[發明專利]一種基于DS證據理論的故障診斷方法

有效

• 申請號: 201810169966.6
• 申請日: 2018-03-01
• 公開（公告）號: CN108398939B
• 公開（公告）日: 2020-01-10
• 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: G05B23/02
• 分類號: G05B23/02
• 代理公司: 11350 北京科億知識產權代理事務所(普通合伙)
• 代理人: 劉強強

本發明基于證據理論，提供一種故障診斷的方法，涉及故障診斷領域。本發明對各故障建立三角模糊模型，對待測數據建立三角模糊模型，根據待測模型與故障模型間交疊程度生成基本概率分配函數，用證據理論組合規則將各故障下生成的基本概率分配函數融合實現故障診斷。本發明采用證據理論與三角模糊數相結合實現故障診斷，具有計算簡單的優點；本發明提出的基本概率分配函數生成方法，很好的實現了對模糊信息的處理；本發明提出的故障診斷方法，可以實現電機轉子的故障診斷。

技術領域

本發明涉及故障診斷領域，是一種基于DS證據理論實現故障診斷的方法。

背景技術

故障診斷技術是一門緊密結合生產實際的工程科學，是現代化生產發展的產物。隨著現代科學技術在設備上的應用，設備的結構越來越復雜，功能也越來越完善，自動化程度越來越高，由于許多無法避免的因素影響，會導致設備出現各種故障，從而降低或失去預定的功能，甚至會造成嚴重的乃至災難性的事故。

故障診斷技術就是在設備運行中或基本不拆卸設備的情況下，掌握設備的運行狀況，根據對被診斷對象測試所取得的有用信息進行分析處理，判斷被診斷對象的狀態是否處于異常狀態或故障狀態。

信息融合技術是協同利用多源信息，以獲得對事物或目標更客觀、更本質認識的信息綜合處理技術，是智能科學研究的關鍵技術之一。在諸多的融合模型和方法中，D-S證據理論算法是最為有效的算法之一。證據理論把概率論中的基本事件空間拓寬為基本事件的冪集，又稱為辨識框架，在辨識框架上建立了基本概率分配函數(Basic ProbabilityAssignment，BPA)。此外，證據理論還提供了一個Dempster組合規則，該規則可以在沒有先驗信息的情況下實現證據的融合。特別地，當BPA只在辨識框架的單子集命題上進行分配時，BPA就轉換為概率論中的概率，而組合規則的融合結果與概率論中的Bayes公式相同。從這個角度來看，DS證據理論能夠比概率論更有效地表示和處理不確定信息，這些特點使其在信息融合領域得到了廣泛的應用。正是由于DS證據理論在不確定知識表示方面具有優良的性能，所以近幾年其理論和應用發展較快，該理論在多傳感器信息融合、醫學診斷、軍事指揮、目標識別方面發揮了重要作用。

證據理論有諸多優點，將其應用在故障診斷中可以較好的處理出現在設備傳感器信號中的不確定信息。

發明內容

為了實現故障診斷，本發明基于DS證據理論，提供一種故障診斷的方法。使用該方法實現的故障診斷能夠較好的處理設備傳感器信號中的不確定信息，準確地對電機轉子故障做出診斷。

本發明解決其技術問題所采用的技術方案包括如下步驟：

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)，所述故障特征是可以用來做故障分類的特征，所述故障樣本數據是故障特征的測量值，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}，所述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，μ稱為x的隸屬函數，所述三角模糊數模型建立的方法為：

將故障F_i(i＝1,2,…,n)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k種特征待測樣本數據T_j，生成三角模糊數模型，其中待測設備為電機轉子，所述三角模糊數模型建立的方法為：