[發明專利]一種基于概率盒模型修正的機械故障診斷方法

有效

• 申請號: 201710673714.2
• 申請日: 2017-08-09
• 公開（公告）號: CN107609216B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 杜奕;蔣慧英;丁家滿;劉力強
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G01M13/00;G01M13/045
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于概率盒模型修正的機械故障診斷方法，其特征在于，包括以下步驟：

(1)采集工業過程的故障數據，獲取原始概率盒：定義CDF函數F(x)與包含的范圍為概率盒，表達為

其中F(x)為概率盒的下界，為上界，工業測試數據中不確定性的隨機變量X的CDF函數在CDF范圍內，即

(2)利用工業測試數據的概率統計特性，結合貝葉斯參數估計法來修正概率盒模型，建立基于最大熵原理的貝葉斯模型：貝葉斯公式為

以極大后驗參數估計方法為貝葉斯參數估計，后驗概率密度函數p(x|u)達到極大值作為估計準則，將所對應的參數值作為估計值，記作工業測試數據在數據u的條件下，引入熵的表達式為

先驗概率密度p(x)已知，根據最大熵原理，建立基于最大熵原理的處理工業測試數據的貝葉斯模型

(3)獲取原始DSS

將步驟(2)所得基于最大熵原理的處理工業測試數據的貝葉斯模型嵌入到概率盒建模的算法中得到修正的原始概率盒模型，再通過離散化方法得到進行卷積計算的DSS，形式為

(4)定義工業測試數據的綜合附加信息量

以數據集的平均值x_avg為附加信息量，x_i-x_i-1表示兩相鄰焦元之間的數據波動量，綜合附加信息量為

由u_i構成數據點變量集合u為

(5)提取優化的DSS＇

將步驟(4)所得數據點變量集合u通過最大熵的貝葉斯逐焦元的對應優化x集合，得到新的焦元區間為從第1個焦元至第n個焦元，依次處理后得到DSS＇，形式為

(6)修正概率盒

將步驟(5)的DSS＇通過概率盒的定義繪制出修正概率盒。