[发明专利]一种矢量喷管控制系统的多信息融合故障诊断方法及系统

权利要求书

1.一种矢量喷管控制系统的多信息融合故障诊断方法，其特征在于，所述矢量喷管控制系统包括多种类型的传感器，所述矢量喷管控制系统的多信息融合故障诊断方法包括：

获取矢量喷管控制系统工作状态下的多源数据信息，并将所述多源数据信息划分为训练集与测试集；所述工作状态包括正常状态以及故障状态，所述故障状态包括伺服阀磨损、作动筒磨损以及线性可变差动变压器LVDT位移传感器漂移；所述多源数据信息包括伺服阀电流信息、作动筒压力信息和LVDT位移传感器信息；

对所述训练集内的多源数据信息进行小波去噪处理，确定多源信息数据集；

对所述多源信息数据集内每一种多源数据信息进行故障特征提取，确定多信息域的故障特征参数数据集；所述故障特征参数数据集包括时域特征信息、频域特征信息以及时频域特征信息；

采用主成分分析法对所述故障特征参数数据集进行降维处理，确定主元数据集；所述主元数据集包括多个降维后的主元数据；并将所述降维后的主元数据作为D-S证据理论中的单个证据体信息；

基于所述主元数据集，利用D-S证据理论融合多个所述单证据体信息，确定对于每种所述故障状态的概率分配值，并依据最大概率准则识别故障类型；

所述基于所述主元数据集，利用D-S证据理论融合多个所述单证据体信息，确定对于每种所述故障状态的概率分配值，并依据最大概率准则识别故障类型，具体包括：

利用模糊C均值离散算法将所述主元数据集内的主元数据进行离散聚类，得到单个证据体对于每种故障状态的基本概率分配值；

基于所述基本概率分配值，利用D-S证据理论融合多个所述单证据体信息，确定对于每种所述故障状态的概率分配值，并依据最大概率准则识别故障类型。

2.根据权利要求1所述的矢量喷管控制系统的多信息融合故障诊断方法，其特征在于，所述对所述多源信息数据集内每一种多源数据信息进行故障特征提取，确定多信息域的故障特征参数数据集，具体包括：

从时域、频域以及时频域三个方面对所述多源信息数据集内每一种多源数据信息进行故障特征提取，确定时域特征、频域特征以及时频域特征；所述时域特征包括波形因子、波峰因子、脉冲因子、峭度因子和裕度因子；所述频域特征包括重心频率、均方频率以及频率方差；所述时频域特征包括小波包分解所述多源数据信息后的信号能量谱中各频带的能量百分比特征；

根据所述时域特征、所述频域特征以及所述时频域特征确定多信息域的故障特征参数数据集。

3.根据权利要求2所述的矢量喷管控制系统的多信息融合故障诊断方法，其特征在于，所述波形因子为其中，S为波形因子，x(t)为所述多源信息数据集中的检测信号，t＝1,2,…,N，t为采集的信号序号，N为采集的信号总数；

所述波峰因子为其中，C为波峰因子；

所述脉冲因子为其中，I为脉冲因子；

所述峭度因子为其中，K为峭度因子；

所述裕度因子为其中，L为裕度因子。

4.根据权利要求2所述的矢量喷管控制系统的多信息融合故障诊断方法，其特征在于，所述重心频率为其中，FC为重心频率，f为频率，s(f)为功率谱函数；

所述均方频率为其中，MSF均方频率；

所述频率方差为其中，VF为频率方差。

5.根据权利要求2所述的矢量喷管控制系统的多信息融合故障诊断方法，其特征在于，所述能量百分比特征为其中，D_i为小波包分解所述多源数据信息后的信号能量谱中各频带的能量百分比特征，E(j,i)为第j层上第i个节点的能量值。