[發明專利]一種基于權值訓練的多信息融合故障診斷方法

在審

• 申請號: 201910156004.1
• 申請日: 2019-03-01
• 公開（公告）號: CN110163075A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 張建忠;陸禹丞;鄧富金
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于權值訓練的多信息融合故障診斷方法，包括步驟收集離線傳感器信號及對應狀態信息；進行小波包分解處理；計算各傳感器信號故障特征向量；利用BP神經網絡權值訓練模塊進行權值訓練；得到各傳感器權值；測量設備在操作過程中的各類信號；進行小波包分解處理；計算各傳感器信號故障特征向量；計算各傳感器故障隸屬度；將各傳感器所得故障隸屬度乘以權值得到加權證據；對加權證據進行數據融合，獲得故障診斷結果。本發明采用BP神經網絡實現多信息融合權值的離線訓練和加權證據的獲取，提高了傳感器信號映射設備狀態的精度和有效性，有效提高了系統診斷的準確性。

技術領域

本發明屬在線監測和故障診斷技術領域，具體涉及一種基于神經網絡權值訓練的多信息融合故障診斷方法。

背景技術

為了保證重要設備安全可靠地運行，一方面可以通過提高設備的可靠性來實現，另一方面可對設備安排科學合理的檢修。目前設備的檢修方式大致可分為三種，即事后檢修、計劃檢修和狀態檢修。按照傳統的計劃檢修方法，由于檢修人員無法及時了解設備的實際運行狀態，操作盲目性強，容易造成檢修過剩或檢修不足。此外，設備大修需要解體，時間成本和經濟成本高，同時解體和重新裝配可能會造成新的缺陷，反而降低設備的可靠性。而通過狀態檢修的方法獲取設備在運行狀態下的信息特征，通過分析比較來確定設備是否發生故障或缺陷，發生故障或缺陷的部件位置，具有很強的實時性和針對性。因此，針對設備的在線監測與故障診斷已成為必不可少的環節。

在故障診斷的過程中，信息融合可以應用于原始數據層的處理、特征抽象層的處理、決策層的處理等各個階層。相應的，在不同層次融合處理的過程中應用不同的數學算法來解決融合過程中遇到的問題。由于傳感器自身性能、外部環境干擾等問題的影響，使得傳感器采集的信息具有不確定性。利用多傳感器進行信息融合能夠將獲得的不確定性信息進行互補，合理地進行推理決策。

在以前的多傳感器信息融合方法中并沒有考慮傳感器在進行故障診斷時的可信度，即每個傳感器在故障診斷過程中占據的權值。而D-S證據理論對證據的獨立性要求嚴格，并且當證據產生沖突信息運用合成規則時會產生悖論導致融合失敗。

發明內容

發明目的：為了克服現有技術的不足，本發明提供一種準確高效，能有效提高設備可靠性的基于權值離線訓練的多信息融合故障診斷方法。

技術方案：一種基于權值訓練的多信息融合故障診斷方法，包括權值離線訓練和在線監測兩部分；所述診斷方法的具體步驟包括：

權值離線訓練部分包括：

(1)收集離線傳感器信號及對應狀態信息；

(2)進行小波包分解處理；

(3)計算各傳感器信號故障特征向量；

(4)利用BP神經網絡權值訓練模塊進行權值訓練；

(5)得到各傳感器權值；

在線監測部分包括：

(6)在被監測設備上安裝傳感器，測量設備在操作過程中的各類信號；

(7)進行小波包分解處理；利用小波包分解理論分別對各個傳感器采集得到的信號進行小波包分解；具體的小波包分解函數由實際使用中傳感器采集得到的信號的特征來確定；

(8)計算各傳感器信號故障特征向量；計算各個傳感器的信號在小波包分解后的各重構序列的能量值，為反應故障信息的數據，對所提取的各重構序列的能量進行歸一化處理，得到故障特征向量；