[发明专利]一种基于否定证据信度结构的多特征故障诊断方法

权利要求书

1.一种基于否定证据信度结构的多特征故障诊断方法，其特征在于，包括以下步骤：

步骤一、依据故障样本数据集与待测样本数据分别生成三角模糊数；

系统基于r种故障特征C₁，C₂，…，C_i，…，C_r在n种故障类型F₁，F₂，…，F_j，…，F_n下对待测样本进行故障诊断，系统的辨识框架表示为Θ＝{F₁，F₂，…，F_n}，它的幂集包含2^N个命题，输入n种故障类型下r种故障特征的故障样本数据集D_ij及传感器在r种故障特征下对样本进行测量得到的待测样本数据T_i，分别根据D_ij和T_i生成故障样本数据集在属于各故障类型的每种故障特征下的三角模糊数与待测样本数据在各故障特征下的三角模糊数，生成方法为：

步骤101：计算故障样本数据集D_ij中所有属于故障类型F_j的k个样本在故障特征C_i上的最小值平均值和最大值其为故障样本数据集D_ij中属于故障类型F_j的k个样本在故障特征C_i上的测量值，由此生成故障样本数据集在属于故障类型F_j的故障特征C_i下的三角模糊数

步骤102：根据步骤101计算待测样本数据T_i在故障特征C_i上的最小值Y_i^min，平均值和最大值Y_i^max，生成待测样本数据在故障特征C_i下的三角模糊数

步骤二、依据故障样本数据集与待测样本数据的三角模糊数匹配生成各故障特征的否定证据信度结构；

步骤201：将故障样本数据集中故障特征C_i在故障类型F_j下的三角模糊数与待测样本数据在故障特征C_i下的三角模糊数进行匹配，根据公式生成待测样本数据T_i在故障特征C_i下命题A的否定证据信度结构，其中S_i表示在故障特征C_i上的待测样本数据的三角模糊数的面积，表示在故障特征C_i上的待测样本数据的三角模糊数与故障特征C_i上属于命题A的所有故障类型F_j的故障样本数据集三角模糊数的重叠面积，表示在故障特征C_i上的待测样本数据的三角模糊数与故障特征C_i上属于命题A的所有故障类型F_j的故障样本数据集的三角模糊数及不属于命题A的各故障类型F_p的故障样本数据集三角模糊数的重叠面积的并集；

步骤202：依据步骤201生成待测样本数据T_i在故障特征C_i下所有2^N个命题的否定证据信度结构，使用公式对计算结果进行归一化处理，由此生成待测样本数据T_i在故障特征C_i下的否定证据信度结构

步骤三、生成各故障特征的证据信度结构；

步骤301：基于步骤202中生成的待测样本数据T_i在每种故障特征下的否定证据信度结构，根据公式生成待测样本数据T_i在故障特征C_i下命题A的证据信度结构，其中|A|表示命题A中元素的基数，|A∩B|表示命题A与B中相交元素的基数；

步骤302：依据步骤301生成待测样本数据T_i在故障特征C_i下所有2^N个命题的证据信度结构，使用公式对计算结果进行归一化处理，由此生成待测样本数据T_i在故障特征C_i下的证据信度结构m_i′；

步骤四、依据故障样本数据集生成各故障特征的权重；

步骤401：基于步骤101中计算得到的故障样本数据集D_ij在故障特征C_i上分别属于n个故障类型的平均值使用公式分别生成故障样本数据集D_ij在故障特征C_i上的平均值和方差；

步骤402：根据公式生成故障样本数据集D_ij在故障特征C_i上的变异系数；

步骤403：依据步骤402生成故障样本数据集D_ij在各故障特征上的变异系数，并进行归一化处理，使用公式生成各故障特征的权重；

步骤五、融合各故障特征的证据信度结构并判断待测样本所属故障类型；

步骤501：将步骤三中得到的待测样本数据在r个故障特征下的r个证据信度结构使用加权平均法进行融合，基于步骤403中生成的各故障特征的权重，根据公式生成命题A的加权平均证据信度结构，并计算所有2^N个命题的加权平均证据信度结构，生成加权平均证据信度结构m′；

步骤502：依据步骤501中生成的加权平均证据信度结构，首先使用公式融合两个加权平均证据信度结构，生成所有2^N个命题的证据信度结构，其中再使用融合生成的证据信度结构与第三个加权平均证据信度结构进行融合，基于这种方法，根据公式m′_r依次融合r个加权平均证据信度结构，由此生成融合证据信度结构m，其中m′_i＝m′，i＝1，2，…，r，表示第i个加权平均证据信度结构；

步骤503：根据公式生成故障类型F_j的概率，其中|A|表示命题A的元素个数；

步骤504：依据步骤502计算得到n个故障类型的概率并进行比较，最大的即为待测样本所属的类型。