一种基于信息熵和证据理论的机械故障诊断方法
【技术领域】
[0001] 本发明涉及机械故障诊断信号处理技术领域，尤其涉及一种基于信息熵和证据理 论的机械故障诊断方法。
【背景技术】
[0002] 随着科学技术和现代工业的飞速发展，国民经济的机械、能源、石化、运载和国防 等行业的机械设备日趋大型化、高速化、集成化和自动化，如何保证机械设备安全运行成为 了目前的研究重点。准确进行机械故障诊断可以有针对性地对故障进行及时处理，对保障 机械设备安全运行有重大意义。故障诊断是以可靠性理论、信息论、控制论和系统论为理论 基础，以现代测试仪器和计算机为技术手段，结合各种诊断现象的特殊规律而逐步形成的 一门新兴学科。
[0003] 由于测量环境的噪声干扰、传感器的测量精度局限，使得传感器得到的振动信号 会有一定的误差，同时，由于产生机械振动的因素很多，一种故障可以用不同的特征来描 述，同一种特征有可能是几种故障共同产生的。所以，故障的多样性、不确定性和各种故障 间联系的复杂性构成了机械故障诊断的难点。因此，要想正确地进行机械故障诊断就急需 采用信息融合，进行多特征故障诊断。
[0004] 现有技术中，公开号为CN102928231A的专利提出了一种基于D-S证据理论的设 备故障诊断方法，利用多种诊断方法对设备进行独立诊断，然后利用证据理论对多个诊断 方法的结果进行综合，得到故障诊断的最终结果，但是，多种诊断方法的同时进行会增加 算法的计算量，不能实现故障诊断的实时性。《IEEE7thInternationalWorkshopon ComputationalIntelligenceandApplications》会议中，由YaoZhuting撰写的"Engine faultdiagnosisbasedontheweightedDSevidencetheory'，一文中，考虑了传统证 据理论的局限，提出了加权证据理论，应用于机械故障诊断；《机械科学与技术》期刊第6期 第25卷中，由耿俊豹撰写的"基于信息熵贴近度和证据理论的旋转机械故障诊断方法"一 文中，提出信息熵贴近度来建立证据理论的基本概率赋值函数，再采用证据理论进行信息 融合；《电子测量与仪器学报》期刊第7期第23卷中，由林云撰写的"基于灰色关联和证据 理论的故障诊断方法"一文中，采用灰色关联理论来建立证据理论的基本概率赋值函数，再 采用证据理论进行信息融合。上述三种方法直接利用证据理论进行信息融合，在含噪环境 和传感器精度有限的情况下，可能会产生错误的诊断结果。
【发明内容】
[0005] 本发明的目的在于提供一种基于信息熵和证据理论的机械故障诊断方法，能够在 含噪环境和传感器精度有限的情况下正确而有效地提取出故障特征，在证据自身的不确定 性可能引起冲突的情况下准确地进行故障诊断。
[0006] 实现本发明目的的技术方案：
[0007] -种基于信息熵和证据理论的机械故障诊断方法，其特征在于：
[0008] 步骤1 :采用四种典型机械故障类型来构造识别框架，所说四种典型机械故障类 型是指不平衡、轴裂纹、不对中和支座松动；
[0009] 步骤2 :将振动信号的四种信息熵作为故障特征，所说四种信息熵是指奇异谱熵、 功率谱熵、小波能量熵和小波空间状态特征谱熵；
[0010] 步骤3 :通过仿真模拟，计算获取四种典型机械故障类型的故障特征参考值；
[0011] 步骤4 :获取传感器接收到的故障振动信号，通过信息熵计算得到其故障特征值；
[0012] 步骤5 :利用基于加权信息熵的故障特征提取方法，获取传感器振动信号分配给 四种典型机械故障类型的基本概率赋值函数；
[0013] 步骤6 :利用基于修正证据间冲突的改进证据合成方法，对得到的基本概率赋值 函数进行证据合成，得到合成结果；
[0014] 步骤7 :根据决策规则，得到故障诊断的最终结果。
[0015] 步骤5中，具体包括如下步骤，
[0016] 步骤5. 1 :对传感器振动信号的故障特征值和典型机械故障类型的故障特征参考 值进行数值比对，根据不同的权重计算传感器振动信号和四种典型机械故障类型的距离函 数，构造公式如下
