[发明专利]基于区间型信度规则推理的旋转机械故障诊断方法

摘要

本发明涉及一种基于区间型信度规则推理的旋转机械故障诊断方法。本发明能够对多种故障模式下获取的故障特征数据进行分类，并构造故障特征参数与故障类型的区间型信度规则库；在线获取特征输入参数与参考值匹配度，并计算规则激活权重；用激活权重对区间型信度进行修正，得到新的区间型信度；利用Dempster规则将这些被激活的区间型信度融合得到新的区间型信度，并根据区间证据下的决策准则，得到该在线故障特征所对应的故障类型。本发明采用区间型信度，描述故障特征信号对于故障模式发生的支持度，得到的故障决策结果包含了更多的信息容量，更加利于决策者做出判断。

主权项

1.基于区间型信度规则推理的旋转机械故障诊断方法，其特征在于该方法包括以下步骤：(1)设定基于区间型信度规则推理的旋转机械故障诊断方法的辨识框架Θ＝{ζ₁,ζ₂,ζ₃}，其中ζ₁表示旋转机械中的不平衡故障，ζ₂表示旋转机械中的不对称故障，ζ₃表示旋转机械中的基座松动故障；(2)设定旋转机械设备的转速为p，单位：转/分钟，这里p∈[1000r/min,3000r/min]，安装在基座或支架位置上的振动加速度传感器以Δt∈[16s,48s]为间隔，在各种故障模式下能够采集时域振动加速度信号，获得信号序列ω(r)，r＝1,2,...,n，n为采样周期的个数；(3)将步骤(2)中获得的时域振动信号序列ω(r)进行快速傅里叶变换，变换为相应的频域频谱图，然后从中选取1倍基频、2倍基频和3倍基频的幅值作为故障特征参数，分别记为x₁(r)、x₂(r)、x₃(r)；(4)建立区间型信度规则库，用于描述特征参数变量x₁、x₂、x₃与故障模式之间的非线性映射关系，其中第k条规则R_k的表示形式如下：式(1)中，为输入特征参数变量x_i的输入参考值集合，其中的元素满足q_i表示对应特征参数参考值的取值个数，和为各种故障模式下x_i的最大和最小取值，β_j,k为对故障模式ζ_j赋予的区间型信度：β_j,k＝[a_j,b_j]              (2)其中a_j表示区间有效信度的最小值，b_j表示区间有效信度的最大值，且0≤a_j≤b_j≤1，并满足约束条件且(5)对于第r个采样周期获得的特征参数样本x_i(r)带入步骤(4)中定义第k条规则中，获得x_i与第k条规则输入参考值的匹配度：①当或时，x_i对于和的匹配度取值均为1，对于其它参考值的匹配度取值均为0；②当时，x_i对于和的匹配度的取值分别为:对于其他参考值的匹配度取值均为0；(6)根据式(3)，计算区间置信规则库中每条规则的激活权重：式(4)中，L是规则库中的规则数，θ_k为初始规则权重为，0≤θ_k≤1，δ_i为输入特征参数初始属性权重，0≤δ_i≤1；(7)采用Dempster组合规则，对区间置信规则库中被激活的规则进行融合得到每一故障模式的区间信度值，具体步骤如下：(7‑1)根据公式(4)获得的激活权重，对第k条规则中的区间型信度β_j,k进行折扣，获得折扣后的区间型信度：m_j,k(ζ_j)＝w_kβ_j,km_Θ,k(Θ)＝1‑w_k                    (5)其中，m_j,k为折扣后的第j个区间型信度，m_Θ,k表示为全集元素的区间型信度；(7‑2)对于步骤(7‑1)中获取的与第1、2条规则对应的区间型信度(m_j,1,m_Θ,1)和(m_j,2,m_Θ,2)，利用如下的Dempster组合规则将它们融合，得到融合后的区间型信度为：(7‑3)由式(6)得到的结果和(m_j,3,m_Θ,3)继续利用步骤(7‑2)中的Dempster组合规则融合，得到新的区间型信度依次融合，即可得到最终的区间型信度其中k表示系统中的规则数；(8)根据Dempster规则组合得到的区间型信度判断集合种类决策结果，满足以下两个条件即可确定故障类型为ζ_j：(8‑1)信度区间的左右端点分别大于其它故障模式的区间型信度的左右端点；(8‑2)的右端点均小于0.3。