[發明專利]一種基于傳感器互補性分析的故障診斷方法

有效

• 申請號: 201910542564.0
• 申請日: 2019-06-21
• 公開（公告）號: CN110261771B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 蔣雯;馬澤宇;鄧鑫洋
• 申請（專利權）人: 西北工業大學
• 主分類號: G01R31/34
• 分類號: G01R31/34;G06F17/16;G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于傳感器互補性分析的故障診斷方法，包括以下步驟：步驟一、獲取偏好關系矩陣；步驟二、獲取傳感器互補性向量；步驟三、融合多傳感器檢測數據得故障類型。本發明邏輯清晰、設計合理，根據故障診斷歷史數據分析傳感器互補性，基于傳感器互補性構建多傳感器故障診斷模型。從而在故障診斷時，綜合考慮各類型傳感器的優勢，提升多傳感器檢測時故障診斷的精確性，對電機轉子系統的故障診斷提供幫助。

技術領域

本發明屬于故障診斷技術領域，具體涉及一種基于傳感器互補性分析的故障診斷方法。

背景技術

隨著各領域技術的快速發展，在實際應用中一些系統的功能日趨完善，其結構也變得更為復雜。然而系統出現故障時，對其進行故障原因分析的難度也隨之增大。同時由于技術的成熟，大型系統的故障所帶來的經濟損失也愈加嚴重，其所影響的范圍也更為廣泛。因此對于系統的良好運行和維護來說，故障診斷極為重要，構建有效合理的故障診斷模型也十分必要。現已有許多研究提出了各種方法模型來解決不同系統環境中的故障診斷問題。同時多種理論也被應用于故障診斷領域，如模糊數學、證據理論、神經網絡等。

證據理論是一種滿足比貝葉斯更弱條件的不確定推理方法。證據理論常被用于處理不確定數據，其提供了有用的證據合成方法，能有效地融合多個證據源提供的不確定信息，因而被很好地應用于數據融合、目標識別及故障診斷等領域。

在對電機轉子進行故障診斷時，常用轉速傳感器、振動位移傳感器及振動加速度傳感器等多種類型傳感器對系統狀態進行檢測，因此在對電機轉子故障預測和分析時需要融合多傳感器數據。而對于不同的故障類型，根據檢測數據所能獲取的故障特征信息也因傳感器而異。往往單一傳感器對于不同故障有著不同的檢測靈敏度，為了得到更好的故障診斷結果，需要綜合各類型傳感器的優勢。因此在融合多傳感器故障檢測數據時，應對各傳感器之間的互補性進行合理的分析，在此基礎構建合理的模型，從而提升故障診斷精確性。然而如何構造有效的基于傳感器互補性分析的故障診斷模型仍有待進一步研究。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供了一種基于傳感器互補性分析的故障診斷方法，其邏輯清晰、設計合理。根據各傳感器檢測結果的歷史數據，分析針對不同故障類型時各傳感器間的互補性。基于互補性分析結果，構建多傳感器數據融合模型。該發明的算法模型在故障診斷時通過分析傳感器間的互補性，進而綜合考慮各類型傳感器的優勢，從而提升多傳感器檢測時電機轉子故障診斷的精確性。

為解決上述技術問題，本發明采用的技術方案是：一種基于傳感器互補性分析的故障診斷方法，其特征在于，包括以下步驟：

步驟一、獲取偏好關系矩陣：

步驟101：獲取各傳感器故障診斷矩陣：

傳感器種類有n種，記為X＝{x₁,x₂,...,x_i,...,x_n}，故障類型有h種，記為Y＝{y₁,y₂,...,y_j,...,y_h}；根據傳感器電機轉子故障診斷的歷史案例數據，可以得到各傳感器的故障診斷矩陣；傳感器x_i的故障診斷矩陣R_i為：其中為傳感器x_i將故障類型y_k判斷成故障類型y_l的案例數量；

步驟102：獲取傳感器偏好關系矩陣：

從故障診斷矩陣R_i可以得到傳感器x_i對于故障類型y_j的診斷情況其中為對y_j正確診斷的案例數，為將y_j誤診斷成其他故障類型的案例數，為將其他故障類型誤診斷成y_j的案例數，則為除上述三種情況外的案例數；