[发明专利]一种基于信息融合与灰色关联度的故障诊断方法及系统

权利要求书

1.一种基于信息融合与灰色关联度的故障诊断方法，其特性在于，包括：

采集发动机故障时的尾气成分样本；

根据系统工程方法论计算所述样本中的计算静、动态权重系数；

利用证据理论方法将所述尾气成分的权重系数进行融合计算，获得各尾气成分的综合动态权重系数；

基于动态权重的灰色关联度算法计算出各样本的发动机故障关联度区间；

发动机故障判断时，采集尾气成分的小样本数据，计算出关联度，与所述发动机故障的关联度区间相比较，诊断发动机故障类型，

所述根据系统工程方法论计算所述样本中的计算静、动态权重系数包括，

所述系统工程方法论包括主成分分析法、熵权法以及层次分析法，其中主成分分析法计算主成分分析权重，熵权法计算熵权法权重，层次分析法计算层次分析法权重，

所述基于动态权重的灰色关联度算法包括，

将正常运行的尾气数列作为参考数列x₀，将采集到的故障尾气数列作为比较数列x_i(i＝1，2，…，n)，对各数列进行均值化处理得到x_im，计算所述参考数列与所述比较数列的关联系数，其计算过程为如下：

其中：ξ为分辨率，取ξ＝0.5，i∈N，N＝{1，2，…，m}，k∈K，K＝{1，2，…，n}，进而计算关联度，其计算公式为：

2.如权利要求1所述的基于信息融合与灰色关联度的故障诊断方法，其特征在于：所述主成分分析法计算主成分分析权重包括，

对每个故障的原始指标数据标准化采集p维随机向量x＝(x₁，x₂，..，x_p)^T，以及n个样品n＞p，构造样本矩阵P并计算标准化矩阵Z，所述标准化矩阵Z的计算公式为：

其中：S_j为样本方差，为样本均值，对所述标准化矩阵Z利用协方差计算出协方差矩阵M的特征值与特征向量，并且计算出样本的累计贡献率，挑选出其中累计贡献率低于85％的主成分样本，确定所述样本的成分矩阵表，计算主成分分析的权重ω_p，计算过程为，所述成分矩阵表各成分与对应的所述主成分贡献率的乘积之和除以主成分贡献率之和。

3.如权利要求2所述的基于信息融合与灰色关联度的故障诊断方法，其特征在于：所述熵权法计算熵权法权重包括，

设置各故障数据为n个样本，m个指标，其中第i个样本的第j的指标为X_ij，对所述故障数据采用负向指标运算进行标准化处理，计算公式为如下：

计算归一化矩阵P各元素p_ij以及信息熵E_j，进而计算熵权法权重ω_i，其计算公式为：

4.如权利要求3所述的基于信息融合与灰色关联度的故障诊断方法，其特征在于：所述层次分析法计算层次分析法权重包括，

建立层次结构模型，包括目标层、准则层以及方案层，再构造判断矩阵，按照要素的重要程度评定等级，所述判断矩阵A为：

A＝(a_ij)_n×n

其中：a_ij为元素i与元素j的重要性之比；然后计算近似特征向量以及最大特征根的近似值，判断一致性标准，所述目标层通过判断矩阵的相对权重形成总排序，在获得相同级别的各因子之间的相对重要性之后，从上往下计算每个级别的元素，并合成，设定准则层与方案层各因子权重为ω₀，方案层各因子权重整合得到矩阵ω₁，最终权重值计算公式：

ω_A＝ω₁×ω₀

其中：ω_A为层次分析法权重。