[发明专利]一种基于多维度信息融合的故障诊断方法

说明书

技术领域

本发明属于设备故障诊断技术领域，涉及一种一种基于多维度信息融合的故障诊断方法。 

背景技术

设备作为国民经济各行各业，尤其是石化行业中不可或缺的组成部分，一旦发生严重故障，必将给整个企业带来巨大的经济损失。因此研究设备故障诊断技术，提高故障诊断准确率，对减少企业的经济损失具有重要意义。自上世纪60年代以来，人们逐渐开展设备故障诊断技术研究。近年来，随着计算机技术及信号处理技术的发展，故障诊断向着自动化和智能化的方向发展，基于不同技术的诊断专家系统应运而生。目前开发并应用到现场的专家系统，通常是将报警时刻的数据经信号处理提取出的敏感参数集用专家依据多年诊断经验总结的推理规则进行诊断。然而，由于设备各故障间的模糊与交叉性，应用专家系统对测点单一时间点的敏感参数集进行分析诊断，得出的结论往往是片面的，且易出现漏诊、误诊及不同时间点诊断结论冲突问题。 

为减少漏诊、误诊及诊断结论冲突问题，需将多测点、多时间点的信息融合进行诊断。目前研究较多的融合方法有：D-S证据理论、神经网络、支持向量机、模糊理论和粗糙集等。这些方法大多局限于对多测点、单一时间点的信息融合后进行诊断，缺少对故障劣化规律的考虑，诊断过程中易出现基于故障劣化过程中不同时间点信息诊断所得结论冲突问题。 

已公开的本人的“基于专家思维的多维度故障诊断方法”专利申请(公开号CN103149046A)，是依据多测点多时间点信息进行融合诊断的雏形，但其较多细节问题并未明确，未给出三维敏感参数矩阵的详细描述及权重矩阵的设计规则，同时在其故障矩阵中未考虑所选择测点、时间点无数据情况。 

发明内容

本文从诊断专家进行分析诊断时的思路出发，提出基于专家思维的多维度故障诊断方法，依据故障机理及设备上不同测点对故障的响应程度，选择相关测点，依据故障劣化规律选择多时间点的信息融合进行诊断，以提高故障诊断准确率，避免诊断结论冲突问题。为充分利用所采集的信息，提高诊断准确率，并使设备尽可能的减少误报，本发明提出了一种基于多维度信息融合的故障诊断方法，包括如下步骤： 

1)通过在线监测系统采集设备各测点各时间点振动数据，通过信号处理，从各测点各时间点振动数据中提取敏感参数，将单一测点单一时间点数据提取出的所有敏感参数组成该测点该时间点的敏感参数集，若某一敏感参数集中的一个或多个特征参数超过报警值，即启动故障诊断； 

2)依据传统专家系统诊断推理规则，对报警敏感参数集进行诊断，获得初始诊断结论； 

3)依据故障机理及各测点对故障的响应明显程度，选择相关测点，依据故障劣化规律，选择多个时间点，用相关测点多时间点敏感参数集构建多维度敏感参数矩阵； 

4)依据传统专家系统推理规则，对敏感参数矩阵中各敏感参数集进行诊断，生成对应故障矩阵； 

5)依据不同故障类型故障劣化规律，设计权重矩阵； 

6)将故障矩阵与权重矩阵对应位置数据相乘，求解融合后诊断结论R并对R进行归一化处理，处理后当R大于等于一设定值R₀时，则说明该设备确实存在故障矩阵所代表的故障，否则说明设备不存在故障矩阵所代表的故障； 

7)给出融合后诊断结论，即设备是否存在某一故障类型。 

其中，步骤1)中的敏感参数集为： 

S_ij＝[s_ij1，s_ij2，...，s_ijk] 

上式中各参数意义： 

i：第i个时间点； 

j：第j个测点； 

k：敏感参数的个数； 

S_ij：测点j，时间点i的敏感参数集； 

S_ijk；测点j，时间点i的第k个敏感参数。 

对于旋转设备，将采集到的数据经信号处理，提取出的敏感参数有通频、主导频率、幅值、相位、轴心轨迹等；对于往复设备，将采集到的数据经信号处理，提取出的敏感参数有温度、活塞杆沉降、缸体振动、曲轴箱振动等。 

其中，步骤3)中建立的多维度敏感参数矩阵为： 

上式中各参数意义： 

S：多维度敏感参数矩阵； 

m：依据故障劣化规律，选择的m个时间点； 

n：依据故障机理及对故障的响应程度，选择的n个相关测点。 

其中，步骤4)中生成的故障矩阵为： 

上式中各参数意义：