[发明专利]一种基于诊断证据平滑更新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诊断证据平滑更新的旋转机械设备故障诊断方法，属于旋转机械设备故障检测与诊断技术领域。

背景技术

在线故障诊断技术是保障旋转机械设备安全生产和高效运行的有力手段，但是目前情况下，该技术才刚刚起步，在实施过程中还面临诸多挑战。由于故障模式及其特征的复杂性和多样性，传统的基于单传感器的信息处理方法已不能胜任故障的检测和诊断，要想实现实时诊断并提高故障确诊率，采用多传感器增大诊断信息量势在必行。信息融合中的证据理论及方法以其在不确定性的表示、量测和融合等方面具有的优势，成为故障诊断领域中逐步被重视的一种方法。在已有的基于证据理论的各种融合诊断方法，如文献《基于模糊故障特征信息的随机集度量信息融合诊断方法，电子与信息学报》中提出的诊断证据获取及融合方法，由于只采用当前诊断证据判定故障，没有考虑当前诊断证据与历史及未来诊断证据之间的变化趋势及关系，必将使得最终的诊断决策缺乏足够的准确性和可靠性。

发明内容

本发明的目的在于，所提出的一种基于诊断证据平滑更新的旋转机械设备故障诊断方法，将当前时刻诊断证据、历史及未来时刻诊断证据进行更新融合，利用得到的当前时刻更新后的诊断证据做出诊断决策，从而使得诊断结果更加准确与可靠。

本发明提出的一种基于诊断证据平滑更新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＝{F₀,F₁,…,F_j,…,F_N}，F_j代表旋转机械设备的第j种故障(j＝0,1,…,N)，则共有N+1种故障。

（2）通过诊断证据生成方法，可在第k个时刻(k=1,2,3,…)，获得旋转机械设备的诊断证据为E_k＝(m_k(F₀),m_k(F₁),…,m_k(F_j),…,m_k(F_N),m_k(Θ))，其中m_k(F_j)表示在k时刻，对第j种故障发生的信度赋值，m_k(Θ)表示对故障集合的信度赋值，则E_k为这些信度赋值构成的一个信度赋值向量，并有1-(m_k(F₀)+m_k(F₁)+…+m_k(F_j)+…+m_k(F_N))＝m_k(Θ)。

（3）基于步骤（2）获得的诊断证据，通过线性加权诊断证据融合规则，用第k个时刻诊断证据对历史诊断证据进行平滑更新，从而获得k时刻更新后的诊断证据E_1:k＝(m_1:k(F₀),m_1:k(F₁),…,m_1:k(F_j),…,m_1:k(F_N),m_1:k(Θ))，其中1:k表示E_1:k是融合从1到k时刻所有的诊断证据得到的，具体步骤如下：

（3-1）当k＝1时，更新后的诊断证据为

E_1:1＝E₁

亦即更新后的诊断证据即为该时刻获得的诊断证据；

（3-2）当k≥2时，更新后的诊断证据向量E_1:k，其各元素取值由以下式(1)和(2)给出

m_1:k(A)＝α_km_1:k-1(A)+β_km_k(A|B)  A,B∈Θ    (1)

m_1:k(Θ)＝1-Σ_A∈Θm_1:k(A)    (2)