[發明專利]一種基于DS證據理論的時域融合故障診斷方法

有效

• 申請號: 201810169827.3
• 申請日: 2018-03-01
• 公開（公告）號: CN108520266B
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 蔣雯;胡偉偉;鄧鑫洋
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于DS證據理論的時域融合故障診斷方法，其特征在于包括下述步驟：

步驟一：輸入n種故障、k種特征的故障樣本數據D_ij，i＝1,2,…,n,j＝1,2,…,k，n種故障記為F₁,F₂,...,F_n，故障樣本數據D_ij是k種特征的測量值，對每種故障每種特征建立三角模糊數模型，辨識框架為Θ＝{F₁,F₂,...,F_n}，三角模糊數是給定論域U上的一個模糊集，是指對任何x∈U，都有一個數μ(x)∈[0,1]與之對應，μ(x)稱為x對U的隸屬度函數，所述三角模糊數模型建立的方法為：

將故障F_i特征j樣本數據D_ij的最小值minD_ij、均值aveD_ij及最大值maxD_ij分別作為故障F_i特征j三角模糊數模型的最小值，均值，最大值，則故障F_i特征j的三角模糊數為

步驟二：輸入待測設備t₁時刻的待測樣本數據，用步驟三在k種特征下生成基本概率分配函數m₁～m_k，然后用步驟四融合m₁～m_k得到

步驟三：將t₁時刻特征j下的待測樣本數據T_j與故障三角模糊數模型匹配生成基本概率分配函數m_j，所述基本概率分配函數在證據理論中被定義為對任意一個屬于Θ的子集A，m(A)∈[0,1]，且滿足則m為2^Θ上的基本概率分配函數，其中2^Θ為辨識框架的冪集，所述基本概率分配函數m_j生成方法為：

將T_j與三角模糊數交點的縱坐標按降序排序，排序結果記為Inter₁,Inter₂,…,Inter_s,…,Inter_n，將Inter₁賦給相應單子集元素的信度，將Inter₂賦給相應雙子集元素的信度，將Inter_s賦給相應s子集元素的信度,其中所述的單子集元素指的是步驟一中辨識框架Θ的包含1個元素的子集{F₁},{F₂},…,{F_n}，所述的雙子集元素指的是步驟一中辨識框架Θ的包含2個元素的子集{F₁,F₂},{F₁,F₃},…,{F_n-1,F_n}，所述s子集元素指的是步驟一中辨識框架Θ的包含s個元素的子集{F₁,F₂,...,F_s},...,{F₂,F₃,...,F_s+1},...,{F_n-s+1,F_n-s+2,...,F_n}；記上述生成的信度之和為Sum，若Sum≥1，則將上述生成的信度歸一化，所述歸一化方法為：若Sum<1，則將m_j({F₁,F₂,…,F_n})更新為m_j({F₁,F₂,…,F_n})+1-Sum；

步驟四：將步驟三生成的q條BPA用證據理論組合規則融合得到所述的證據理論的組合規則為其中A,B,C∈2^Θ，m₁,m₂為兩組待融合BPA，m為m₁與m₂融合后的BPA，K為m₁,m₂的沖突因子，

步驟五：輸入待測設備t₂～t₅時刻的待測樣本數據，用步驟三和步驟四所述的方法得到

步驟六：將步驟四～步驟五得到的用證據理論組合規則融合得到m_F；

步驟七：使用Pignistic probability transformation方法將步驟四融合得到的m_F轉換為概率分布P，所述轉換方法為：其中A∈2^Θ；

步驟八：依據得到的概率分布P對設備故障做出診斷，若P({F_i})中最大概率大于0.5，則取P({F_i})中最大的概率對應的類別作為設備故障診斷結果。