[发明专利]一种基于D-S证据理论的设备故障诊断方法

说明书

技术领域

本发明涉及一种设备故障诊断，特别涉及一种基于D-S证据理论的设备故障诊断方法。

背景技术

20世纪以来，随着科学技术、工业生产等的高速发展，机械设备的可用性，可靠性，安全性的问题日益突出，促进了人们对机械故障诊断技术的研究。

最早期，诊断技术主要依赖于该领域个体专家单纯的依靠感官获取设备的状态信息，凭借经验来作出判断。真正意义上的设备故障诊断技术是20世纪50年代以后才发展起来的一门新技术，它是随着计算机在工业信号处理、工业控制方面的应用而逐步发展和完善。在设备故障诊断技术发展的初期，专家将故障发生时的相关参数记录下来，组合成诊断知识表的方式来分析故障。随着诊断技术的发展，专家系统、模糊理论、灰色理论以及神经网络理论，逐步由浅到深地去把握故障诊断规律，使诊断技术的自动化水平不断提高，诊断结果的准确性和置信度也不断提高。

目前迅速发展的数据融合技术是一种智能诊断技术，它有利用各个数据源之间包含的冗余和互补的信息的优点，可以提高系统决策的准确性和鲁棒性，从而为设备故障诊断率的提高提供了一条有效的途径。

汽轮机是工业领域中的一组重要设备，尤其在电力工业中。然而汽轮机组结构和系统的复杂性，特殊性和运行环境，汽轮机组有着故障率较高，故障危险性高等缺点。因此，汽轮机组的故障诊断一直是故障诊断技术应用的一个重要方面。

然而汽轮机故障征兆与故障之间的映射关系复杂，故障的渐进性和突发性，一般的数据挖掘方法不能满足诊断汽轮机的故障。许多条件的改变，如蒸汽温度过高或过低，都将给安全生产带来不利影响。当前传统的故障诊断方法只是通过一些简单的数据判据来完成的，要用这种传统的故障诊断方法来诊断复杂的汽轮机系统就显的不足，因此需要一种新的方法来对汽轮机进行可靠的故障诊断。

发明内容

本发明是针对汽轮机故障征兆与故障之间的映射关系复杂，现有的诊断方法局限性无法有效诊断故障的问题，提出了一种基于D-S证据理论的设备故障诊断方法，利用D-S证据理论可以处理不确定信息的能力，在现已有诊断方法的基础上，提出了一种综合各种诊断结果的方法，并由此得出诊断结论。能够提高设备故障诊断的准确率。

本发明的技术方案为：一种基于D-S证据理论的设备故障诊断方法，包括如下具体步骤：

1）故障特征集的建立：对设备进行故障诊断，首先要通过故障类型及故障征兆的分析，建立设备的故障特征集；

2）不同方法的故障诊断：在建立了故障征兆集后，采用不同的诊断方法对设备进行独立的故障诊断，可以采用的诊断方法包括各种神经网络的诊断方法，基于灰色理论的方法，基于粗糙集和支持向量机的方法；

3）基于D-S证据理论的诊断结果判定：在应用不同方法对设备故障进行诊断后，对各方法的诊断结果进行综合，步骤如下：

A：根据不同诊断方法的结果，构造D-S证据理论的基本概率分配函数，构造方法如下面公式所示：

                                                                 

其中i表示第i种诊断方法，j第j种故障类型，C_i(j)表示应用第i种诊断方法对于第j种故障类型做出的诊断结果，R(i)表示第i种诊断方法的可靠性系数，R(i)可通过计算独立使用该方法进行故障诊断时的正确率来得到；

B：在得到了不同诊断方法对于不同故障类型的基本概率分配函数之后，应用D-S融合规则对各种方法得到的诊断结果进行综合；

C：在计算得出各种诊断方法的综合诊断结果后，根据具体应用时的判别准则，可以得到故障诊断的最终结果。

所述步骤3）中对各方法的诊断结果进行综合步骤C中的判别准则可以是：

故障的输出值是所有故障输出值中的最大值；故障的输出值大于预先设定的阈值；规定和其它各故障输出值的差值范围。