基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法
【專利摘要】本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，包括：a).獲取濾波信號(hào)；b).計(jì)算模糊偏好關(guān)系；c).計(jì)算綜合模糊偏好關(guān)系；d).計(jì)算權(quán)值；e).計(jì)算融合信號(hào)值；f).計(jì)算整個(gè)采集周期內(nèi)的融合信號(hào)值；g).獲取理想信號(hào)。本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，針對(duì)如何綜合利用多個(gè)傳感器的信息提高故障診斷的準(zhǔn)確性，研究了加權(quán)融合算法，提出了基于模糊偏好關(guān)系的數(shù)據(jù)融合算法，剔除無關(guān)信息，對(duì)數(shù)據(jù)進(jìn)行有效融合，為故障診斷的特征提取和識(shí)別提供更準(zhǔn)確的信息。
【專利說明】
基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種多振動(dòng)信號(hào)融合方法，更具體的說，尤其涉及一種基于模糊偏好 關(guān)系的多振動(dòng)信號(hào)融合方法。
【背景技術(shù)】
[0002] 在故障診斷的過程中，診斷結(jié)果的可靠性與準(zhǔn)確性與數(shù)據(jù)采集情況密切相關(guān)。然 而，由于設(shè)備運(yùn)行工況、故障信息復(fù)雜，單個(gè)傳感器很難獲得關(guān)于設(shè)備狀態(tài)的全局信息，所 提供的信息往往是不完善的，必然導(dǎo)致故障診斷準(zhǔn)確率低，甚至出現(xiàn)漏檢和誤診現(xiàn)象。隨著 數(shù)據(jù)融合技術(shù)的發(fā)展，多傳感器的數(shù)據(jù)融合技術(shù)逐漸在故障診斷領(lǐng)域應(yīng)用，克服了單一傳 感器的局限性。數(shù)據(jù)融合按照其在傳感器處理層次中的抽象程度，可以分為三個(gè)層次:數(shù)據(jù) 層融合、特征層融合和決策層融合。數(shù)據(jù)層融合屬于最低層次的融合，是對(duì)傳感器的原始數(shù) 據(jù)及預(yù)處理各階段上產(chǎn)生的數(shù)據(jù)信息分別進(jìn)行融合處理，可以盡可能多地保持原始信息及 現(xiàn)場(chǎng)數(shù)據(jù)，也可以提供其它較高層次數(shù)據(jù)融合所不能提供的更豐富、更精確、更可靠的信 息，提供最優(yōu)決策和識(shí)別性能。
[0003] 平均加權(quán)法、自適應(yīng)加權(quán)融合算法、卡爾曼濾波法等是故障診斷中常用的數(shù)據(jù)層 融合算法。平均加權(quán)法缺少動(dòng)態(tài)適應(yīng)性，無法適應(yīng)隨機(jī)因素的影響。自適應(yīng)加權(quán)算法需要傳 感器的先驗(yàn)知識(shí)，計(jì)算較為復(fù)雜，動(dòng)態(tài)性不是很好?？柭鼮V波算法具有良好的信號(hào)跟蹤及 估值能力，但由于信號(hào)噪聲的影響，不同傳感器所提供的傳感器信號(hào)會(huì)產(chǎn)生一定的偏差，不 利于真實(shí)信號(hào)的預(yù)測(cè)及估計(jì)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明為了克服上述技術(shù)問題的缺點(diǎn)，提供了一種基于模糊偏好關(guān)系的多振動(dòng)信 號(hào)融合方法。
[0005] 本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，設(shè)利用η個(gè)傳感器對(duì)設(shè)備的 同一振動(dòng)信號(hào)進(jìn)行測(cè)量;其特別之處在于，通過以下步驟來實(shí)現(xiàn)：
[0006] a).獲取濾波信號(hào)，將η個(gè)傳感器m時(shí)刻采集的信號(hào)經(jīng)濾波器處理后得到信號(hào)集合
〔中表示m時(shí)刻第i個(gè)傳感器輸出的信號(hào)， l^i^n；
