。

本发明提出的基于区间型证据融合的旋转机械设备故障诊断方法，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_i，…，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≤8；

(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]]>