專利名稱：一種隨機(jī)模糊故障特征融合的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種隨機(jī)模糊故障特征融合的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法，屬于旋轉(zhuǎn)機(jī)械設(shè)備故障監(jiān)控與診斷技術(shù)領(lǐng)域。
背景技術(shù)：
在線故障診斷技術(shù)是旋轉(zhuǎn)機(jī)械設(shè)備安全生產(chǎn)和高效運(yùn)行的有力保障，但該類技術(shù)的實(shí)施還面臨諸多挑戰(zhàn)對于現(xiàn)代化的大型復(fù)雜設(shè)備，如大型旋轉(zhuǎn)機(jī)械設(shè)備，多是根據(jù)多傳感器所采集的監(jiān)測數(shù)據(jù)中提取的故障特征信息進(jìn)行故障診斷的。但是，由于監(jiān)測環(huán)境的影響以及測量系統(tǒng)本身的系統(tǒng)誤差，如傳感器的精度偏移或A/D轉(zhuǎn)換器的量化誤差，使得測量數(shù)據(jù)總是帶有不確定性。引起不確定性的因素主要來自兩個方面一是傳感器工作時所受到的噪聲干擾(具有隨機(jī)性)；二是傳感器及其后續(xù)的信號調(diào)理電路本身的系統(tǒng)性誤差(具有模糊性)。所以，當(dāng)利用這些含有不確定性的故障特征信息對設(shè)備進(jìn)行故障診斷時，勢必會產(chǎn)生不精確甚至是錯誤的結(jié)果。為了進(jìn)一步提高診斷的精度和可靠性，新興的多源信息融合技術(shù)，可以將空間或時間上含有不確定性的冗余信息和互補(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行融合，以獲得對被測設(shè)備對象更精準(zhǔn)的一致性解釋與描述，從而對其所處的故障狀態(tài)做出比任何單源監(jiān)測信息更加準(zhǔn)確的判斷。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種隨機(jī)模糊故障特征融合的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法，同時考慮了傳感器監(jiān)測數(shù)據(jù)中的隨機(jī)性和模糊性，從中提取出隨機(jī)模糊性故障特征信息，并給出相應(yīng)的信息融合方法對設(shè)備進(jìn)行故障診斷，該診斷結(jié)果比單源隨機(jī)模糊性故障特征信息給出的診斷結(jié)果更為精確。本發(fā)明提出的基于隨機(jī)模糊故障特征融合的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法，包括以下各步驟(I)設(shè)定旋轉(zhuǎn)機(jī)械設(shè)備的故障集合O = {F1; · · ·，F(xiàn)」，· · ·，F(xiàn)N}，F(xiàn)j代表故障集合&中的第j個故障，j = 1，2，. . .，N，N為設(shè)備含有故障的個數(shù)；(2)設(shè)X為能夠反應(yīng)故障集合Θ中每個故障&的故障特征參數(shù)，建立故障特征參數(shù)X的故障樣板模式Axj，Axj為描述故障匕的一個隨機(jī)模糊變量，Axj獲取步驟如下(2-1)當(dāng)故障集合Θ中的故障Fj發(fā)生時，利用傳感器測量故障特征參數(shù)X，連續(xù)獲得X的δ個測量值；(2-2)利用這δ個測量值得到故障特征參數(shù)X的頻率直方圖，然后對直方圖進(jìn)行插值擬合，得出X的概率密度函數(shù)P(X)，用于描述X的隨機(jī)特性；(2-3)將描述故障特征參數(shù)X隨機(jī)性的概率密度函數(shù)P(X)轉(zhuǎn)化為模糊隸屬度函數(shù)，即隨機(jī)模糊變量的外部隸屬度函數(shù)μ out(x)，以便與描述模糊性的內(nèi)部模糊隸屬度函數(shù)μ η(χ)進(jìn)行結(jié)合，生成描述故障匕的隨機(jī)模糊變量Α .，獲取外部隸屬度函數(shù)μ_(Χ)的具體步驟如下a)確定概率密度函數(shù)P (X)的峰值點(diǎn)為xp，確定其隸屬度為μ out (Xp) = I ;b)確定概率密度函數(shù)P (X)對應(yīng)X的變化范圍為區(qū)間[XL，XK] = [Xp-3 O，χρ+3 σ ]，其中σ是描述X隨機(jī)特性的方差量，其中\(zhòng)的下標(biāo)“L”表示左端點(diǎn)，χκ的下標(biāo)“R”表示右端點(diǎn)；C)在區(qū)間[xL, χρ]和[xp, χΕ]上分別均勻插入 M 個點(diǎn)xI^PxBi，i = I, 2, · · · , Μ,M 彡 50 ; XLi =xL+ix(xp-xL)/(M + \) ,xRi =xp + (M-i + \)x(xR-xp)/(M + 1)可以得到如下一組共M+2個具有包含關(guān)系的區(qū)間[', 5][ ... [ [\，\ ，Xr ]若令=WXLm+2， = m+2，則有如下區(qū)間的包含關(guān)系[xiM+l, M+1 ][[弋，] [ [^1, Xiw ] [ ... [ [xv Xiii ] [ [xLm+2 , x M+2 ]d)隨機(jī)模糊變量Axj的外部隸屬度函數(shù)μ out (x)取值如下MouXx) =1 — Pp{^)dx,x = JC ,JC ,k = I, . . . ,M+2(I)