[0007] b).計(jì)算模糊偏好關(guān)系，按照公式（1)計(jì)算步驟a)中所獲取的η個(gè)信號(hào)中兩兩信號(hào)m 時(shí)刻的模糊偏好關(guān)系:
[0008]
.⑴
[0009] 其中，ISiSn，IS jSn，i# j ;k>0;
[0010] c).計(jì)算綜合模糊偏好關(guān)系，按照公式⑵計(jì)算m時(shí)刻第i個(gè)信號(hào)尤⑷與其余n-1個(gè) 信號(hào)之間的綜合模糊偏好關(guān)系:
[0011]
[0012] 其中，m表示時(shí)刻，1彡i<n;
[0013] 獲取的η個(gè)信號(hào)m時(shí)刻的綜合模糊偏好關(guān)系分另丨」記為A' …、巧"；
[0014] d).計(jì)算權(quán)值，按照公式(3)計(jì)算m時(shí)刻各傳感器信號(hào)的權(quán)值ω'
[0015]
[0016]
[0017] e).計(jì)算融合信號(hào)值，按照公式(4)將步驟a)中獲取的η個(gè)傳感器輸出的信號(hào)進(jìn)行 融合得到m時(shí)刻的融合信號(hào)值Ym:
[0018]
[0019] 其中，（ω?)τ表示：的轉(zhuǎn)置；
[0020] f).計(jì)算整個(gè)采集周期內(nèi)的融合信號(hào)值，按照步驟a)至步驟e)計(jì)算m時(shí)刻融合信號(hào) 值的相同方法，計(jì)算得到整個(gè)采集周期T內(nèi)的融合信號(hào)值Y={Y\Y2.....Υ1.....為第 i次的融合信號(hào)值，k為周期T的采集次數(shù)；
[0021] g).獲取理想信號(hào)，對(duì)步驟f)中獲取的整個(gè)采集周期內(nèi)的融合信號(hào)值Y進(jìn)行濾波， 最終獲得比較理想的、可真實(shí)反映設(shè)備故障的信號(hào)
[0022] 本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，步驟b)中所述k的取值范圍 為:οκιοο〇
[0023] 本發(fā)明的有益效果是:本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，針對(duì) 如何綜合利用多個(gè)傳感器的信息提高故障診斷的準(zhǔn)確性，研究了加權(quán)融合算法，提出了基 于模糊偏好關(guān)系的數(shù)據(jù)融合算法，剔除無關(guān)信息，對(duì)數(shù)據(jù)進(jìn)行有效融合，為故障診斷的特征 提取和識(shí)別提供更準(zhǔn)確的信息。
[0024] 本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，無需預(yù)知傳感器的先驗(yàn)知 識(shí)，根據(jù)各傳感器間的模糊偏好關(guān)系的變化調(diào)整融合算法的權(quán)值，具有很好的動(dòng)態(tài)性，具有 較強(qiáng)的抗干擾能力，對(duì)滾動(dòng)軸承實(shí)際的多振動(dòng)信號(hào)分析，驗(yàn)證了本發(fā)明算法在實(shí)際應(yīng)用中 的有效性。可以根據(jù)信號(hào)的實(shí)際情況調(diào)整參數(shù)k，有效抑制噪聲，易于實(shí)現(xiàn)、靈活，可方便地 應(yīng)用于實(shí)際的多振動(dòng)信號(hào)估計(jì)，為故障診斷提供更準(zhǔn)確的參數(shù)。
【附圖說明】
[0025] 圖1為本發(fā)明中模糊偏好函數(shù)dxy的曲線圖；
[0026] 圖2為本發(fā)明中簡(jiǎn)化后的模糊偏好函數(shù)dxy的曲線圖；
[0027] 圖3為本發(fā)明的仿真實(shí)驗(yàn)中5路模擬傳感器輸出的信號(hào)；
[0028] 圖4為本發(fā)明的仿真實(shí)驗(yàn)中采用本發(fā)明的信號(hào)融合方法獲取的輸出結(jié)果；
[0029] 圖5為本發(fā)明的仿真實(shí)驗(yàn)中采用平均值加權(quán)融合算法獲取的輸出結(jié)果；
