[发明专利]一种故障诊断方法

权利要求书

1.一种故障诊断方法，其特征在于，所述方法包括：

输入故障样本数据；

根据所述故障样本数据的属性和故障建立高斯模糊数模型；

输入待测样本数据；

利用单值中智集生成规则，根据高斯模糊数模型和待测样本数据，生成各种属性和各种故障的中智集；

对不同属性且同种故障的中智集融合；

利用Topsis方法将各种故障的中智集转换为可比较大小的关联值；

根据每种故障的关联值，对判断设备故障种类；

对所述故障样本数据建立高斯模糊数模型，具体包括：

将样本数据Dij的均值和标准差分别作为故障Fi属性j高斯模糊数模型的均值和标准差；

所述输入待测样本数据，具体包括：

输入待测设备属性j下的待测样本数据Tj，所述待测样本与每一故障的相关程度可用中智集进行表示，属性j下故障i的中智集具体表示为A_ij＝[T(x),I(x),F(x)]，(i＝1，2，…，n，j＝1，2，…，k)，

其中，T(x)表示对事件x的信任程度，I(x)表示对于事件x的不确定度，F(x)表示对于事件x的否定程度，三者的取值范围满足T(x),I(x),F(x)∈[0,1]；

利用单值中智集生成规则根据高斯模糊数模型和待测样本数据，生成每种故障每种属性的中智集，具体包括：

待测样本数据可表示为一条垂直于x轴的直线，在属性j下待测样本与n种故障的高斯模糊数有n个交点，交点的y轴值的大小为故障T(x)的大小，F(x)的大小可以表示为F(x)＝1-T(x)，I(x)大小为除与该故障交点以外的交点的最大值；

对不同属性且同种故障的中智集融合，具体包括：

将不同属性的相同故障的中智集相加求平均，即

融合后得到n种故障k种属性下的平均中智集共n组。

2.根据权利要求1所述的方法，其特征在于，所述输入故障样本，具体包括：

输入n种故障、k种属性的故障样本数据Dij(i＝1，2，…，n，j＝1，2，…，k)。

3.根据权利要求1所述的方法，其特征在于：所述利用Topsis方法将n种故障的中智集转换为可比较大小的关联值，具体包括：

通过公式将n种故障的中智集转换为可比较大小的数值，D(x)的大小表明了对事件x本次发生与该事件一定发生的关联度，D(x)∈[0,1]，D(x)值越小表明x本次发生的概率大，D(x)值越大表明事件x本次发生的概率较小，通过转换共得到n个数值。

4.根据权利要求3所述的方法，其特征在于：根据每种故障的关联值对设备具体属于某种故障做出判断，具体包括：

根据每种故障的关联值对设备具体属于某种故障做出判断，故障关联值越小的本次发生的概率大，因而做出设备的故障诊断。