[发明专利]一种基于改进D-S证据理论的滚动轴承故障融合诊断方法

权利要求书

1.一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：包括以下步骤：

S1、初级诊断：采用多种故障诊断方法对不同故障状态的数据进行分类识别，反映滚动轴承的不同故障特性，得到多种初级诊断结果；

S2、证据分类：利用D-S证据理论中的冲突因子构建各证据间的相关度矩阵，计算各证据的可靠度；然后根据各证据可靠度，采用最近邻准则进行相似证据与冲突证据分类；保留相似证据的概率分配，同时修改冲突证据的基本概率分配；

S3、决策融合：采用D-S组合规则对相似证据和修改后的冲突证据进行融合，得出最终的诊断结果。

2.根据权利要求1所述的一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：在S1中，采用多种故障诊断方法对不同故障状态的数据进行分类识别具体为：选取一组载荷功率下滚动体故障、外圈故障、内圈故障以及正常信号构成训练本体；同时选取另一组载荷功率下滚动体故障、外圈故障、内圈故障以及正常信号构成测试样本；所述训练样本和测试样本的载荷不同。

3.根据权利要求2所述的一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：将训练样本和测试样本在不同特征集与不同模式识别算法进行组合，不同特征集为IMF幅值能量和小波包系数，不同模式为BP神经网络、KNNC和SVM。

4.根据权利要求1所述的一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：

在S2中，首先，采用公式和计算两证据间冲突因子k_i，j与两证据相关度r_i，j，找到各证据的相关性；然后得到相关矩阵R以对各证据的可靠度进行量化；最后根据证据的可靠度的高低对证据进行相似证据与冲突证据分类；

其中m₁和m₂为同一识别框架上两个互相独立的mass函数，焦元分别为：A₁，A₂，…A_i和B₁，B₂，…B_j；同一基本概率赋值函数间的焦元也相互独立，即；k_i，j为两证据的冲突因子，r_i，j为两证据的相关度。

5.根据权利要求4所述的一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：所述相关矩阵R以对各证据的可靠度进行量化规则为：相关矩阵R的任意第i行，其元素之和越大，证据m_ij的可靠度越高；反之元素之和越小，证据m_ij的可靠度越低。

6.根据权利要求4所述的一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：根据证据的可靠度的高低对证据进行相似证据与冲突证据分类具体为：

预设冲突阈值δ和分类阈值τ，定义证据m_i的可靠度为E_i，其中设Ei的最小值为α，E_i的最大值为β，若β-α＜δ，则认为证据中不存在冲突证据；若β-α＞δ则根据可靠度的高低用最近邻规则进行相似证据与冲突证据分类；

根据最近邻分类规则函数：进行计算，若λi小于分类阈值τ，则将该证据归为相似证据，若λi大于分类阈值值τ，则将其归为冲突证据，由此实现证据分类。

7.根据权利要求6所述的一种基于改进D-S证据理论的滚动轴承故障融合诊断方法，其特征在于：对于冲突类证据，修改mass函数的基本概率分配，把证据的可靠度进行归一化处理得到证据mi的权值w_i，对冲突证据进行权值修改，修改规则为：其中m_i^(c)(Q_k)为冲突证据，m_i′(Q_k)为修改后的证据。