[發明專利]提供準確診斷決策的基于多傳感器信號分析的故障診斷方法

有效

• 申請號: 201810498072.1
• 申請日: 2015-11-30
• 公開（公告）號: CN108931387B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 楊奕;張桂紅;顧海勤;李俊紅;陳軼;王建山
• 申請（專利權）人: 南通大學
• 主分類號: G01M99/00
• 分類號: G01M99/00
• 代理公司: 南通市永通專利事務所(普通合伙) 32100
• 代理人: 葛雷

1.一種提供準確診斷決策的基于多傳感器信號分析的故障診斷方法，其特征是：

包括下列步驟：

(1)利用單片機驅動多個傳感器收集機組數據，機組運行參數包括供水溫度、回水溫度、水箱水溫以及水箱水位，并與PC機進行串口通訊，將所采集的數據發送到PC機；

(2)機組振動信號的采集，采用無線傳感器，通過無線模塊將振動數據傳到電腦上；

(3)獲取各個傳感器測量的熱泵機組在運行過程中不同轉態下的壓力、溫度、流量參數，并進行融合操作，構成不同狀態下的特征向量；

(4)將獲取的多個時刻或是多個運行狀態的傳感器數據構成的特征向量與狀態進行模式映射，得出故障與征兆之間的關系，以此設計和訓練神經網絡來進行故障分類，以便系統進行故障診斷時，可以根據不同的故障征兆來完成模式映射過程；

(5)根據數據融合的特征向量維數，確定遺傳算法優化的BP神經網絡的結構，完成神經網絡的訓練過程，根據神經網絡的訓練結果，進行相關的優化；

(6)采用遺傳算法對BP神經網絡的初始權值和閾值分布進行優化，通過選擇、交叉和變異操作找到BP神經網絡的最優權值和閾值；在此利用測試數據對優化后的BP神經網絡進行訓練，獲得最終優化好的BP神經網絡故障分類器；

(7)對于相應機械狀態下獲得的振動信號，進行去噪相關操作后，采用小波包分析方法對振動波形進行小波分解，獲取三層小波分解后各個節點的重構小波系數與重構小波能量譜；

(8)從獲取的重構小波系數與重構小波能量譜中提取各個節點的能量、方差以及小波系數數據，同樣地將這些數據融合后，作為該振動信號的特征向量；

(9)使用粗糙集理論對振動信號的特征向量進行特征約簡，通過對決策表進行條件屬性約簡、決策規則約簡，獲取最小決策規則，作為最終分類規則；

(10)根據粗糙集約簡后的規則，設計和訓練對向傳播神經網絡，訓練成功后，獲取振動信號的故障模式分類器；

(11)進入故障決策融合階段，按S3獲取的信號的特征向量作為輸入，利用步驟(6)訓練好的神經網絡故障分類器獲取故障結果，同時按步驟(8)獲取的振動信號的特征向量利用步驟(10)獲得的振動信號的故障模式分類器進行診斷，獲取診斷結果；最后，將這兩種不同信號的診斷結果進行D-S決策融合，最終融合結果即為診斷結果；

(12)最后，基于MATLAB語言，采用GUI設計方法，設計故障診斷信號處理平臺；技術人員可通過簡單操作，獲取當前機組運行參數，及時做出故障判斷，并且可以保存當前數據，查看歷史數據；

其中步驟(1)—(5)的具體步驟為：

首先將機組某一時刻運行的參數包括溫度、壓力等數據融合成這一時刻的特征向量，獲取多個時刻或是多個機械狀態的多個傳感器數據，得出故障與征兆之間的關系，根據不同的故障征兆來完成模式映射過程；以此作為BP神經網絡的訓練集，確定BP神經網絡的輸入層節點數、輸出層節點數，并根據經驗公式確定隱含層節點數；空氣源熱泵機組的常見軟故障有：制冷劑泄露、壓縮機排氣閥泄露、液體管路受阻、冷凝器結垢和蒸發器結垢；首先確定網絡的輸入樣本數據和目標輸出；對于熱泵機組來說有8個特征量：高壓P1，低壓P2，冷凝溫度P3，蒸發溫度P4，吸氣過熱溫度P5，液體過冷溫度P6，排氣溫度P7和通過冷凝器的水流溫差P8；通過仿真試驗獲得的數據作為輸入，輸出為無故障T1，制冷劑泄露T2，壓縮機排氣閥泄露T3，液體管路受阻T4，冷凝器結垢T5和蒸發器結垢T6；然后確定網絡結構，采用BP神經網絡進行故障診斷，設計BP網絡的輸入層節點數為8，輸出層節點數為6，確定隱含層節點數為13，確定BP神經網絡的結構為8-13-6；

步驟(11)的具體步驟為：

進入故障決策融合階段，使用Dempster-Shafer證據理論融合算法進行融合；決策級融合的核心思想是：各傳感器根據各自的觀測結果做出局部判決，然后將判決結果經由通信信道傳送到融合中心，再由融合中心對各局部判決進行綜合處理，做出最終判決；假設辨識框架Ω下兩組證據E₁和E₂，對應的基本信任分配函數分別為m₁和m₂，焦元分別為A_i和B_j，D-S合成規則為：

利用D-S合成規則可以結合若干條獨立的證據；最終融合結果即為診斷結果。