[0030] 圖6為本發(fā)明的信號(hào)融合方法與平均值加權(quán)融合算法、基于相關(guān)函數(shù)的融合算法 的估計(jì)偏差的對(duì)比圖，曲線1為本發(fā)明的信號(hào)融合方法的估計(jì)偏差曲線，曲線2為基于相關(guān) 函數(shù)的融合算法的估計(jì)偏差曲線，曲線3為平均值加權(quán)融合算法的估計(jì)偏差的曲線；
[0031] 圖7為5路模擬信號(hào)a、b、c、d、e的綜合模糊偏好關(guān)系隨時(shí)間的變化曲線；
[0032]圖8為圖7中5路模擬信號(hào)a、b、c、d、e的權(quán)值隨時(shí)間的變化曲線；
[0033]圖9為圖3中前3路模擬信號(hào)a、b、c均增加5dB的高斯白噪聲、其余信號(hào)不變，并經(jīng)本 發(fā)明的信號(hào)融合方法獲取的信號(hào)曲線；
[0034]圖10為圖9中模擬信號(hào)a、b、c、e的權(quán)值與圖3中模擬信號(hào)a、b、c、e權(quán)值的差別圖。
【具體實(shí)施方式】
[0035]下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。
[0036] 首先，闡述一下關(guān)于模糊偏好關(guān)系的求取方法：
[0037] 在神經(jīng)網(wǎng)絡(luò)中，常用公式(5)表示的函數(shù)來計(jì)算兩個(gè)樣本之間的模糊偏好關(guān)系：
[0038]
[0039]進(jìn)來表征樣本之間的有序結(jié)構(gòu)。本文借鑒該思想，引入模糊偏好關(guān)系來表征信號(hào) 之間的偏好程度，進(jìn)而確定數(shù)據(jù)融合中各傳感器的權(quán)值。
[0040]設(shè)x(n)和y(n)是兩個(gè)確定性信號(hào)，則在m時(shí)刻瞬時(shí)值之間的模糊偏好關(guān)系可以表 示為公式(6)，其對(duì)應(yīng)的函數(shù)曲線如圖1所示。
[0041 ]
(6)
[0042]其中，k為大于0的參數(shù)，控制偏好程度。
[0043]由圖1中的函數(shù)曲線可以看出，當(dāng)x(m)=y(m)時(shí)，dXy = 0.5。當(dāng)x(m)>>y(m)時(shí)， < 并且隨著的Ax=(x(m)-y(m))的增大，從0. 5逐漸減少至〇，<；表示了瞬時(shí)值 x(m)比y(m)大的程度；當(dāng)x(m)<<y(m)時(shí)，并且隨著 | Δχ| =( |x(m)-y(m) | )的增 大，〇人0.5逐漸減少至0，<表示瞬時(shí)值x(m)比y(m)小的程度。dxy將兩者綜合起來，表示了 瞬時(shí)值x(m)與y(m)的模糊偏好關(guān)系，并且曲線的變化趨勢(shì)可以描述信號(hào)間的偏好關(guān)系，差 異小的，取較大值;差異大的，取較小值。
[0044] 在數(shù)據(jù)融合過程中，只要能夠表征兩信號(hào)差異的大小就可以，并不要求表征信號(hào) 瞬時(shí)值x(m)是比y(m)大還是小。因此，本文對(duì)d xy做了進(jìn)一步簡(jiǎn)化，偏好關(guān)系如公式(7)所示， 函數(shù)曲線如圖2所示。
[0045] (7)
[0046] 從圖2可以看出，參數(shù)k取不同的值，dx/變化較大，信號(hào)的偏好關(guān)系程度也跟著發(fā)生 變化，利用這一關(guān)系，在實(shí)際數(shù)據(jù)融合中，可以根據(jù)信號(hào)和噪聲的強(qiáng)弱情況來調(diào)整k，控制信 號(hào)間的偏好程度，有效抑制噪聲。
[0047]本發(fā)明的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，設(shè)利用η個(gè)傳感器對(duì)設(shè)備的 同一振動(dòng)信號(hào)進(jìn)行測(cè)量;通過以下步驟來實(shí)現(xiàn)：
[0048] a).獲取濾波信號(hào)，將η個(gè)傳感器m時(shí)刻采集的信號(hào)經(jīng)濾波器處理后得到信號(hào)集合
良示m時(shí)刻第i個(gè)傳感器輸出的信號(hào)， l^i^n；
[0049] b).計(jì)算模糊偏好關(guān)系，按照公式（1)計(jì)算步驟a)中所獲取的η個(gè)信號(hào)中兩兩信號(hào)m 時(shí)刻的模糊偏好關(guān)系
[0050]
⑴.
