结合关联分析和数据融合的故障诊断方法
【技术领域】
[0001] 本发明设及一种故障诊断方法，特别是设及一种结合关联分析和数据融合的故障 诊断方法。
【背景技术】
[0002] 文献"基于神经网络与D-S证据理论的电动机故障诊断，第五届全国振动利用工 程学术会议暨第四次全国超声电机技术研讨会论文集，2012"公开了一种故障诊断方法。该 方法通过多传感器测试被诊断对象，求出每一传感器在某症状下对各类故障的隶属度值； 将所有传感器的故障隶属度值矢量作为神经网络的输入，网络输出即为融合后该症状属于 各类故障的隶属度值矢量；最后利用基于规则的判定原则进行故障决策。文献所述方法将 神经网络训练得到的隶属度作为数据融合的基本概率赋值，欠缺对观测得到的故障征兆与 已知各类故障之间关联性强弱的考虑，而隶属度的确定带有主观性，导致故障诊断结果的 准确性降低。
【发明内容】
[0003] 为了克服现有故障诊断方法故障诊断结果精确度低的不足，本发明提供一种结合 关联分析和数据融合的故障诊断方法。该方法将来自不同测量来源的设备信息进行提取， 对多源信息与已知故障模式对应的同源信息进行关联性分析，得到的关联度作为待诊断故 障中测得的多源数据与已知故障模式之间的相关系数，通过数据融合的方法对多个来源的 信息进行综合，计算出待诊断故障属于各已知故障模式的信度，从中选择最大信度对应的 故障模式。由于采用将待诊断故障过程中单一物理量与已知故障类型中的同一物理量之间 的灰色关联度代替多源数据融合过程中的相关系数的方法，有效的衔接了单一物理量与多 元信息融合的过程，消除了【背景技术】方法中自定义隶属度依据主观判断的不准确性，有效 利用了多测量值的可靠性，提高了故障诊断结果的精确度。
[0004] 本发明解决其技术问题所采用的技术方案是；一种结合关联分析和数据融合的故 障诊断方法，其特点是采用W下步骤：
[0005] 步骤一、针对待检测设备，提取历史运行过程中已知的q类故障发生时设备各系 统输出的电压、温度和偏转角度的时间序列。
[0006]
[0007] 式中，k为分系统的数量，n，m，p分别为第1，2, k个分系统的输出量的序号，各分 系统输出的物理量各不相同，4(0,达(0并不一定表示同一物理量，而各类故障并不一定 都会导致相同分系统的变化，对不产生变化的物理量用0表示。同时，获取需要诊断的故障 发生时各系统输出的相同物理量。
[000引[Sii(t), Si2(t),…，Sin(t), S21(t),…，S2m(t),…，Ski(t),…，Skp(t)]似
[0009] 步骤二、从单一输出物理量的角度对待诊断的故障数据和已知的故障模式进行关 联性分析。关联性的强弱W灰色关联度作为量化指标。测量得到的输出物理量军事离散值， 根据公式
[0010]
[0011] 计算在时刻k，待诊断的故障数据中某一物理量的时间序列Sab(t)与已知的第i类 故障模式中同一物理量的时间序列si的之间的关联系数。式中，Sgb似表示第a个分系统 中输出的第b个物理量的时间序列在时刻k的取值。
[0012] 接着根据该结果计算单一物理量的灰色关联度。灰色关联度是对在不同时刻的关 联系数求平均值，其计算公式为
[001 引
[0014] 式中，Nt为时间序列的长度。
[0015] 计算式（2)中物理量与式（1)中和它下脚标相同的物理量的灰色关联度，即Sii(t) 与成(0、与边(0、直至与巧(0的灰色关联度，得灰色关联度矩阵。
[0016]
[0017] 步骤=、通过各单一物理量计算其属于各已知故障模式的信度函数。在公式（3) 中，Wj.、Rj.实际上是测量该物理量的传感器固有的环境加权系数和可靠性系数，K作为修正 系数也是经验取值，只要能够确定Cj. (Ai)，则物理量j对故障模式Ai的信度函数mj.(Ai)可W 由公式做计算得出。W步骤二中得到的<6代替Cj.(Ai)，W关联度代替相关系数，则能通 过该两个都表示相关性的量将关联性分析与信息融合联合在一起。计算单一输出物理量对 几种它可能属于的故障类型的信度函数。根据公式
[001 引
[0019] 式中，Cj.(Ai)是单一物理量j对已知故障模式Ai的相关系数；根据步骤一，目标模 式数量为q;N是物理量总数，即公式似的列数;Wj.是物理量j的环境加权系数，其值域为 [0,1] ;aJ是物理量j最大相关系数；0J是物理量j的相关分配值；RJ是物理量j的可靠 性系数;mj.(Ai)是物理量j对故障模式Ai的信度函数，K为修正系数。其中，W步骤二中的 Cl'l，C；2，…，C;リ，Ql，…，C;讯，…，Ql，…'C;p代替CJ(Ai)，i = l，2，…，q。
[0020] 步骤四、根据D-S信息融合准则，将多个物理量的信度函数综合进行考虑，得出待 诊断的故障最有可能属于哪一类已知故障。由于待诊断故障模式中的多个物理量均表征统 一故障模式，不存在完全冲突的情况，因此公式（4)中C= 0,得出公式巧）。计算得出待诊 断故障隶属于故障模式Ai的可信度为m(Ai)，mpcw(4)对应的Ai是故障诊断的结果。式 中，i= 1，2,…，q。
[0021] 根据D-S组合规则将多物理量融合得到故障诊断的结果。根据公式
[0025] 得到待诊断的故障属于不同故障类型的可信度，即是诊断结果。
[0026] 本发明的有益效果是；该方法将来自不同测量来源的设备信息进行提取，对多源 信息与已知故障模式对应的同源信息进行关联性分析，得到的关联度作为待诊断故障中测 得的多源数据与已知故障模式之间的相关系数，通过数据融合的方法对多个来源的信息进 行综合，计算出待诊断故障属于各已知故障模式的信度，从中选择最大信度对应的故障模 式。由于采用将待诊断故障过程中单一物理量与已知故障类型中的同一物理量之间的灰色 关联度代替多源数据融合过程中的相关系数的方法，有效的衔接了单一物理量与多元信息 融合的过程，消除了【背景技术】方法中自定义隶属度依据主观判断的不准确性，有效利用了 多测量值的可靠性，提高了故障诊断结果的精确度。
[0027] 下面结合附图和【具体实施方式】对本发明作详细说明。
【附图说明】
[002引图1是本发明结合关联分析和数据融合的故障诊断方法的流程图。
【具体实施方式】
[0029] 参照图1。本发明结合关联分析和数据融合的故障诊断方法具体步骤如下：
[0030] 步骤一、获取数据及数据预处理。已知待诊断的故障数据，包含设备N个输出的物 理量，该些物理量分布在设备的k个分系统中，每个分系统输出的物理量不尽相同。设备的 历史运行过程中，出现的已知故障类型有q类。对该q类已知的故障模式，获取与待诊断故 障数据类型一一对应的输出物理量。针对待检测设备，提取历史运行过程中已知的q类故 障发生时设备各主要系统输出的物理量，如电压、温度、偏转角度的时间序列。
[0031]
[0032] 式中，k为分系统的数量，n，m，p分别为第1，2,k个分系统的输出量的序号，各分 系统输出的物理量各不相同，比如，并不一定表示同一物理量，而各类故障并 不一定都会导致相同分系统的变化，对不产生变化的物理量用0表示。同时，获取需要诊断 的故障