亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于小波變換和證據(jù)理論的多傳感器融合診斷

        2021-10-15 15:24:16向陽輝朱宗銘
        長沙大學(xué)學(xué)報 2021年5期
        關(guān)鍵詞:故障診斷分配融合

        向陽輝,朱宗銘

        (長沙學(xué)院機電工程學(xué)院,湖南 長沙 410022)

        由于機械設(shè)備的大型化和復(fù)雜化,單傳感器所反映的設(shè)備信息具有不確定性。這種不確定性的存在必然導(dǎo)致故障診斷準(zhǔn)確率的降低,甚至出現(xiàn)漏報和誤報現(xiàn)象[1]。多傳感器信息融合技術(shù)具有獨特的多維信息處理方式,在解決設(shè)備故障診斷不確定性問題時具有顯著的優(yōu)勢,可以大幅提高機械設(shè)備故障診斷的準(zhǔn)確率[2-3]。在設(shè)備故障診斷中引入多傳感器信息融合技術(shù)已成為本領(lǐng)域的研究熱點[3-5]。

        小波變換是繼傅里葉變換后的一種新的時頻分析方法,具有較好表征信號局部特性的能力[6-7],是故障信號分析和故障特征提取的較理想工具;而證據(jù)理論作為一種重要的不確定推理方法,在多傳感器信息融合故障診斷中得到了廣泛的應(yīng)用[8-10]。但如何將小波變換和證據(jù)理論相結(jié)合以進(jìn)行多傳感器信息融合故障診斷,如何構(gòu)造各局部診斷的概率分配,如何避免各局部診斷證據(jù)之間的嚴(yán)重沖突,至今沒有統(tǒng)一有效的解決方案。

        鑒于此,文章基于小波變換提取各傳感器振動信號的小波能量特征向量,將其與典型故障模式進(jìn)行貼近度分析,獲得各傳感器局部診斷的基本概率分配,再通過Lance距離分析對各傳感器局部診斷證據(jù)賦予不同可信度的權(quán)重,并基于證據(jù)理論對多個傳感器局部診斷證據(jù)進(jìn)行加權(quán)融合,實現(xiàn)多傳感器故障診斷的決策級融合,從而提出了一種基于小波變換和證據(jù)理論的多傳感器信息融合故障診斷方法,最后通過算例分析驗證了文章方法的有效性。

        1 多傳感器信息融合故障診斷模型

        多傳感器信息融合故障診斷的應(yīng)用框架如圖1所示。

        圖1 多傳感器信息融合故障診斷流程

        步驟1:進(jìn)行小波變換,提取各傳感器信息的故障特征參數(shù)。根據(jù)待診斷設(shè)備現(xiàn)場實際情況安裝多個傳感器進(jìn)行振動信號采集,將采集到的信號進(jìn)行小波變換以提取各層的小波能量參數(shù),將其構(gòu)成小波能量特征向量,用以表示設(shè)備當(dāng)前故障特征。

        步驟2:進(jìn)行貼近度分析,構(gòu)造各傳感器局部診斷證據(jù)的基本概率分配。每一個傳感器都看作是一個獨立的局部診斷證據(jù)體,將每一個傳感器提取的小波能量特征向量與典型故障模式進(jìn)行貼近度分析。通過計算各個傳感器小波能量特征向量與典型故障模式標(biāo)準(zhǔn)小波能量特征向量的貼近度,實現(xiàn)各傳感器局部診斷證據(jù)基本概率分配的有效構(gòu)造。

        步驟3:通過Lance距離分析,賦予各傳感器局部診斷證據(jù)不同的可信度權(quán)重?;诟鱾鞲衅髯C據(jù)體之間的Lance距離矩陣,計算各傳感器證據(jù)之間的相似度矩陣,根據(jù)相似度矩陣計算各傳感器證據(jù)的可信度,并將其作為各傳感器局部診斷證據(jù)的權(quán)重系數(shù)。

        步驟4:基于證據(jù)理論進(jìn)行多傳感器局部診斷證據(jù)的加權(quán)融合診斷合成。根據(jù)各傳感器證據(jù)不同的可信度權(quán)重對各局部診斷的基本概率分配函數(shù)進(jìn)行加權(quán)修正,并利用證據(jù)理論的多證據(jù)組合規(guī)則進(jìn)行合成,從而計算得到多個傳感器局部診斷證據(jù)加權(quán)融合診斷合成后對各故障模式的可信度和不確定度。

        步驟5:進(jìn)行故障診斷決策,得出最終診斷結(jié)論。根據(jù)故障診斷的決策法則,將多個傳感器證據(jù)加權(quán)融合診斷合成后,對各故障模式的可信度和不確定度進(jìn)行分析,并選擇恰當(dāng)?shù)膮?shù)(ε,γ),綜合判定最終的故障模式。

        2 小波變換與單傳感器局部診斷

        2.1 基于小波變換的特征提取

        小波變換是時頻分析方法,時變信號f(t)∈L2(R),其小波變換計算公式為:

        其中,ψa,b(t)為小波基函數(shù),其表達(dá)式為:

