張旭婧,董增壽

(太原科技大學電子信息工程學院,太原030024)

工程車輛工作環(huán)境惡劣,其核心部件是液壓系統(tǒng),液壓系統(tǒng)的故障具有隱蔽性、難于判斷和可變性,對尋找故障的部位,查找故障產(chǎn)生的原因比較困難,因此液壓系統(tǒng)的故障診斷需引入決策參考。通常的故障診斷只是對某一類特征參數(shù)(如:預處理以后的壓力信號)進行多角度、多層面的分析,由于獲得的信息量單一,往往不能應對復雜可變的故障。而多傳感信息融合是對多個傳感器信息進行多層次、多級別的時空域綜合分析,從而獲得新的有意義的信息,再按一定規(guī)則加以組合、決策已達到定位故障的目的。

D-S證據(jù)理論在信息融合領域中具有比較強的理論基礎,在處理不確定性方面具有獨特優(yōu)勢。困擾D-S證據(jù)理論推廣的原因主要有兩大方面:一是Dempster合成規(guī)則在實現(xiàn)時存在的指數(shù)爆炸問題,相應的在針對特殊的證據(jù)組織結(jié)構,構造快速算法以及減少焦元個數(shù)、采用近似計算[1]等方面給予解答;二是由于環(huán)境因素或人為干擾導致證據(jù)高度沖突時,Dempster組合規(guī)則失效問題,目前解決這一問題的方法集中在組合規(guī)則改進或數(shù)據(jù)模型改進兩個方面,而對數(shù)據(jù)模型改進需了解證據(jù)沖突的本質(zhì),對解決實際問題進行故障診斷有更大價值,文中數(shù)據(jù)融合算法是基于文獻[2]的基礎上考慮焦元的個數(shù)、種類與目標故障的關系,根據(jù)證據(jù)沖突時證據(jù)的折扣定義新的信任系數(shù)進行信息融合,并采用時空域聯(lián)合數(shù)據(jù)融合的算法最終達到定位故障的目的。

1 多傳感信息融合(Multi-sensor information fusion algorithm)算法

1.1 D-S證據(jù)理論

D-S證據(jù)理論是由Dempster提出,Shafer加以擴展和發(fā)展的。證據(jù)理論中的論域稱為識別框架,記為 U.U表示X所有可能取值,記為{X1,X2,…Xn},在故障診斷中對應識別目標,即故障的n種模式。U中元素是互不相容的。

定義1 設U為一識別框架啊,則函數(shù)m:2U→[0,1](2U為U的所有子集構成的集合)滿足下列條件:;則稱 m(A)為 A的基本概率賦值。m(A)表示對命題A的精確信任度,在故障診斷中表示該證據(jù)對某種故障的影響程度。

定義2 設BEL1和BEL2是同一識別框架U上的兩個信任函數(shù),m1和m2分別是其對應的基本概率賦值,焦元分別為A1,…,Ak和B1,…Bk,又設:

則

式(2)為Dempster組合規(guī)則,K1表示 m1()和m2()這兩批證據(jù)的不一致因子,即證據(jù)相互沖突程度,K1越大,表示證據(jù)間沖突越大,如果K1=1時,則經(jīng)典D-S證據(jù)理論失效。

1.2 修正的D-S證據(jù)理論及決策規(guī)則

解決證據(jù)沖突時的D-S證據(jù)理論失效問題,基本上有兩種方法:一是修改Dempster組合規(guī)則,但Haenni認為Dempster組合規(guī)則本身并沒有錯誤[3],需要對沖突的證據(jù)進一步處理;二是對沖突的證據(jù)重新分配,通過引入沖突因子k、參數(shù) λ等。但沖突系數(shù)k常被解釋為分配給空集的合成概率指派,該方法沒有從沖突本質(zhì)出發(fā)解決問題。數(shù)據(jù)融合方法是由Jousselme等人給出的距離函數(shù)[4],該距離是指兩個證據(jù)體mi()和mj()之間的距離,根據(jù)距離的大小判定證據(jù)間的沖突程度。不同子集Ai中元素個數(shù)不同,如 A1={O1,O2},A2={O1,O2,O3}時 ,沖突因子k對其目標識別是變化的,因此需考慮到子集元素之間的相交測度來修正k,即根據(jù)證據(jù)間的不包含程度和證據(jù)間的距離修正k.

若mi和mj是完備識別框架上U基本概率分配,據(jù)Jousselme距離函數(shù)[4]可得兩證據(jù)間的距離:dij=其中D為2n×2n矩陣,其計算方法為:為兩個向量的內(nèi)積,再根據(jù)原沖突因子與距離dij求和后的平均值來獲得新的沖突因子步驟如下 :

(1)計算原始沖突系數(shù)K1與距離dij,并計算新的沖突系數(shù)K′1;

(3)用式(1)的Dempster組合規(guī)則進行組合;

(4)根據(jù)信任系數(shù)修正融合結(jié)果:m′(C)=α m(C);

(5)和下一組證據(jù)體進行融合,如此循環(huán)。

數(shù)據(jù)融合后,選擇基于規(guī)則的決策方法,根據(jù)基本概率賦值的決策:設 ?A1,A2?U,滿足m(A1)=max{m(Ai),Ai?U},m(A2)=max{m(Ai),Ai?U且Ai≠A1},若有則A1即為判決結(jié)果,其中 ε1,ε2為門限值。

