时域分析的多数据融合故障诊断方法

《时域分析的多数据融合故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第31卷第6期山东冶金Vol.31No.62009年12月ShandongMetallurgyDecember2009??????????????????????????信息化建设??????????????????????????时域分析的多数据融合故障诊断方法崔刚（济南钢铁股份有限公司第一炼铁厂，山东济南250101）摘要：介绍了时域分析中的有纲量参数和无纲量参数，构建了多数据融合故障诊断系统。系统包含数据级、特征级和决策级融合诊断模块，并行BP神经网络作为特征级诊断模块，既克服了BP网络的缺点，又解决了D-S证据理论难以获得BPA的弊端。对液压泵

2、进行应用试验，结果表明，该诊断系统充分利用了多数据的冗余信息，提高了诊断的可靠性和准确性。关键词：故障诊断；多数据融合；BPA；时域分析；证据理论中图分类号：TP306+.3文献标识码：A文章编号：1004-4620（2009）06-0062-021前言3多源数据融合故障诊断系统在实践中仅利用设备某一方面的故障特征信基于D-S证据理论的多源数据融合故障诊断系息进行故障诊断，具有不确定性，甚至有些结果不统包括3大模块：数据级融合模块、特征级诊断模块可靠，只有综合利用设备多方面的故障信息，才能及决策级融合诊断模块。实现对设备全面而准确的诊断。证据理论是一种

3、3.1数据级融合模块利用多信息来进行决策的方法，在故障诊断领域受数据级融合模块主要进行多传感器数据采集［1-2］到广泛关注。及特征提取。为进行故障诊断，所需要的信息通过多传感器从被诊对象的状态检测获取，经过相关的2时域指标转换电路将信号输入到故障诊断计算机。2.1有量纲参数3.2特征级诊断模块1）峰值。峰值是信号可能出现的最大瞬时值，特征级局部诊断方法有很多，神经网络、模糊［3］表示为：。信息、遗传算法、贝叶斯理论、证据理论等是常用2）均方根值。均方根值是反映信号的功率大的方法。采用n个结构相同的并行BP神经网络，每个神经网络都是最基本的三层BP算法，

4、网络的误差小，定义为：。设定为0.005。BP网络的两大缺点：一是收敛速度［4］3）绝对均值。绝对均值定义为：慢；二是容易陷入局部极小。由于此网络的误差要求不高，因此，可较好地避开BP网络缺点，不易陷。入局部极小，且学习训练速度较快。4）方差。方差描述信号偏离中心趋势的波动3.3决策级融合诊断模块程度，它是信号的动态分量，方差定义为：在证据理论的应用中，基本概率分配大多是专。家在所获证据的基础上，根据个人的经验对识别框2.2无量纲参数架中不同命题的支持程度的数字化表示，主观性很因有量纲的特征参数随载荷的变化波动大，在强，不同的专家由同一个证据对同一个命

5、题会给出实际中难以应用，对其进行归一化处理可得无量纲不同的信度分配，有时差别很大。在基于证据理论的数字特征参数：波形指标S、峰值指标C、脉冲指标和神经网络的多源数据融合故障诊断系统中，所用I、峪度L和峭度指标K等，分别定义如下：基本概率分配是由神经网络给出的，这样获得的基本概率分配比专家分配的更客观，且减少了专家分配基本概率分配环节。，Θ在命题A的一识别框架Θ中，有集函数m:2→其中xr为方根幅值。［0，1］满足：收稿日期：2009-03-10作者简介：崔刚，男，1975年生，1999年毕业于包头钢铁学院机械设计及制造专业。现为济钢第一炼铁厂机动科副科

6、长，工程师，从事设备点检、维修、维护及管理工作。62崔刚时域分析的多数据融合故障诊断方法2009年第6期则称m（A）为A在框架Θ上的mass函数，也称基本概断网络的局部诊断结果融合，得到最终诊断结果。率分配（BPA），表示对A的精确信任程度。4.2试验结果对于命题A，其信任函数定义为：采用模拟脱靴故障作为被诊故障，采集泵在3MPa时300组正常和故障数据，其中200组数据作为。神经网络训练数据，另100组数据作为诊断数据。其似然函数定义为：表1和表2是其中5组数据对应的特征级并行局部神经网络诊断模块的结果，表3是经证据理论融合。的结果。图1为证据理论中

7、证据区间的描述。系统进行表1振动信息神经网络输出结果决策时，将在区间（Pls（A），Bel（A））中选取一个数值数据源m（f1）m（f2）m（f3）m（f4）m（f5）结果作为对命题的最终信度，所有候选命题中信度最高数据10.420.080.080.0700.35不确定者即为决策结果。对同一命题，不同的决策规则会数据20.770.080.090.0500.02f1［5-6］产生不同的信度。数据30.780.090.080.0200.03f1拟信区间数据40.420.050.060.0800.39不确定数据50.770.100.030.0840.01f1

8、支持证据区间不确定区间拒绝证据区间表2压力信息神经网络输出结果丅丅丅丅丅丅丅丅丅丅丅丅丅丅丅丅