[发明专利]基于动态模糊网络和多源信息融合的供电系统级故障诊断

权利要求书

1.基于动态模糊网络和多源信息融合的供电系统级故障诊断，其特征在于：

传感器收集到飞机供电系统各设备各项运行监测参数；传感器参数数据进行高频信号处理，分解出原始信号中存在的时域信息、频域信息、趋势信息等多维信息；构建供电系统级部件关联网络，以各部件为节点，以各部件之间关联关系为边，各边初始状态设为1；依据多维信息，利用Frechet算法进行多维信息融合，计算各部件之间关联关系，并进行模糊图网络的动态更新，构建动态模糊网络；结合供电系统结构信息，通过图理论融合知识信息，进行结构约简；基于故障数据进行不同故障模式下供电系统级动态模糊网络构建；通过实时监测参数数据可以构建供电系统级实时动态模糊网络，通过图模型匹配算法，找到实测供电系统动态模糊网络最匹配的故障模式，实现对供电系统级的故障诊断。

2.根据权利要求1所述的方法，高频信号处理方法是希尔伯特黄变换算法以及有效值计算方法。

所述希尔伯特黄变换算法是处理非平稳非线性信号的一种高频信号分析方法，主要有两部分组成，第一部分为经验模态分解，第二部分为希尔伯特变换。

3.根据权利要求2所述的方法，所述希尔伯特黄变换算法是处理非平稳非线性信号的一种高频信号分析方法，主要有两部分组成，第一部分为经验模态分解，第二部分为希尔伯特变换。

(1)首先要将信号x(t)的所有极大值点链接成上包络x_up(t)；，并将所有极小值点x_low(t)链接成下包络并且应该将所选信号所得到的信号函数包括在其中

(2)通过上下包络，以每一个时间单位为基础，计算每一个对应的上下包络的均值，然后将所选的信号减去该均值函数即可得到差值函数d(t)，公式具体如下

重复进行上述操作，一直到差值函数d(t)满足两个条件：数据的极值点数目与过零点数相差为零或最多相差一个；在任意数据点位置，由局部极大值组成的上包络以及由局部极小值点组成的下包络的均值为0。

(3)记d(t)为，c₁(t)认为是通过所选信号函数得到的第一个IMF，然后计算所对应的残差量，记为r₁(t)，计算残差量的公式具体如下：

r₁(t)＝x(t)-c₁(t)

(4)将r₁(t)作为下一个所选的起始信号，记为x(t)，重新根据上述算法进行计算，通过上述步骤，可以计算出对于该信号所自适应得到的IMF分量，当满足残差量小于阈值时，算法停止运行。经过经验模态分解，可以将x(t)转化为以下分量：

其中，N表示IMF的数量，r_N(t)是最后的残差量，c_j(t)即是求得的IMF，IMF之间相互正交并且都具有均值为零的性质。

(5)得到信号IMF分量后，根据所提供的信号分量c_j(t)进行希尔伯特变换，表达式如下：

其中，y_j(t)是时序信号c_j(t)的希尔伯特黄变换结果，P是柯西主值。

(6)将c_j(t)作为实部，将y_j(t)作为虚部，所得到的表达式即为相对应的表达式，z(t)如下所示：

z_j(t)＝c_t(t)+iy_j(t)＝a(t)e^iθ(t)

其中，a(t)和θ_t分别是解析信号的瞬时幅值和瞬时相位，他们是直角坐标系下的c_j(t)，y_j(t)在极坐标系的表达方式，这两者的表达方式如下：

(7)将瞬时相位进行处理，可以得到其导数的值，即对应的瞬时频率：

(8)为了节省计算空间，本方法中选取计算出的a₁(t)ω₁(t)作为希尔伯特黄计算得到的瞬时幅值与瞬时频率特征。