[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

说明书

本发明提供的一种基于改进D‑S证据理论的滚动轴承故障融合诊断方法，首先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，以从多角度反映滚动轴承的不同故障特性，得到多种初级诊断结果；然后，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；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；最后采用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。本方法从多个角度来进行故障诊断，再进行多决策融合，在充分保留各诊断方法的优点的同时降低单一诊断方法引发的片面性，提高故障诊断率及诊断可靠性。

技术领域

本发明涉及轴承检测技术领域，具体涉及基于改进D-S证据理论的滚动轴承故障融合诊断方法。

背景技术

发电机是风力发电机组的核心部件，其运行的可靠性直接影响机组的稳定性，而滚动轴承是发电机的关键部分，所以对滚动轴承进行故障诊断有着重要的意义。目前，对于滚动轴承故障诊断，通常利用不同的信号处理技术(如傅立叶变换、小波变换、EMD分解等)提取特征构建故障特征集，再应用不同的模式识别算法进行识别实现自动诊断。这种先构建特征集再进行模式识别的故障诊断方法取得了较好的诊断结果，但不同的特征集构建方法是不同角度来反映信号中的特征，不同的模式识别算法也各有特点，仅将某种故障特征集或某种模式识别算法进行结合只能从单一的角度寻求故障分类方法，势必存在片面性从而影响到诊断结果的可靠性。

由于D-S证据理论在处理不确定信息方面的优势，其被广泛应用于决策融合诊断，取得了良好效果。但是，当证据源冲突时，D-S证据理论决策融合结果会出现置信偏低或与实际相反的问题。针对该问题，国内外学者提出了多种解决方法。这些方法归纳起来分为两类，一类是修改组合规则，如：Yager方法将支持冲突的概率全部赋给未知领域、DP规则将mass函数值赋予造成冲突焦元的并集、Lefevre提出的统一信度函数组合方法；这类修改规则法的组合结果与组合顺序有关，不满足结合律，应用受到限制。另一类则是修改原始证据的基本概率分配，如：Murphy方法将冲突证据进行简单的加权平均，Liu对证据的可信度进行加权平均；这类方法都是通过加权平均使得算法款快速收敛至某一期望结果，组合结果具有较强的主观倾向性。