2 液壓系統(tǒng)的故障診斷

故障診斷中所需的數(shù)據(jù)需要一個完備的數(shù)據(jù)采集實驗系統(tǒng)來采集原始數(shù)據(jù),并對數(shù)據(jù)進行預處理。采用基于嵌入式信號采集系統(tǒng),以TQS3C2440為主控芯片,在實驗過程中通過編譯Bootloader和Linux kernel,將程序燒寫到目標平臺,實現(xiàn)硬件上的故障診斷。將嵌入式系統(tǒng)與信息融合技術相結(jié)合,低成本,低功耗,高性能,并通過ARM 控制后端的傳輸系統(tǒng),大大減輕了遠程PC的運算壓力,利用最少的資源完成了相對最大的工作量。

數(shù)據(jù)的預處理工作完成后,根據(jù)影響液壓系統(tǒng)的主要因素,包括液壓油的污染度、溫度、系統(tǒng)壓力、液壓泵轉(zhuǎn)速等確定所需傳感器種類。在設備工作現(xiàn)場,由于每一類傳感器都會有50～100個監(jiān)測點分布在機械的不同位置,因此空域跨度大,范圍廣,相應數(shù)據(jù)量會增大很多,文中根據(jù)其工作特性,診斷時在盡量保證精確度的情況下降低數(shù)據(jù)處理時間,因此采用多個測量周期的分時空域的融合方法。系統(tǒng)框圖如圖1所示。

圖1 基于D-S證據(jù)理論的故障診斷過程Fig.1 Process of fault diagnosis based on D-S evidential theory

根據(jù)圖1,以掘進機液壓系統(tǒng)為例,根據(jù)常見故障[6]選擇壓力、溫度、流量三種傳感器,對設備進行多點監(jiān)測,產(chǎn)生所有故障即完備識別框架U={O1,O2,O3,O4,O5},分別對應五種故障,O4為全集,O5為空集。根據(jù)經(jīng)驗,其中易發(fā)生故障O1為液壓泵故障、O2泄流閥泄漏,O3為油溫過高。采用時空域信息融合需對基本概率分配有兩組參數(shù)設置,mij()表示第i個傳感器第j個周期對某目標的影響程度,按圖1所示流程,先對每個傳感器分別進行時域信息融合,再對n個傳感器時域融合后的結(jié)果再進行空域融合。根據(jù)相關性的定義獲得基本概率分配[5],再結(jié)合修正的Dempster組合規(guī)則及基于基本概率分配的決策規(guī)則,進行故障定位。

3 實驗結(jié)果與仿真

實驗結(jié)果如表1、表2所示。

表1 三種傳感器確定的基本概率分配Tab.1 Elementary probability of three sensors

表2 分周期各傳感器累計基本概率分配Tab.2 Accumulated elementary probability of every cycle

表2是對三個周期的測量結(jié)果用本文方法進行融合后總的概率分配,再根據(jù)決策規(guī)則,取 ε1,ε2都為0.1,通過MATLAB仿真,得到m(o1)=0.082 1,m(o2)=0.690 8,m(o3)=0.227 1,因此定位最后故障為Type=泄流閥泄漏。

根據(jù)表1、表2基本概率分配,可計算得K1接近于1,即證據(jù)間沖突程度比較大,而用本文方法在經(jīng)過多次仿真后仍能迅速得到相同的實驗結(jié)果,說明該算法穩(wěn)定性強,能準確定位故障。同時對第一周期測量結(jié)果按照經(jīng)典Dempster組合規(guī)則時,當其證據(jù)組合情況不一致時,如按照m1,m1m2,m1m2m3,這三種組合方式,通過仿真,結(jié)果是m(o1)均為0,此結(jié)果表示m1,m2,m3這三種證據(jù)體對故障O1均無影響,即出現(xiàn)了否決情況,無論以后有多少支持的證據(jù)O1,m(o1)的結(jié)果始終為0,并且m(U)的值一直在增大,即未知情況概率分配在增大。未知情況概率越大,對故障的實時準確診斷率也越低,說明經(jīng)典組合規(guī)則在此處(不同證據(jù)組合方式)已失效。

4 結(jié)論

在基于經(jīng)典Dempster證據(jù)理論的基礎上,分析了當證據(jù)沖突時組合規(guī)則對實際應用的影響,根據(jù)Jousselme距離函數(shù)考慮證據(jù)不包容和不同證據(jù)組合情況對沖突系數(shù)的影響,通過根據(jù)證據(jù)的折扣定義一種新的信任系數(shù),修正了經(jīng)典證據(jù)理論,在實際應用時采用時空域融合方法,對液壓系統(tǒng)的故障進行定位,實驗仿真表明在Dempster組合規(guī)則失效時,本文算法仍能準確定位故障。

[1]何友,王國宏,彭應寧,等.多傳感器信息融合及應用[M].2版.北京:電子工業(yè)出版社,2007.

[2]蔣雯,張安,鄧勇.基于新的證據(jù)沖突表示的信息融合方法研究[J].西北工業(yè)大學學報,2010,28(1):27-32.

[3]林志貴,徐立中,周金陵.基于修改模型的沖突證據(jù)組合方法[J].上海交通大學學報,2006,40(11):1964-1970.

[4]JOUSSELME A L,GRENIER D,BOSSE E.A New Distance Berween Two Bodies of Evidence[J].Information Fusion,2001,2(1):90-101.

[5]王奉濤,馬孝江,朱泓,等.基于Dempster-Shafer證據(jù)理論的信息融合在設備故障診斷中應用[J].大連理工大學學報,2003,43(4):470-474.

[6]賈育秦,張志剛,翟大鵬.基于故障樹的數(shù)控機床故障診斷系統(tǒng)研究[J].太原科技大學學報,2009,30(5):401-404.