[发明专利]一种基于DS证据理论的时域融合故障诊断方法

说明书

本发明基于证据理论，提供一种故障诊断的方法，涉及故障诊断领域。本发明对各故障建立三角模糊模型，根据待测样本与故障模型间交点生成基本概率分配函数，用证据理论组合规则将各特征下生成的基本概率分配函数融合，最后将多个时刻的融合结果进行再融合实现故障诊断。本发明采用证据理论与三角模糊数相结合实现故障诊断，具有计算简单的优点；本发明提出的基本概率分配函数生成方法，很好的实现了对模糊信息的处理；本发明提出的多时刻融合故障诊断提升了故障诊断的鲁棒性；本发明提出的故障诊断方法，可以实现电机转子的故障诊断。

技术领域

本发明涉及故障诊断领域，是一种基于DS证据理论实现故障诊断的方法。

背景技术

故障诊断技术是一门紧密结合生产实际的工程科学，是现代化生产发展的产物。随着现代科学技术在设备上的应用，设备的结构越来越复杂，功能也越来越完善，自动化程度越来越高，由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的乃至灾难性的事故。

故障诊断技术就是在设备运行中或基本不拆卸设备的情况下，掌握设备的运行状况，根据对被诊断对象测试所取得的有用信息进行分析处理，判断被诊断对象的状态是否处于异常状态或故障状态。

信息融合技术是协同利用多源信息，以获得对事物或目标更客观、更本质认识的信息综合处理技术，是智能科学研究的关键技术之一。在诸多的融合模型和方法中，D-S证据理论算法是最为有效的算法之一。证据理论把概率论中的基本事件空间拓宽为基本事件的幂集，又称为辨识框架，在辨识框架上建立了基本概率分配函数(Basic ProbabilityAssignment，BPA)。此外，证据理论还提供了一个Dempster组合规则，该规则可以在没有先验信息的情况下实现证据的融合。特别地，当BPA只在辨识框架的单子集命题上进行分配时，BPA就转换为概率论中的概率，而组合规则的融合结果与概率论中的Bayes公式相同。从这个角度来看，DS证据理论能够比概率论更有效地表示和处理不确定信息，这些特点使其在信息融合领域得到了广泛的应用。正是由于DS证据理论在不确定知识表示方面具有优良的性能，所以近几年其理论和应用发展较快，该理论在多传感器信息融合、医学诊断、军事指挥、目标识别方面发挥了重要作用。

证据理论有诸多优点，将其应用在故障诊断中可以较好的处理出现在设备传感器信号中的不确定信息。

发明内容

为了实现故障诊断，本发明基于DS证据理论，提供一种故障诊断的方法。使用该方法实现的故障诊断能够较好的处理设备传感器信号中的不确定信息，准确地对电机转子故障做出诊断。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤一：输入n种故障、k种特征的故障样本数据D_ij，i＝1,2,…,n,j＝1,2,…,k，n种故障记为F₁,F₂,...,F_n，故障样本数据D_ij是k种特征的测量值，对每种故障每种特征建立三角模糊数模型，辨识框架为Θ＝{F₁,F₂,...,F_n}，三角模糊数是给定论域U上的一个模糊集，是指对任何x∈U，都有一个数μ(x)∈[0,1]与之对应，μ(x)称为x对U的隶属度函数所述三角模糊数模型建立的方法为：

将故障F_i特征j样本数据D_ij的最小值minD_ij、均值aveD_ij及最大值maxD_ij分别作为故障F_i特征j三角模糊数模型的最小值，均值，最大值，则故障F_i特征j的三角模糊数为