[0051] 其中，j<n，i辛 j;k>0;
[0052] 該步驟中，所述k的取值范圍為:0 <k彡100。
[0053] c).計(jì)算綜合模糊偏好關(guān)系，按照公式(2)計(jì)算m時(shí)刻第i個(gè)信號(hào)與其余n-1個(gè) 信號(hào)之間的綜合模糊偏好關(guān)系:
[0054]
[0055] 其中，m表示時(shí)刻，Ki<n;
[0056] 獲取的η個(gè)信號(hào)m時(shí)刻的綜合模糊偏好關(guān)系分別記為W、..、D：：
[0057] d).計(jì)算權(quán)值，按照公式(3)計(jì)算m時(shí)刻各傳感器信號(hào)的權(quán)值ω'
[0058]
[0059] 得到，=[叫' ;
[0060] e).計(jì)算融合信號(hào)值，按照公式(4)將步驟a)中獲取的η個(gè)傳感器輸出的信號(hào)進(jìn)行 融合得到m時(shí)刻的融合信號(hào)倌Ym:
[0061] ?=1 v 7
[0062] 其中，（ω，τ表示〇^的轉(zhuǎn)置；
[0063] f).計(jì)算整個(gè)采集周期內(nèi)的融合信號(hào)值，按照步驟a)至步驟e)計(jì)算m時(shí)刻融合信號(hào) 值的相同方法，計(jì)算得到整個(gè)采集周期T內(nèi)的融合信號(hào)值Y={Y\Y2.....Υ1.....為第 i次的融合信號(hào)值，k為周期T的采集次數(shù)；
[0064] g).獲取理想信號(hào)，對(duì)步驟f)中獲取的整個(gè)采集周期內(nèi)的融合信號(hào)值Y進(jìn)行濾波， 最終獲得比較理想的、可真實(shí)反映設(shè)備故障的信號(hào)f。
[0065]融合效果驗(yàn)證和分析：
[0066]為了驗(yàn)證本發(fā)明提出的融合算法的效果和動(dòng)態(tài)性，進(jìn)行了以下仿真實(shí)驗(yàn)，仿真信 號(hào)如圖3所示，假定信號(hào)是相同精度的5路傳感器進(jìn)行的數(shù)據(jù)采集。信號(hào)a、b、c為振幅為5的 正弦信號(hào)，均模擬采集到了有效信號(hào)，信號(hào)d為零值信號(hào)，模擬傳感器失靈狀態(tài)，信號(hào)e為5dB 的高斯白噪聲。采用本發(fā)明提出的改進(jìn)算法的融合結(jié)果如圖4所示，平均值加權(quán)融合算法的 結(jié)果如圖5所示?？梢钥闯觯景l(fā)明的融合結(jié)果在噪聲抑制方面明顯優(yōu)于平均值加權(quán)融合算 法。
[0067] 融合精度分析:為了分析本文算法的精度，對(duì)融合結(jié)果與標(biāo)準(zhǔn)信號(hào)的估計(jì)偏差進(jìn) 行了計(jì)算，并與平均值加權(quán)和基于相關(guān)函數(shù)的融合進(jìn)行了比較，曲線如圖6所示，曲線1為本 發(fā)明的信號(hào)融合方法的估計(jì)偏差曲線，曲線2為基于相關(guān)函數(shù)的融合算法的估計(jì)偏差曲線， 曲線3為平均值加權(quán)融合算法的估計(jì)偏差的曲線；?？梢钥闯?，本發(fā)明算法的估計(jì)偏差在0值 附近微小波動(dòng)，明顯小于平均值加權(quán)融合算法，除極少數(shù)點(diǎn)外，估計(jì)偏差基本與基于相關(guān)函 數(shù)的融合算法一致，具有較高的融合精度。
[0068] 對(duì)圖6中的估計(jì)偏差進(jìn)一步分析，得出偏差序列的均值、方差與標(biāo)準(zhǔn)偏差值，如表1 所示。
[0069] 表1
[0070]
'[0071] 表1中，標(biāo)準(zhǔn)偏差為融合結(jié)果與標(biāo)準(zhǔn)信號(hào)的偏離程度，采用公式(8)計(jì)算。 '
[0072]
(8)
[0073] 從表1也可以看出，本發(fā)明的融合算法精度明顯優(yōu)于平均值加權(quán)融合算法，接近相 關(guān)函數(shù)法融合精度。但在本發(fā)明算法中，可以根據(jù)信號(hào)和噪聲的強(qiáng)弱情況，調(diào)整參數(shù)k，調(diào)整 信號(hào)間的偏好程度，有效抑制噪聲，提高振動(dòng)信號(hào)的檢測(cè)精度。
