【摘要】 本发明涉及一种随机模糊故障特征融合的旋转机械设备故障诊断方法，属于旋转机械设备故障监控与诊断技术领域。该方法能处理具有随机性和模糊性的故障特征参数，对故障特征参数在各个故障下典型数据的统计分析，构造随机模糊变量，用该变量建模故障档案库中的每个故障样板模式；同样用随机模糊变量建模在线监测中提取的故障待检模式；将待检模式与各故障的样板模式进行匹配，得到待检模式支持各故障的程度，亦即诊断证据；然后将多个故障特征参数提供的诊断证据进行融合，在一定的决策准则下，由融合结果进行故障决策，基于多证据融合结果做出的决策要比只凭借单一诊断证据做出的决策更加准确。 【专利类型】发明授权 【申请人】杭州电子科技大学 【申请人类型】学校 【申请人地址】310018 浙江省杭州市下沙高教园区2号大街 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】上城区 【申请号】CN201210127171.1 【申请日】2012-04-26 【申请年份】2012 【公开公告号】CN102662390B 【公开公告日】2014-04-02 【公开公告年份】2014 【授权公告号】CN102662390B 【授权公告日】2014-04-02 【授权公告年份】2014.0 【IPC分类号】G05B23/02; G05B13/04 【发明人】徐晓滨; 周哲; 文成林 【主权项内容】1.一种随机模糊故障特征融合的旋转机械设备故障诊断方法，其特征在于该方法包括以下各步骤： (1)设定旋转机械设备的故障集合Θ={F1, …, Fj, …, FN}，Fj代表故障集合Θ中的第j个故障，j=1, 2, …, N，N为设备含有故障的个数； (2)设x为能够反应故障集合Θ中每个故障Fj的故障特征参数，建立故障特征参数x的故障样板模式Axj，Axj为描述故障Fj的一个随机模糊变量，Axj获取步骤如下： (2－1)当故障集合Θ中的故障Fj发生时，利用传感器测量故障特征参数x，连续获得x的δ个测量值； (2－2)利用这δ个测量值得到故障特征参数x的频率直方图，然后对直方图进行插值拟合，得出x的概率密度函数p(x)，用于描述x的随机特性； (2－3)将描述故障特征参数x随机性的概率密度函数p(x)转化为模糊隶属度函数，即随机模糊变量的外部模糊隶属度函数μout(x)，以便与描述模糊性的内部模糊隶属度函数μin(x)进行结合，生成描述故障Fj的随机模糊变量Axj，获取外部隶属度函数μout(x)的具体步骤如下： a)确定概率密度函数p(x)的峰值点为xp，确定其隶属度为μout(xp)=1； b)确定概率密度函数p(x)对应x的变化范围为区间[xL, xR]=[xp-3σ, xp+3σ]，其中σ是描述x随机特性的方差量，其中xL的下标“L”表示左端点，xR的下标“R”表示右端点； c)在区间[xL, xp]和[xp, xR]上分别均匀插入M个点 和 ，i=1, 2, …, M，M≥50； 可以得到如下一组共M+2个具有包含关系的区间： 若令 则有如下区间的包含关系： d)随机模糊变量Axj的外部隶属度函数μout(x)取值如下 (2－4)传感器对故障特征参数x测量时，传感器的系统误差会使得测量数据带有一定的模糊性，这种特性可以用矩形的内部隶属度函数μin(x)描述，系统误差一般由传感器生产商提供，其精度规格为x(1±ε%)，其中0.2<ε<2，为生产商提供的传感器精度，由x(1±ε%)可构造矩形的内部隶属度函数μin(x)为 (2－5)随机模糊变量Axj是通过将外部模糊隶属度函数μout(x)和内部模糊隶属度函数μin(x)的α(α∈[0, 1])水平截集区间 和 结合而得到，两个区间的左、右端点分别为 则故障Fj的随机模糊变量Axj为 其中第k行中的4个元素 分别由α＝αk时的水平截集区间 和 的左、右端点得到 其中， 并有0≤αM+2<α1<α2<…<αM+1≤1； (3)当旋转机械设备在线运行时，利用传感器测量故障特征参数x，连续获得x的λ个测量值，80≥λ≥30；利用这λ个测量值，按照步骤(2－2)至(2－5)建立故障待检模式Bx，Bx是描述当前设备运行状况的一个随机模糊变量 (4)将待检模式Bx和故障样板模式Axj进行匹配获取诊断证据，步骤如下： (4－1)随机模糊变量Bx和Axj之间的相似度为 其中， (4－2)随机模糊变量Bx和Axj以及整个故障集合Θ之间的匹配度为 (4－3)对式(11)中的各个匹配度进行归一化处理，获得关于故障特征参数x的在线运行状况对各个故障Fj和故障集合Θ的支持程度，亦即诊断证据为： (5)除了故障特征参数x，若存在另一个故障特征参数y也能够反映Θ中各个故障，则重复以上步骤(2)至(4)，可以获得关于y的诊断证据my： (6)将从故障特征参数x和y获取的证据mx和my，利用Dempster组合规则进行融合，得到融合诊断证据为： 其中，F、Fx和Fy取故障F1, F2, …FN中的任何一个或者整个故障集合Θ， 表示诊断证据mx和my之间的冲突程度； (7)利用步骤(6)得到的融合诊断证据，对旋转机械设备的故障进行诊断：若mxy(Fj)大于阈值γ、且mxy(Fj)大于其他故障的诊断证据mxy(Fq)0.3以上、且mxy(Θ)小于设定阈值t，则判定故障Fj发生，其中q=1, 2, …, N且q≠j。 【当前权利人】杭州易山澜科技有限公司 【专利权人类型】公立 【统一社会信用代码】12330000470009026T 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】20

未经允许不得转载：http://www.zhongzhencnc.com/1791482537.html