[发明专利]结合关联分析和数据融合的故障诊断方法

说明书

技术领域

本发明涉及一种故障诊断方法，特别是涉及一种结合关联分析和数据融合的故障诊断方法。

背景技术

文献“基于神经网络与D-S证据理论的电动机故障诊断，第五届全国振动利用工程学术会议暨第四次全国超声电机技术研讨会论文集，2012”公开了一种故障诊断方法。该方法通过多传感器测试被诊断对象，求出每一传感器在某症状下对各类故障的隶属度值；将所有传感器的故障隶属度值矢量作为神经网络的输入，网络输出即为融合后该症状属于各类故障的隶属度值矢量；最后利用基于规则的判定原则进行故障决策。文献所述方法将神经网络训练得到的隶属度作为数据融合的基本概率赋值，欠缺对观测得到的故障征兆与已知各类故障之间关联性强弱的考虑，而隶属度的确定带有主观性，导致故障诊断结果的准确性降低。

发明内容

为了克服现有故障诊断方法故障诊断结果精确度低的不足，本发明提供一种结合关联分析和数据融合的故障诊断方法。该方法将来自不同测量来源的设备信息进行提取，对多源信息与已知故障模式对应的同源信息进行关联性分析，得到的关联度作为待诊断故障中测得的多源数据与已知故障模式之间的相关系数，通过数据融合的方法对多个来源的信息进行综合，计算出待诊断故障属于各已知故障模式的信度，从中选择最大信度对应的故障模式。由于采用将待诊断故障过程中单一物理量与已知故障类型中的同一物理量之间的灰色关联度代替多源数据融合过程中的相关系数的方法，有效的衔接了单一物理量与多元信息融合的过程，消除了背景技术方法中自定义隶属度依据主观判断的不准确性，有效利用了多测量值的可靠性，提高了故障诊断结果的精确度。

本发明解决其技术问题所采用的技术方案是：一种结合关联分析和数据融合的故障诊断方法，其特点是采用以下步骤：

步骤一、针对待检测设备，提取历史运行过程中已知的q类故障发生时设备各系统输出的电压、温度和偏转角度的时间序列。

s111(t),s121(t),...,s1n1(t),s211(t),...,s2m1(t),...,sk11(t),...,skp1(t)s112(t),s122(t),...,s1n2(t),s212(t),...,s2m2(t),...,sk12(t),...,skp2(t)...s11q(t),s12q(t),...,s1nq(t),s21q(t),...,s2mq(t),...,sk1q(t),...,skpq(t)---(1)]]>