[发明专利]一种多源信息设备故障诊断方法

说明书

本发明涉及一种多源信息设备故障诊断方法，包括以下步骤：1)获取设备运行过程的振动信号，分别对振动信号进行时域特征提取，获取轴心轨迹不变矩特征向量，并采用小波包分解进行时频域特征提取，获取振动信号能量特征向量；2)分别对时域特征和时频域特征进行基于灰色关联理论的BPA分配，获取BPA分配后的基本概率赋值，形成两组原证据体；3)对原证据体采用改进D‑S证据理论进行修正和融合，并通过决策规则得到故障判别结果。与现有技术相比，本发明具有适用范围广、判断准确、精度高等优点。

技术领域

本发明涉及设备故障诊断技术领域，尤其是涉及一种多源信息设备故障诊断方法。

背景技术

在设备运行过程中，其振动信号中包含着系统丰富的运行信息，不同类型的故障对其振动信号影响不同，因此振动信号常被作为设备故障监测和诊断的主要依据。

由于系统运行环境的复杂以及不同精度传感器的影响，对设备振动信号故障诊断的精度依赖于多传感器的不确定性融合。相比于其他不确定推理方法，D-S证据理论应用于设备的故障诊断可以减少因运行环境等不确定因素造成的误判情况的发生。但是在特殊且复杂环境下，D-S证据理论需要有科学的改进以及与其他方法的结合应用在故障诊断系统中。

许多国内外学者针对D-S证据理论的不足提出了一些改进方法，主要包括修改组合规则和修正证据源两个方面。在修改组合规则方面，大多数的改进方法(《一种有效的证据理论合成公式》、《一种新的基于证据理论的合成公式》、《一种改进的证据推理组合规则》)都在Yager公式基础上进行改进，提出新合成公式，但是由于去掉了原公式里的归一化因子，将绝大部分的支持率赋给了不确定项，提高了决策难度，仍会出现“一票否决”的情况。在修正证据源方面，一些改进方法(《证据特征提取及其在证据理论改进中的应用》、《DS证据理论的改进及在航空交流发电机故障诊断中的应用》、《一种处理冲突证据的D-S证据权重计算方法》)利用证据间的相似度、冲突度或矛盾系数等来确定修改证据源不同的权重因子，对证据进行贴近度处理，《灰色关联和证据理论在故障识别中的应用和改进》、《基于不变矩特征和新型关联度的轴心轨迹形状自动识别》利用灰色关联理论建立基本概率赋值函数，通过证据理论进行融合，这些改进方法提高了D-S证据理论的融合效果，但是没有利用好证据间的关联性，权重的分配存在主观性，同时忽略了对不确信框架的分配，因此在BPA分配和组合规则方面仍然可以有所改进。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多源信息设备故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种多源信息设备故障诊断方法，包括以下步骤：

1)获取设备运行过程的振动信号，分别对振动信号进行时域特征提取，获取轴心轨迹不变矩特征向量，并采用小波包分解进行时频域特征提取，获取振动信号能量特征向量；

2)分别对时域特征和时频域特征进行基于灰色关联理论的BPA分配，获取BPA分配后的基本概率赋值，形成两组原证据体；

3)对原证据体采用改进D-S证据理论进行修正和融合，并通过决策规则得到故障判别结果。

所述的步骤2)具体包括以下步骤：

21)分别将提取出的时域特征和时频域特征分为参考序列X₀＝[X₀(1),X₀(2),...,X₀(t)]和多组比较序列X_c＝[X_c(1),X_c(2),...,X_c(t),],c＝1,2,...,T两部分，其中，c为比较序列组别，T为比较序列总数，t为特征数；

22)计算参考序列X₀和比较序列X_c的关联度r_c；