[发明专利]基于模糊数学的矿用电机车蓄电池故障诊断系统

权利要求书

1.一种基于模糊数学的矿用电机车蓄电池故障诊断系统，其特征在于：由知识获取系统、专家知识库及管理系统、推理机、人机交互界面四部分组成；用户和专家通过知识获取系统将故障诊断系统所设计的信息更新储存在知识库，从而建立起故障诊断规则，故障诊断系统在获得诊断对象的故障征兆信息后存储在数据库中，通过推理机进行逻辑判断，得到诊断结果，并将诊断结果在人机交互界面展示输出，作为矿用电机车电气故障诊断系统的重点，设计开发了矿用电机车蓄电池模糊专家故障诊断系统，通过对蓄电池启动工况数据的分析处理，完成蓄电池的故障诊断和健康程度评价。

2.根据权利要求1所述的一种基于模糊数学的矿用电机车蓄电池故障诊断系统，其特征在于：将最新的相关经验、知识和规则通过统一明确的表达形式通过程序的方式添加至专家系统的知识库，利用模糊数学在故障诊断领域的广泛应用，基于专业经验知识而设计的智能化判断程序系统，能模拟人的思维能力，以Lab VIEW作为上位机的软件开发平台，联合Matlab数据分析软件并接入MYSQL数据库，通过接收到手持检测终端上传的蓄电池启动工况数据，进行蓄电池故障诊断系统的开发，通过逻辑推理机分析推理是否存发生故障，并将其显示在人机交互界面。

3.根据权利要求1所述的一种基于模糊数学的矿用电机车蓄电池故障诊断系统，其特征在于：专家故障诊断系统调用故障征兆隶属度函数计算相对应的故障征兆隶属度，得到由隶属度组成的故障征兆模糊向量，读取专家故障诊断系统知识库中的故障模式向量，并计算故障征兆模糊向量，运用差值比算法，以下位机所采集的蓄电池特征点数据作为评估对象，适用于对开路电压、启动峰值电流及温度变化幅值等静态故障征兆，利用差值比和征兆程度参考系数一起构建相应征兆的隶属度函数。

4.根据权利要求1所述的一种基于模糊数学的矿用电机车蓄电池故障诊断系统，其特征在于：使用隶属度函数对所有故障征兆隶属度计算完毕后，可以组成一组故障征兆模糊向量，征兆模糊向量是对蓄电池整体故障状态的特征表达，电机车蓄电池产生故障时，一般会表现出多个故障征兆，而一种故障征兆可能对应多种故障原因，一种故障原因也可能产生多种故障征兆，故障征兆和故障原因之间可能存在多对多的模糊复杂关系，设定设定故障征兆与故障原因之间的隶属度，则可以构建表示故障原因论域与故障征兆论域之间相关关系的隶属度模糊矩阵，这种模糊关系可以使用计算过的故障征兆隶属度进行表征。

5.根据权利要求1所述的一种基于模糊数学的矿用电机车蓄电池故障诊断系统，其特征在于：得出故障征兆隶属向量后，通过计算该向量与专家系统所预设的故障模式向量的贴近度进行故障识别，根据已经确定的故障模糊矩阵，可以得出每一种故障发生时其特定参数的征兆会有对应的隶属度，所有隶属度函数便是模糊矩阵中的一行向量，将此向量定义为一种典型的故障模式，用于系统的故障诊断，在模糊数学理论中，进行故障模式识别时，需要计算故障征兆模糊向量和故障模式模糊向量的贴近度，即各故障模式模糊向量与故障征兆橫糊向量之间的相对海明威距离，然后根据特定规则进行故障判断识别。

6.根据权利要求1所述的一种基于模糊数学的矿用电机车蓄电池故障诊断系统，其特征在于：运用“阈值原则”进行故障原因的诊断，对于每一种故障模式，根据专家经验和实际的案例数据，设定出故障征兆向量与故障模式向量之间的贴近度故障阈值，根据贴近度和所设故障阈值的比较，确定是否发生了对应故障，如果贴近度大于所设的故障阈值，则判定发生了相对应的故障；反之若计算所得出的贴近度对于任何故障模式都不超过阈值，则判定无故障发生。