XLkLjc，Rji，(2-4)傳感器對故障特征參數(shù)X測量時，傳感器的系統(tǒng)誤差會使得測量數(shù)據(jù)帶有一定的模糊性，這種特性可以用矩形的內(nèi)部隸屬度函數(shù)Uin(X)描述，系統(tǒng)誤差一般由傳感器生產(chǎn)商提供，其精度規(guī)格為Χ(1± ε % )，其中O. 2 < ε < 2，為生產(chǎn)商提供的傳感器精度，由χ(1± ε % )可構(gòu)造矩形的內(nèi)部隸屬度函數(shù)μ in(x)為
「η,_ ，xeKO- ε%1 xP (1 +￡%)]η ΛΑ ω = |α χ0[Χρ( -εο/οΙΧρ(1 + εο/ο)]()(2-5)隨機(jī)模糊變量Axj是通過將外部模糊隸屬度函數(shù)μ out (X)和內(nèi)部模糊隸屬度函數(shù)Uin(X)的a (a e
)水平截集區(qū)間[吃和K,結(jié)合而得到，兩個區(qū)間的左、右端點(diǎn)分別為Xo1 = min{x | μοη (χ) > α}(3)Xos = max{χ | μοιι1 (χ) > a}(4)Xji =min{x|/im(x)>a}(5)Xjr =max{x|^ (x)>a}(6)則故障Fj的隨機(jī)模糊變量Axj為
γαΜ+2 γαΜ+2 γαΜ+2 γαΜ+2
ΛαAbAcΛ
γα1γα1γα1γα1
ΛαAbAcΛ
γα2γα2γα2γα2
. Λ· Λ·ι Λ· Λ· j
γλλΛabedA9 = : . . .( )
γαΜγαΜγαΜγαΜ
ΛαAbAcΛ
γαΜ+1γαΜ+IγαΜ+1γαΜ+1
-αbc 」(Μ+2)χ4其中第k行中的4個元素亡，分別由a = ak時的水平截集區(qū)間Kl , X0R ]和[4 , ΧΖ ]的左、右端點(diǎn)得到
權(quán)利要求
1.一種隨機(jī)模糊故障特征融合的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法，其特征在于該方法包括以下各步驟 (I ) 設(shè)定旋轉(zhuǎn)機(jī)械設(shè)備的故障集合,O,，…，F(xiàn)p…，/y，F(xiàn)j代表故障集合· 中的第j個故障，J=I, 2，…，N, #為設(shè)備含有故障的個數(shù)； (2)設(shè)z為能夠反應(yīng)故障集合· 中每個故障/^的故障特征參數(shù)，建立故障特征參數(shù)z的故障樣板模式んパ為描述故障/^的一個隨機(jī)模糊變量，んノ.獲取步驟如下 (2 — I)當(dāng)故障集合‘Θ中的故障/^發(fā)生時，利用傳感器測量故障特征參數(shù)ム連續(xù)獲得Z的こ.個測量值； (2 — 2)利用這〗個測量值得到故障特征參數(shù)z的頻率直方圖，然后對直方圖進(jìn)行插值擬合，得出z的概率密度函數(shù)/7 Cr)，用于描述z的隨機(jī)特性； (2-3)將描述故障特征參數(shù)z隨機(jī)性的概率密度函數(shù)/7 Cr)轉(zhuǎn)化為模糊隸屬度函數(shù)，即隨機(jī)模糊變量的外部隸屬度函數(shù)パ-Cr)，以便與描述模糊性的內(nèi)部模糊隸屬度函數(shù),〃n(x)進(jìn)行結(jié)合，生成描述故障/^的隨機(jī)模糊變量んノ.，獲取外部隸屬度函數(shù)M olAx)的具體步驟如下 a)確定概率密度函數(shù)/7Cr)的峰值點(diǎn)為ち，確定其隸屬度為P oui (X5)=I ; b)確定概率密度函數(shù)/7Cr)對應(yīng)z的變化范圍為區(qū)間Drz，XrI = IX-^o ,ち+3び]，其中び是描述Z隨機(jī)特性的方差量，其中^的下標(biāo)“廠’表示左端點(diǎn)，み的下標(biāo)“/ ”表示右端點(diǎn)； C)在區(qū)間0 , ]和0 , ]上分別均勻插入#個點(diǎn)氣和4，i=l，2, ···，#,#≥50 ；
全文摘要
本發(fā)明涉及一種隨機(jī)模糊故障特征融合的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法，屬于旋轉(zhuǎn)機(jī)械設(shè)備故障監(jiān)控與診斷技術(shù)領(lǐng)域。該方法能處理具有隨機(jī)性和模糊性的故障特征參數(shù)，對故障特征參數(shù)在各個故障下典型數(shù)據(jù)的統(tǒng)計分析，構(gòu)造隨機(jī)模糊變量，用該變量建模故障檔案庫中的每個故障樣板模式；同樣用隨機(jī)模糊變量建模在線監(jiān)測中提取的故障待檢模式；將待檢模式與各故障的樣板模式進(jìn)行匹配，得到待檢模式支持各故障的程度，亦即診斷證據(jù)；然后將多個故障特征參數(shù)提供的診斷證據(jù)進(jìn)行融合，在一定的決策準(zhǔn)則下，由融合結(jié)果進(jìn)行故障決策，基于多證據(jù)融合結(jié)果做出的決策要比只憑借單一診斷證據(jù)做出的決策更加準(zhǔn)確。
文檔編號G05B13/04GK102662390SQ20121012717
公開日2012年9月12日 申請日期2012年4月26日 優(yōu)先權(quán)日2012年4月26日
發(fā)明者周哲, 徐曉濱, 文成林 申請人:杭州電子科技大學(xué)