[发明专利]一种复杂传感器网络自适应动态故障诊断方法及系统

权利要求书

1.一种复杂传感器网络自适应动态故障诊断方法，其特征在于，包括：

获取复杂传感器网络中的传感器监测信息；

基于所述传感器监测信息计算传感器监测信息相对于BRB中每条规则的匹配度；

基于所述传感器监测信息相对于BRB中每条规则的匹配度，计算每条规则的激活权重；

根据所述每条规则的激活权重，计算故障诊断模型的输出结果的置信度；

根据所述故障诊断模型的输出结果的置信度以及复杂传感器网络的故障特征向量进行故障诊断。

2.根据权利要求1所述的复杂传感器网络自适应动态故障诊断方法，其特征在于，在所述获取复杂传感器网络中的传感器监测信息，之后包括：

将所述传感器监测信息转换到统一框架下。

3.根据权利要求1所述的复杂传感器网络自适应动态故障诊断方法，其特征在于，所述传感器监测信息相对于BRB中每条规则的匹配度的计算公式如下：

其中，为第i个传感器监测信息相对于第j条规则中参考等级的匹配度；B_ik和B_i(k+1)分别表示第i个传感器在第k条和第k+1条规则中的参考等级；为t时刻第i个传感器的监测信息，L′为规则数量。

4.根据权利要求3所述的复杂传感器网络自适应动态故障诊断方法，其特征在于，所述每条规则的激活权重的计算公式如下：

其中，w_k(t)为第k条规则的激活权重，α_k(t)为传感器监测信息相对于第k条规则的匹配度，表示第k条规则权重。

5.根据权利要求4所述的复杂传感器网络自适应动态故障诊断方法，其特征在于，在所述规则权重低于阈值时，删除所述规则权重对应的规则，降低故障诊断模型的复杂度。

6.根据权利要求4所述的复杂传感器网络自适应动态故障诊断方法，其特征在于，所述故障诊断模型的输出结果的置信度的计算公式如下：

其中，β_n(t)为故障诊断模型输出结果中第n个故障结果的置信度，w_k(t)为第k条规则的激活权重，β_n,k(t)为第k条规则中第n个故障结果的置信度，L′为约减后的模型规则数量，N为系统中故障诊断结果的种类。

7.根据权利要求1所述的复杂传感器网络自适应动态故障诊断方法，其特征在于，根据所述故障诊断模型的输出结果的置信度以及复杂传感器网络的故障特征向量进行故障诊断，具体包括：

根据所述故障诊断模型的输出结果的置信度，构建输出结果向量；

根据输出结果向量与所述故障特征向量之间的距离进行故障诊断。

8.一种复杂传感器网络自适应动态故障诊断系统，其特征在于，包括：

传感器监测信息获取模块，用于获取复杂传感器网络中的传感器监测信息；

匹配度计算模块，用于基于所述传感器监测信息计算传感器监测信息相对于BRB中每条规则的匹配度；

激活权重计算模块，用于基于所述传感器监测信息相对于BRB中每条规则的匹配度，计算每条规则的激活权重；

输出结果置信度计算模块，用于根据所述每条规则的激活权重，计算故障诊断模型的输出结果的置信度；

故障诊断模块，用于根据所述故障诊断模型的输出结果的置信度以及复杂传感器网络的故障特征向量进行故障诊断。