一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法
【專利摘要】本發(fā)明涉及一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法，屬于旋轉(zhuǎn)機械設備故障監(jiān)控與診斷【技術領域】。通過證據(jù)獲取方法得到設備運行時的診斷證據(jù)，遞歸地使用條件化線性加權證據(jù)融合規(guī)則，實現(xiàn)當前時刻診斷證據(jù)對上一時刻更新后的診斷證據(jù)進行更新，從而獲得當前時刻更新后的診斷證據(jù)。在一定的決策準則下，由更新后的診斷證據(jù)進行故障決策?；诋斍啊v史和未來時刻診斷證據(jù)的可靠度，確定了線性融合更新中證據(jù)的平滑權重，這使得所獲得的當前時刻更新后的診斷證據(jù)動態(tài)地含有歷史和未來時刻的有用診斷信息，從而使得基于更新后診斷證據(jù)做出的診斷決策，比基于未做更新的診斷證據(jù)做出的決策更為準確與可靠。
【專利說明】一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法【技術領域】
[0001]本發(fā)明涉及一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法，屬于旋轉(zhuǎn)機械設備故障檢測與診斷【技術領域】。
【背景技術】
[0002]在線故障診斷技術是保障旋轉(zhuǎn)機械設備安全生產(chǎn)和高效運行的有力手段，但是目前情況下，該技術才剛剛起步，在實施過程中還面臨諸多挑戰(zhàn)。由于故障模式及其特征的復雜性和多樣性，傳統(tǒng)的基于單傳感器的信息處理方法已不能勝任故障的檢測和診斷，要想實現(xiàn)實時診斷并提高故障確診率，采用多傳感器增大診斷信息量勢在必行。信息融合中的證據(jù)理論及方法以其在不確定性的表示、量測和融合等方面具有的優(yōu)勢，成為故障診斷領域中逐步被重視的一種方法。在已有的基于證據(jù)理論的各種融合診斷方法，如文獻《基于模糊故障特征信息的隨機集度量信息融合診斷方法，電子與信息學報》中提出的診斷證據(jù)獲取及融合方法，由于只采用當前診斷證據(jù)判定故障，沒有考慮當前診斷證據(jù)與歷史及未來診斷證據(jù)之間的變化趨勢及關系，必將使得最終的診斷決策缺乏足夠的準確性和可靠性。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于，所提出的一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法，將當前時刻診斷證據(jù)、歷史及未來時刻診斷證據(jù)進行更新融合，利用得到的當前時刻更新后的診斷證據(jù)做出診斷決策，從而使得診斷結果更加準確與可靠。
[0004]本發(fā)明提出的一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法，包括以下各步驟:
[0005](I)設定旋轉(zhuǎn)機械設備的故障集合為& = {F0, F1,…，F(xiàn)」，…，F(xiàn)n}，F(xiàn)j代表旋轉(zhuǎn)機械設備的第j種故障(j = O, I,…，N)，則共有N+1種故障。
[0006](2)通過診斷證據(jù)生成方法，可在第k個時刻(k=l，2，3，…)，獲得旋轉(zhuǎn)機械設備的診斷證據(jù)為 Ek = (mk(F0), IHk(F1),..., Hik(Fj),…，mk(FN)，mk(Θ)),其中 Hik(Fj)表示在 k 時刻，對第j種故障發(fā)生的信度賦值，mk(0)表示對故障集合的信度賦值,則Ek為這些信度賦值構成的一個信度賦值向量，并有 1-(mk(F0) +mk(F1) +...+mk(Fj) +---+Hik(Fn)) = mk(Θ) 0
