[發明專利]一種基于加權灰靶理論的容錯電機健康狀態測定方法

有效

• 申請號: 201310289733.7
• 申請日: 2013-07-10
• 公開（公告）號: CN103455658B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 雷曉犇;齊蓉;李穎暉;韓建定;李曙偉;譚海軍
• 申請（專利權）人: 西北工業大學自動化學院;中國人民解放軍空軍工程大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/02
• 代理公司: 北京方圓嘉禾知識產權代理有限公司11385
• 代理人: 董芙蓉

1.一種基于加權灰靶理論的容錯電機健康狀態測定方法，其特征在于，包括以下步驟：

(1)首先引入灰靶理論，在沒有標準模式的條件下設定一個灰靶，并在灰靶中找到靶心；然后將諸指標的模式與標準模式進行比較，最后經由等級劃分確定評估等級；按命題信息域P(θ)的要求，在一組模式序列中，找出最靠近子命題P_i(θ)目標值的數據構造標準模式；然后各模式與標準模式一起構成灰靶，則標準模式即為灰靶的靶心；每一個灰關聯差異信息空間的模式與靶心的灰關聯度稱靶心接近度，簡稱靶心度；基于靶心度進行模式識別、模式分級和模式選優；

(2)選取容錯電機電磁轉矩的頻帶能量值作為健康評估的狀態指標；

(3)運用小波包-灰色神經網絡方法對頻帶能量值進行一步預測得到待識別模式序列后進行灰靶變換及靶心度計算；

(4)基于靶心度分級原則，對容錯電機的健康狀態進行量化分級；

(5)同時考慮在容錯電機健康狀態量化評估過程中不同頻帶的權重問題，運用灰貢獻度對灰靶算法進行改進，從而判斷系統處于何種程度的優劣狀態，給出量化形式的系統健康狀態。

2.根據權利要求1所述的基于加權灰靶理論的容錯電機健康狀態測定方法，其特征在于：

所述步驟(3)的具體步驟如下：

首先建立小波包-灰色神經網絡預測模型整體框架；

其次，設計小波包-灰色神經網絡預測的步驟如下：

1.取預測值數列中的第1個到第n-m個，第2個到第n-m+1個，...第m個到第n-1個，組成m個長度為n-m的數據序列P；

2.取原始數列中的第n-m+1，第n-m+2，第n-m+3，...第n個數據，組成數據序列T；

3.將數列P作為神經網絡的輸入向量，T作為神經網絡的輸出向量，選擇網絡結構，并進行參數初始值的設定；

4.設定訓練次數，期望誤差值，學習速率等，訓練網絡，使得誤差達到期望值，從而得到一系列權值和閥值，固定網絡結構；

5.利用訓練好的網絡，將灰色模型預測的下一時刻的值作為神經網絡的輸入，運行程序，得到神經網絡的輸出，輸出值就是相應下一時刻的預測值最后對待識別模式序列進行灰靶變換及靶心度計算。

3.根據權利要求1所述的基于加權灰靶理論的容錯電機健康狀態測定方法，其特征在于：

所述步驟(4)的具體步驟如下：

根據灰色理論的最小信息原理，靶心度應該平衡分檔；又根據灰色關聯度的相關定理，在miniminkΔDi(k)=0,ζ=0.5]]>的條件下，有

0.33333=ζ1+ζ≤γ(x0(k),xi(k))≤1,]]>∀k∈K={1,2,···,n}]]>

即，γ(x₀，x_i)≥0.33333；基于上述理由，靶心度可作如下分級：第一級：[0.9，1.0]；第二級：[0.8，0.9]；第二級：[0.7，0.8]；第四級：[0.6，0.7]；第五級：[0.5，0.6]；第六級：[0.4，0.5]；第七級：[0.333，0.4]。