[发明专利]一种基于DS证据理论的故障诊断方法

权利要求书

1.一种基于DS证据理论的故障诊断方法，其特征在于包括下述步骤：

步骤一：输入n种故障、k种特征的故障样本数据D_ij(i＝1,2,…,n,j＝1,2,…,k)，所述故障特征是可以用来做故障分类的特征，所述故障样本数据是故障特征的测量值，对每种故障每种特征建立三角模糊数模型，辨识框架为Θ＝{F₁,F₂,...,F_n}，所述三角模糊数是给定论域U上的一个模糊集，是指对任何x∈U，都有一个数μ(x)∈[0,1]与之对应，μ(x)称为x对U的隶属度，μ称为x的隶属函数，所述三角模糊数模型建立的方法为：

将故障F_i(i＝1,2,…,n)特征j样本数据D_ij的最小值minD_ij、均值aveD_ij及最大值maxD_ij分别作为故障F_i特征j三角模糊数模型的最小值，均值，最大值，则故障F_i特征j的三角模糊数为

步骤二：输入待测设备k种特征待测样本数据T_j，生成三角模糊数模型，其中待测设备为电机转子，所述三角模糊数模型建立的方法为：

将特征j待测样本数据T_j的最小值minT_j、均值aveT_j及最大值maxT_j分别作为待测特征j三角模糊数模型的最小值，均值，最大值，则待测特征j的三角模糊数为

步骤三：将特征j下的待测三角模糊数模型与故障三角模糊数模型匹配生成基本概率分配函数m_j，所述基本概率分配函数在证据理论中被定义为对任意一个属于Θ的子集A，m(A)∈[0,1]，且满足则m为2^Θ上的基本概率分配函数，其中2^Θ为辨识框架的幂集，所述基本概率分配函数m_j生成方法为：

将与的相交面积与曲线下面积的比值作为对应单子集元素{F_i}的信度，将与特征j多个故障模糊数的相交面积与曲线下面积的比值作为对应多子集元素的信度，所述的单子集元素{F_i}指的是步骤一中当且仅当子集A包含辨识框架Θ中的第i(i∈[1,N])个元素，所述多子集元素指的是步骤一中子集A包含辨识框架Θ中两个以上元素，记上述生成的信度之和为Sum，若Sum≥1，则将上述生成的信度归一化，所述归一化方法为：若Sum<1，则将m_j{F₁,F₂,…,F_n}更新为m_j{F₁,F₂,…,F_n}+1-Sum；

步骤四：将生成的k条BPA用证据理论组合规则依次融合得到m_F，所述的证据理论的组合规则为其中A,B,m₁,m₂为两组待融合BPA，m为m₁与m₂融合后的BPA，K为m₁,m₂的冲突因子，

步骤五：使用Pignistic probability transformation方法将步骤四融合得到的m_F转换为概率分布P，所述转换方法为：其中

步骤六：依据得到的概率分布P对设备故障做出诊断，若P({F_i})中最大概率大于0.5，则取P({F_i})中最大的概率对应的类别作为设备故障诊断结果。