[發(fā)明專利]基于多傳感器融合的機械故障診斷方法

有效

• 申請?zhí)枺?/td>: 202110563661.5
• 申請日: 2021-05-24
• 公開（公告）號: CN113177328B
• 公開（公告）日: 2022-09-20
• 發(fā)明（設(shè)計）人: 李軍偉;謝保林;趙奧祥;金勇;胡振濤
• 申請（專利權(quán)）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(lián)科專利事務(wù)所(普通合伙) 41104
• 代理人: 劉建芳

本發(fā)明公開了一種基于多傳感器融合的機械故障診斷方法，包括如下步驟：將不同位置的傳感器觀測到的機械設(shè)備的運行數(shù)據(jù)轉(zhuǎn)換為證據(jù)信息；計算證據(jù)中焦元的支持區(qū)間，通過區(qū)間距離衡量證據(jù)之間的沖突程度進而獲得各個證據(jù)的支持度；通過改進的信度熵來量化證據(jù)的不確定性程度作為證據(jù)的信息量；綜合考慮區(qū)間距離和改進的信度熵確定證據(jù)的信任度并獲得權(quán)重因子；利用權(quán)重因子對獲取的證據(jù)進行加權(quán)平均，輸出機械故障診斷的決策結(jié)果。本發(fā)明方案與傳統(tǒng)算法相比，通過區(qū)間距離能夠有效地衡量證據(jù)之間的差異性，同時通過改進的信度熵量化證據(jù)的不確定程度，綜合考慮支持度和信息量共同確定證據(jù)的權(quán)重因子。

技術(shù)領(lǐng)域

本發(fā)明涉及故障診斷技術(shù)領(lǐng)域，尤其涉及一種基于多傳感器融合的機械故障診斷方法。

背景技術(shù)

目前，隨著現(xiàn)在科學技術(shù)的進步，機器設(shè)備的組成結(jié)構(gòu)變得越來越復雜，由機器設(shè)備的故障所產(chǎn)生的事故也在逐漸增多，為了避免這種情況的發(fā)生需要經(jīng)常對機器設(shè)備進行健康檢測，通過檢測機器設(shè)備運行的健康情況可以有效的避免因機器設(shè)備自身故障而造成的生產(chǎn)事故。

多傳感器信息融合技術(shù)能夠避免單一傳感器的局限性，因此被廣泛應用在故障診斷領(lǐng)域。通過多個不同位置的傳感器采集機器設(shè)備自身的數(shù)據(jù)，綜合所有傳感器采集的數(shù)據(jù)進行融合分析，最后判斷機器設(shè)備是否故障。但是由于傳感器自身因素或者外界環(huán)境干擾的原因，傳感器采集到的信息有時并不可靠，甚至是完全錯誤的信息，而不可靠的信息有時會導致最后產(chǎn)生錯誤的決策。

Dempster-Shafer(D-S)證據(jù)理論作為對多傳感器信息融合技術(shù)的一個分支，最早由哈佛大學數(shù)學家Dempster提出，之后由他的學生Shafer進一步完善。D-S證據(jù)理論具有表達“不知道”和“不確定”的特點，在不確定信息推理與融合方面具有獨特的優(yōu)勢。但是當證據(jù)間支持的焦元出現(xiàn)嚴重分歧時，利用Dempster組合規(guī)則融合后的結(jié)果往往會出現(xiàn)與直覺相悖的結(jié)論，無法進行有效決策，限制了D-S證據(jù)理論的進一步發(fā)展與完善。為了解決上述問題，專家學者們提出在進行融合前對證據(jù)進行預處理。例如Murphy在《Combining belieffunctions when evidence conflicts》文中提出一種簡單平均法來消除沖突證據(jù)對融合帶來的影響，但是這種方法只是對所有證據(jù)進行簡單平均，并沒有考慮證據(jù)之間相互的影響；Yuan等人受Murphy的影響，利用Jousselme等人在《A new distance between twobodies of evidence》文中提出的Jousselme證據(jù)距離和Deng在《Deng entropy》文中定義的鄧熵共同構(gòu)建權(quán)重因子，對融合證據(jù)進行預處理。但是Jousselme證據(jù)距離無法準確地衡量兩組完全沖突的證據(jù)之間的沖突程度，同時當證據(jù)中全部為復合焦元時，使用鄧熵進行量化證據(jù)的不確定程度時也會出現(xiàn)矛盾的結(jié)果；宋亞飛等人在《基于相關(guān)系數(shù)的證據(jù)沖突度量方法》文中提出使用余弦相關(guān)系數(shù)來衡量兩組證據(jù)之間的沖突程度，余弦相關(guān)系數(shù)可以很好地衡量只含有單焦元的兩組證據(jù)之間的沖突程度，但是出現(xiàn)復合焦元時，余弦相關(guān)系數(shù)無法準確地衡量證據(jù)之間的沖突程度。綜上所述，上述使用的方法在衡量證據(jù)之間的沖突程度或者量化證據(jù)的不確定性時會存在一定的不足，因此通過上述方法用于機械故障診斷時還有改進的空間。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于多傳感器融合的機械故障診斷方法，能夠有效地對機械設(shè)備的故障類型做出正確決策。

本發(fā)明采用的技術(shù)方案為：

步驟1、確定機械設(shè)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；