[0017]
[0018] 其中，k= 1，2, 3, 4表示故障特征的第k种信息熵，wk表示第k种信息熵的权重， wke[0，1]，根据具体应用进行赋值，Hlk表示第i个传感器的第k种信息熵，77；表示第j 种典型机械故障类型的第k种信息熵；
[0019] 步骤5. 2:采用指数函数计算传感器振动信号和四种典型机械故障类型的相似 度；构造公式如下，
[0020] siiRi) = c'
[0021] 其中，e为指数函数中自然对数的底数；
[0022] 步骤5. 3 :将相似度进行归一化，作为传感器分配给各典型机械故障类型的基本 概率赋值函数，构造公式如下，
[0023]
[0024] 式中，Μ表示传感器的总数。
[0025] 步骤6中，具体包括如下步骤，
[0026] 步骤6. 1 :根据明氏距离计算两两证据间的距离函数；
[0027] mi，mj (i，j= 1，2, · · ·，Μ)是识别框架Θ= {&，R2,R3,RJ的两个ΒΡΑ，&，R2,R3,R4 分别表四种典型机械故障类型，构造公式如下，
[0028]
[0029] 根据明氏距离得到叫，mj证据间的距离函数，构造公式如下，
[0030]
[0031] 其中，dBPA为证据间的距离函数，1 = 1，2, 3, 4为第1种典型机械故障类型，p为 证据1?对第1种典型机械故障类型的基本概率赋值函数分配值，qi为证据mj对第1种典型 机械故障类型的基本概率赋值函数分配值；
[0032] 步骤6. 2:根据证据间的距离函数，计算证据间的相似度和证据支持度；
[0033] 步骤6. 3:根据距离支持度的分布对证据进行筛选修正；
[0034] 步骤6. 4:将筛选修正过的证据支持度进行归一化得到证据可信度；
[0035] 步骤6. 5:把证据可信度作为加权因子进行证据的加权和平均得到修正证据；
[0036] 步骤6.6 :利用DS合成规则进行M-1次证据融合，得到合成结果,表示传感
器振动信号分配给四种典型机械故障类型的基本概率赋值函数，DS合成规则的构造公式如 下，
[0037]
[0038]其中，Rn，R]2,. . .，R]n分别为证据mdm2,. . .，mn中的第j种典型机械故障类型这一 事件，Φ为空集，表示不确定性故障这一事件。
[0039] 步骤7中，决策规则的构造方法如下，
[0040] V7?;，c: Θ(/二丨，2,3,4,./ =丨，2,3,4},若满足：
[0041] 本发明具有的有益效果：
[0042] 本发明首先利用基于加权信息熵的故障特征提取方法，结合四种信息熵，包括奇 异谱熵、功率谱熵、小波能量熵和小波空间状态特征谱熵，综合考虑时域、频域和时频域三 方面，准确提取出故障特征，使得到的故障特征具有更好的完整性和准确性；然后利用基于 修正证据间冲突的改进证据合成方法，在DS合成规则基础上，引入明氏距离，对证据支持 度进行修正，能够提高合成结果的有效性和可靠性。本发明能够在含噪环境和传感器精度 有限的情况下正确而有效地提取出故障特征，在证据自身的不确定性可能引起冲突的情况 下准确地进行故障诊断，达到保证机械设备安全运行的目的。
【附图说明】
[0043] 图1为本发明的方法流程图；
[0044] 图2为故障特征的建立方法。
【具体实施方式】
[0045] 如图1所示，本发明基于信息熵和证据理论的机械故障诊断方法，方法流程图包 括以下步骤：
[0046] 步骤1 :识别框架的构造。采用四种典型的机械故障类型来构造识别框架Θ= 取，R2,R3,RJ，其中，Θ表示识别框架，Ri，R2,R3,心分别表示不平衡、轴裂纹、不对中和支座 松动四种典型机械故障类型。
[0047] 步骤2 :故障特征的建立。将振动信号的四种信息熵作为该振动信号的故障特征F =[氏，H2,H3,HJ，具体的获取方法如图2所示。其中，屯H2,H3,H4分别代表奇异谱熵、功率 谱熵、小波能量熵和小波空间状态特征谱熵。
[0048] 四