[发明专利]一种基于单值中智集相关系数的故障诊断方法

说明书

本发明公开了一种基于单值中智集相关系数的故障诊断方法，包括以下步骤：步骤一、依据故障样板模式数据集生成三角模糊数；步骤二、依据传感器测量数据生成待检模式的三角模糊数；步骤三、依据故障样板与待检模式三角模糊数匹配生成在各故障特征上的各故障类型的单值中智集表示；步骤四、计算各故障类型下单值中智集表示与理想中智集表示行向量的相关系数来判断待检模式所属故障类型。本发明在三角模糊数的基础上，结合单值中智集处理不确定信息的优势，将故障样板与待检模式三角模糊数匹配生成在各故障特征上的各故障类型的单值中智集表示，并求出各故障类型下单值中智集表示与理想中智集表示行向量的相关系数，从而识别待检模式故障类型，可以有效处理不确定信息，提高故障识别的准确率。

技术领域

本发明属于故障诊断领域，具体涉及一种基于单值中智集相关系数的故障诊断方法。

背景技术

现代生产系统通常复杂、高速，生产设备也随之增多。在实际使用中，设备或系统出现故障不可避免。然而，一旦在运转过程中发生故障，可能会造成很大的损失。因此，及时对设备及系统进行故障诊断可以有效监督运行状态，防止事故发生。

故障诊断主要是对系统异常运行状态进行判断，并对故障类型及部位进行有效识别。概括而言，故障诊断方法可以分成两大类：基于数学模型的故障诊断方法、基于人工智能的故障诊断方法。现代机械设备结构复杂，且受到众多主客观外部因素的影响，使得传感器探测信息存在不确定性。对于诊断信息的这种模糊现象，需要使用模糊数学方法进行处理。中智集可以很好的表示模糊信息的不一致或不连续，在处理模糊信息方面具有优势，被广泛应用于故障诊断，多准则决策等领域。

多数情况下故障现象与故障原因间关系不明确，在单一故障特征下对故障类型进行判断往往存在很大误差。因此，有必要同时在几种故障特征下进行故障类型的判断，这样可以实现对诊断目标的准确认知。

因此，本申请基于单值中智集理论，使用传感器探测得到的样本信息，生成单值中智集与理想中智集行向量的相关系数来识别设备故障类型，一方面可以较好处理传感器信息的不确定性，另一方面又可以提升故障识别的准确率。

发明内容

本发明所要解决的技术问题是：如何实现设备故障诊断。使用该方法实现故障诊断对设备安全领域具有重要意义。

为解决上述技术问题，本发明采用的技术方案是一种基于单值中智集相关系数的故障诊断方法，其特征在于，包括以下步骤：

1、一种基于单值中智集相关系数的故障诊断方法，其特征在于，包括以下步骤：

步骤一、依据故障样板模式数据集生成三角模糊数；

输入m种故障类型、n种故障特征的故障样板模式数据集D_ij，i＝1,2,…,m，j＝1,2,…,n，故障类型表示为F＝{F₁,F₂,…,F_m}，故障特征表示为C＝{C₁,C₂,…,C_n}；故障样板模式数据集D_ij是n种故障特征的测量值，根据D_ij生成各种故障特征下的三角模糊数，生成方法为：

步骤101：计算故障模板数据集D_ij中所有属于故障类型F_i的k个样本在故障特征C_j上的最小值平均值和最大值其中为故障模板数据集D_ij中属于故障类型F_i的k个样本在故障特征C_j上的测量值；

步骤102：根据步骤101中的生成的三角模糊数计算故障类型F_i在故障特征C_j上三角模糊数的面积S_ij，

步骤二、生成待检模式数据T的三角模糊数；