[發明專利]基于多傳感器融合的機械故障診斷方法

有效

• 申請號: 202110563661.5
• 申請日: 2021-05-24
• 公開（公告）號: CN113177328B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 李軍偉;謝保林;趙奧祥;金勇;胡振濤
• 申請（專利權）人: 河南大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G01M99/00;G01M13/04;G06F111/08
• 代理公司: 鄭州聯科專利事務所(普通合伙) 41104
• 代理人: 劉建芳

1.基于多傳感器融合的機械故障診斷方法，其特征在于：具體包括如下步驟：

步驟1、確定機械設備故障的辨識框架Θ＝{θ₁,θ₂,…,θ_l,…,θ_N}，l＝1,2,…,N，θ_l為第l種故障類型；

步驟2、通過放置在不同位置的傳感器采集機械設備的相關運行數據，將采集到的數據分為訓練集和測試集；通過區間數模型對采集的訓練集樣本進行建模，計算測試集樣本與模型之間的相似度，構建驗證樣本的證據即基本概率指派函數；將每一個證據看作一個向量，第i個證據的向量用m_i＝(m_i(θ₁),…,m_i(θ_r),…,m_i(θ_k))^T表示，其中i＝1,2,...,n，n為證據向量的總數，θ_r為焦元且k為辨識框架Θ中的焦元個數，r＝1,2,…,k，k＝2^N；

步驟3、計算得到的第i個證據向量m_i的各個焦元的信度函數Bel和似真函數Pl，構成支持區間[Bel_i(θ_r),Pl_i(θ_r)]；

其中，r＝1,2,…,k，m_i(θ_e)≠0，e＝1,2,…,k，k＝2^N；

步驟4、由得到的第i個證據向量m_i的各個焦元的支持區間和第j個證據向量m_j的各個焦元的支持區間，通過下述公式計算證據向量m_i和證據向量m_j之間的區間距離，得到第i個證據向量m_i和第j個證據向量m_j之間的區間距離d_X(m_i,m_j)；

其中，且m_i(θ_r)≠0或m_j(θ_r)≠0；

步驟5、由步驟4中所求的第i個證據向量m_i和第j個證據向量m_j之間的區間距離d_X(m_i,m_j)，構造n個證據之間的差異度矩陣D，差異度矩陣D公式如下：

步驟6、計算第i個證據向量m_i與其它n-1個證據向量的平均區間距離

步驟7、計算第i個證據向量m_i的支持度

步驟8、通過下述公式計算第i個證據向量m_i的改進的信度熵E′_bel(m_i)，用來量化證據的不確定性程度；

其中，|X|＝|θ_r∪θ|，θ＝θ₁∪θ₂∪…∪θ_t∪…∪θ_s，|X|表示X中元素的個數；|θ_r|表示θ_r中元素的個數，θ_r為辨識框架Θ中的一個焦元，θ為辨識框架Θ中除θ_r以外所有基本概率賦值非0的焦元之間的并集，t＝1,2,…,s，θ_t≠θ_r，m(θ_t)≠0；

步驟9、計算第i個證據向量m_i的信息量

步驟10、根據所求的第i個證據向量m_i的支持度和第i個證據向量m_i的信息量計算得到第i個證據m_i的權重因子ω_i，

步驟11、根據步驟10中所求的證據m_i的權重因子ω_i通過下述公式對原始證據向量m_i進行加權平均，得到修正后的證據向量m′_i；采用Dempster組合規則對修正后的證據向量m′_i進行n-1次融合，融合后基本概率賦值m(A_p)的最大值對應的焦元A_p即為機械故障診斷的決策結果對應的故障診斷類型，其中，m(A_p)表示焦元A_p的基本概率賦值；p＝1,2,…,2^N。