[发明专利]基于改进冲突系数和信度熵的发动机故障诊断方法

说明书

本发明公开了一种基于改进冲突系数和信度熵的发动机故障诊断方法，包括如下步骤：首先，获取传感器测量信息转换为证据信息，计算证据之间的关联系数，结合关联系数和冲突系数得到改进冲突系数，以此获得证据的冲突度；最后采用Dempster组合规则对修正后的证据进行融合，输出最终发动机故障诊断的决策结果。本发明方案与传统算法相比，通过改进冲突系数获得冲突度能够有效地衡量证据之间的冲突程度，同时通过改进的信度熵表征证据的不确定程度，综合冲突度和信度熵确定证据的权重系数，具有重要的理论意义和应用价值。

技术领域

本发明涉及多源信息融合技术领域，尤其涉及一种基于改进冲突系数和信度熵的发动机故障诊断方法。

背景技术

航空发动机是装备制造领域的最高端产品，代表着一个国家的科技水平和综合国力，一直以来都被视为影响国家空中运输、国防安全和保持国家战略优势的核心技术。作为飞机的“心脏”，航空发动机不仅设计复杂，而且对精度要求非常高，被誉为“工业之花”。飞机的主要动力就来源自于航空发动机，所以，当飞机在飞行的过程中，如果航空发动机产生故障，就会对飞机的飞行安全造成一定的影响，因此做好航空发动机故障诊断工作是非常重要的。

目前，在当今时代传感器因其高精度、高灵敏度等优点，充斥在我们的日常生活中，但是单一传感器因其自身的缺陷与局限性，将导致难以对不同类型的目标均能够提供可靠的信息，从而影响决策结果，基于此多源信息融合技术应声而出。多源信息融合技术是一种从多层次多方位来处理数据的过程，对多个信息源数据进行自动检测、关联组合和估计，能够通过各种有效的方法将不同来源的信息提供给人们以进行正确的决策，该技术最初应用于军事领域，伴随着在军事领域的成功应用，后被广泛应用于故障诊断、医疗诊断、目标识别等领域，然而在恶劣的环境因素下，部分传感器提供的信息可能会存在高冲突性和不确定性等特点，这些信息的高冲突性和不确定性会直接影响决策结果，因此对信息的高冲突性和不确定性研究至关重要。

Dempster-Shafer(D-S)证据理论是由Dempster和Shafer提出，其本质是对贝叶斯理论的扩展，然而相对于贝叶斯理论严格的要求而言，证据理论摆脱了对先验条件的依赖，可以在不具备先验条件的情况下对证据进行融合，而且在表达“不确定”和“未知”的情况时具有明显的优势，可以灵活地处理不确定和不精确的信息，因此该理论受到了国内外工程应用领域和学术界的关注，被广泛应用于故障诊断、目标识别等领域。但证据理论也存在一些问题，例如冲突的衡量问题。Dempster在《Upper and lower probabilities induced bya multivalued mapping》一文中提出的冲突系数可以很好的解决一般冲突情况下证据之间的冲突，但是在完全不存在冲突情况下，该方法不能有效的衡量证据之间的冲突。Jousselme等人在《Anew distance between two bodies of evidence》一文中提出了证据距离，该距离能够衡量一组表示分类结果的证据与代表真实结果证据之间的差异性程度，但是该距离在证据之间完全冲突的情况下不能有效的衡量证据之间的冲突。此外，如何对基本概率赋值函数的不确定性进行衡量也是一个问题。邓勇在《Deng entropy》一文中提出了邓熵，邓熵能够因其处理不确定性的优势已经被广泛应用于多个领域，但是邓熵却忽略了辨识框架的规模和焦元之间有交集带来的影响。周德云等人在《A modified beliefentropy in Dempster-Shafer framework》一文中提出了一种信度熵，该信度熵考虑了辨识框架的规模能够一定程度上解决邓熵的局限性，但是该信度熵仍然不能解决焦元之间的交集带来的影响。这些问题的存在将导致产生与直觉相悖的结论，无法进行有效决策，限制了D-S证据理论的进一步发展与完善。

发明内容

本发明的目的是提供一种基于改进冲突系数和信度熵的发动机故障诊断方法，能够准确有效地对发动机故障做出正确决策。

本发明采用的技术方案为：