[0007](3)基于步驟(2)獲得的診斷證據(jù)，通過線性加權診斷證據(jù)融合規(guī)則，用第k個時刻診斷證據(jù)對歷史診斷證據(jù)進行平滑更新，從而獲得k時刻更新后的診斷證據(jù)E1:k =(m1:k(F0), IHllk(F 1),...，Hillk(Fj),...，m1:k(Fn)，m1:k( Θ)),其中 l:k 表示 E1.k 是融合從 I 到 k 時刻所有的診斷證據(jù)得到的，具體步驟如下:
[0008](3-1)當k = I時，更新后的診斷證據(jù)為
[0009]E1:1 = E1
[0010]亦即更新后的診斷證據(jù)即為該時刻獲得的診斷證據(jù)；
[0011](3-2)當k≥2時，更新后的診斷證據(jù)向量E1:k，其各元素取值由以下式⑴和(2)給出[0012]m1:k(A) = a J5Hillk^1 (Α) + β kmk(A|B) A, B e Θ (I)
[0013]m1:k(0) = 1-ΣΑε @m1:k(A) (2)
[0014]其中，式⑴中的Hi1I1 (A)表示k-Ι時刻更新后診斷證據(jù)En1對故障A的信度賦值;mk(A|B)表示第k個時刻獲得的關于故障A的條件化信度賦值，當A =。時，若k時刻的診斷證據(jù) Ek = (mk(F0)，mk (F1)，...，mk(Fj)，...，mk (Fn)，mk (Θ))中，mk (Fj)大于其他所有的mk(F0) ,Iiik(F1),…，mk (Ff1)，…，mk(Fj+1)，...，mk (Fn),貝丨J B = Fj,mk(A|B) = I ;否則，mk(A|B)=O ；
[0015]Ci1^PPk為線性融合平滑權重，求解步驟如下:
[0016]Ca)在獲得k-Ι時刻更新后診斷證據(jù)Em、k時刻診斷證據(jù)Ek和k+Ι時刻診斷證據(jù)Ek+1之后,利用公式(3)計算向量E^1與向量Ek之間的距離(!(Em Ek)為
【權利要求】
1.一種基于診斷證據(jù)平滑更新的旋轉(zhuǎn)機械設備故障診斷方法，其特征在于該方法包括以下各步驟: 步驟(1)設定旋轉(zhuǎn)機械設備的故障集合為? = {F0, Fl,…，F(xiàn)y…，F(xiàn)n}，F(xiàn)j代表旋轉(zhuǎn)機械設備的第j種故障(j = O, I,...，N)，則共有N+1種故障； 步驟(2)通過診斷證據(jù)生成方法，在第k個時刻，獲得旋轉(zhuǎn)機械設備的診斷證據(jù)為Ek =(mk (F0), mk (F1),..., Hik(Fj),...，mk(FN)，mk (Θ))，其中，k=l, 2，3，...；mk(Fj)表示在 k 時刻，對第j種故障發(fā)生的信度賦值，mk(0)表示對故障集合的信度賦值，則Ek為這些信度賦值構成的一個信度賦值向量，并有 1-(mk(F0) +mk(F1) +...+mk(Fj) +---+Hik(Fn)) = mk(Θ)； 步驟(3)基于步驟(2)獲得的診斷證據(jù)，通過線性加權診斷證據(jù)融合規(guī)則，用第k個時刻診斷證據(jù)對歷史診斷證據(jù)進行平滑更新，從而獲得k時刻更新后的診斷證據(jù)E1:k =(m1:k(F0), IHllk(F1),...，Hillk(Fj),...，m1:k(Fn)，m1:k( Θ)),其中 l:k 表示 E1.k 是融合從 I 到 k 時刻所有的診斷證據(jù)得到的，具體步驟如下: (3-1)當k = I時，更新后的診斷證據(jù)為 Ei:i = E1 亦即更新后的診斷證據(jù)即為該時刻獲得的診斷證據(jù)； (3-2)當k≤2時，更新后的診斷證據(jù)向量E1:k，其各元素取值由以下式(I)和(2)給出
【文檔編號】G06F19/00GK103617350SQ201310578506
【公開日】2014年3月5日 申請日期:2013年11月15日 優(yōu)先權日:2013年11月15日
【發(fā)明者】徐曉濱, 張鎮(zhèn), 劉征 申請人:杭州電子科技大學