[0074]動(dòng)態(tài)適應(yīng)性分析:圖7為信號(hào)a、b、c、d、e的模糊偏好關(guān)系隨著時(shí)間變化的曲線，圖8 為對(duì)應(yīng)的權(quán)值分布曲線，可以看出對(duì)于傳感器失靈輸出的信號(hào)d和高斯白噪聲信號(hào)e，其對(duì) 應(yīng)的權(quán)值很小，本發(fā)明的算法起到了對(duì)干擾信號(hào)的有效抑制作用，具有較好的動(dòng)態(tài)適應(yīng)性， 而且可以根據(jù)信號(hào)的實(shí)際情況調(diào)整模糊偏好函數(shù)中的k值，便于取得更好的融合結(jié)果，方 便、靈活。
[0075]抗干擾能力分析:為了分析本發(fā)明算法的抗干擾能力，對(duì)圖3中的信號(hào)a、b、c增加 5dB的高斯白噪聲，其他信號(hào)不變。本發(fā)明融合結(jié)果經(jīng)消噪后結(jié)果如圖9所示，圖10為模擬信 號(hào)a、b、c、e的權(quán)值與圖3中模擬信號(hào)a、b、c、e權(quán)值的差別圖。從圖10可以看出，除極少數(shù)點(diǎn) 外，增加噪聲后，各信號(hào)的權(quán)值基本不變。雖然有噪聲的干擾，但利用模糊偏好關(guān)系計(jì)算得 到的權(quán)值在數(shù)據(jù)融合中變化不是很大，從而說明，本發(fā)明的融合算法具有較好的抗干擾能 力，可以識(shí)別有用信號(hào)。
【主權(quán)項(xiàng)】
1. 一種基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，設(shè)利用η個(gè)傳感器對(duì)設(shè)備的同一振 動(dòng)信號(hào)進(jìn)行測(cè)量;其特征在于，通過W下步驟來實(shí)現(xiàn)： a) .獲取濾波信號(hào)，將η個(gè)傳感器m時(shí)刻采集的信號(hào)經(jīng)濾波器處理后得到信號(hào)集合 X'("z)=托,(/")，義:知)，…，.夫…義,,(";)[，其中束,〇/2)表巧111時(shí)亥Ij第i個(gè)傳感器輸出的信號(hào)， b) .計(jì)算模糊偏好關(guān)系，按照公式（1)計(jì)算步驟a)中所獲取的η個(gè)信號(hào)中兩兩信號(hào)m時(shí)刻 的模糊偏好關(guān)系ΑΓ;(1) 其中，j《n，i聲j;k>0; C).計(jì)算綜合模糊偏好關(guān)系，按照公式(2)計(jì)算m時(shí)刻第i個(gè)信號(hào)與其余n-1個(gè)信號(hào) 之間的綜合模糊偏好關(guān)系心Γ;(2) 其中，m表示時(shí)刻， 獲取的η個(gè)信號(hào)m時(shí)刻的綜合模糊偏好關(guān)系分別記為〇Γ、D:',"、...、D:;; d) .計(jì)算權(quán)值，按照公式(3)計(jì)算m時(shí)刻各傳感器信號(hào)的權(quán)值ω":e) .計(jì)算融合信號(hào)值，按照公式(4)將步驟a)中獲取的η個(gè)傳感器輸出的信號(hào)進(jìn)行融合 得到m時(shí)刻的融合信號(hào)值ym:(4) 其中，（c〇m)嗦示ω"的轉(zhuǎn)置. f) .計(jì)算整個(gè)采集周期內(nèi)的融合信號(hào)值，按照步驟a)至步驟e)計(jì)算m時(shí)刻融合信號(hào)值的 相同方法，計(jì)算得到整個(gè)采集周期T內(nèi)的融合信號(hào)值Υ={γ?、Υ2.....Υ?.....γk}，γl為第i次 的融合信號(hào)值，k為周期Τ的采集次數(shù)； g) .獲取理想信號(hào)，對(duì)步驟f)中獲取的整個(gè)采集周期內(nèi)的融合信號(hào)值Υ進(jìn)行濾波，最終 獲得比較理想的、可真實(shí)反映設(shè)備故障的信號(hào)1。2. 根據(jù)權(quán)利要求1所述的基于模糊偏好關(guān)系的多振動(dòng)信號(hào)融合方法，其特征在于:步驟 b)中所述k的取值范圍為:0<k《100。
【文檔編號(hào)】G06K9/62GK105975995SQ201610362492
【公開日】2016年9月28日
【申請(qǐng)日】2016年5月26日
【發(fā)明人】郝慧娟, 王茂勵(lì), 郝鳳琦, 唐勇偉, 程廣河, 李娟
【申請(qǐng)人】山東省計(jì)算中心（國家超級(jí)計(jì)算濟(jì)南中心）