[发明专利]一种故障诊断方法

说明书

本发明提供的一种故障诊断方法，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。

技术领域

本发明涉及故障诊断领域，是一种基于中智集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。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

随着现代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。本发明提出一种基于中智集的故障诊断方法，实现在设备监测传感器信号不确定性情况下的综合故障诊断，为实现设备的自主健康管理提供支撑，提高设备运行的可靠性和安全性。

第一方面，本申请提出了一种故障诊断方法，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。

可选的，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)。

可选的，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。

可选的，所述输入待测样本数据，具体包括：