        式中:a為尺a度因子;b為平移因子。

        Mallat算法是正交小波分解的快速算法[7]。小波變換在工程實際應(yīng)用分解時,需要進(jìn)行離散化處理?;诙喾直媛史治隼碚?,離散小波變換的Mallat分解算法為:

        式中:kn= 0,1,2,…,N-1;N為采樣點數(shù);j為小波分解層數(shù);fk為時域信號波形;h(n)、g(n)為共軛鏡像濾波器的H和G脈沖響應(yīng)。

        小波分解每次都是把信號分解為2個子信號。若信號頻率對應(yīng)[0,ωm],分解后子信號頻率分別為,這2個信號分別為逼近信號和細(xì)節(jié)信號。小波變換的Mallat分解可以提取故障信號的頻域特征[7]。

        利用Mallat分解算法對各傳感器振動信號J層正交小波分解和重構(gòu)[7],其小波能量特征向量為:

        該小波能量特征向量E可以用來表示各傳感器振動信號當(dāng)前故障的頻域特征。

        2.2 基于貼近度分析的局部診斷

        要想準(zhǔn)確可靠地診斷設(shè)備的故障類型,需要將該傳感器檢測信號的小波能量特征向量與典型故障庫中的標(biāo)準(zhǔn)小波能量特征向量進(jìn)行對比,分析它們之間的貼近度,再通過貼近度分析和歸一化處理,實現(xiàn)各傳感器證據(jù)的局部診斷,并構(gòu)造出各傳感器證據(jù)的基本概率分配函數(shù)m(A)。

        將待診斷傳感器信號的小波能量特征向量E設(shè)為模糊向量,再用Xi表示典型故障庫中第i種故障的標(biāo)準(zhǔn)小波能量特征向量。Ej為模糊向量的第j個分量;Xij為第i種故障模式標(biāo)準(zhǔn)特征向量的第j個分量。貼近度σi表示比較待診斷模糊向量E與何種故障的標(biāo)準(zhǔn)特征向量Xi最貼近,其貼近度σi計算公式為:

        貼近度σi越大,表明該種故障發(fā)生的概率越大。對貼近度的平方值進(jìn)行歸一化處理,以此作為該傳感器證據(jù)局部診斷的基本概率分配函數(shù)m(Ai),其計算公式為:

        3 證據(jù)理論與多傳感器融合診斷

        3.1 D-S證據(jù)理論基礎(chǔ)

        假定某待檢測設(shè)備系統(tǒng)的相互獨立的所有可能故障模式為N種,其集合為辨識框架Θ={A1,A2,…,An},Ai稱為Θ的基元,2Θ為Θ的冪集。集函數(shù)映射如果滿足m:2Θ→[0,1],則稱該映射為基本概率分配函數(shù)。其中:

        對于?A?Θ,m(A)稱為A的基本概率分配。對辨識框架Θ定義為:

        稱映射Bel:2Θ→[0,1]為辨識框架Θ的信任函數(shù),映射Pl:2Θ→[0,1]為辨識框架Θ的似真度函數(shù)。將[Bel(A),Pl(A)]稱為A的信任區(qū)間,信任區(qū)間是用來描述當(dāng)前證據(jù)體對故障模式A的信任的上限和下限,信任區(qū)間的長度表示對故障模式A的不確定度。

        3.2 基于Lance距離的證據(jù)可信度分析

        Lance距離可以用來有效度量多個證據(jù)間的證據(jù)距離,是證據(jù)理論在工程實際應(yīng)用過程中處理證據(jù)嚴(yán)重沖突的可靠方法[11]。

        假定某待檢測設(shè)備系統(tǒng)N種故障模式的辨識 框 架Θ={A1,A2,…,An}共 有K個傳感器證據(jù)m1,m2,…,mk,其對應(yīng)的基本概率分配函數(shù)為。則mi和mj之間的Lance距離定義為:

        將各個傳感器證據(jù)之間的Lance距離組合構(gòu)成Lance距離矩陣D,定義如下:

        i=j表示證據(jù)自己與自己進(jìn)行比照,d(mi,mj)=0表明證據(jù)之間沒有距離。

        用相似度s(mi,mj)來度量傳感器證據(jù)體mi和mj之間的相似程度,定義為:

        相似度矩陣S定義為:

        s(mi,mj)值越大,表示證據(jù)體mi與mj的一致性程度越高。因此可以分別計算各傳感器證據(jù)體mi的被支持程度zi:

        將傳感器證據(jù)體mi的被支持程度zi與所有傳感器證據(jù)中的最大被支持程度進(jìn)行比較,即可定義該傳感器證據(jù)體mi的可信度權(quán)重系數(shù)ωi:

        高樓村的變化,僅是該鎮(zhèn)開展“四美鄉(xiāng)村”“五美庭院”“美麗小鎮(zhèn)”建設(shè)的一個縮影。按照“試點先行、示范帶動、全面鋪開”的思路,該鎮(zhèn)優(yōu)先打造了高樓、水寨、張樓、新莊4個示范村,通過典型引路,連點成線、連線成片、集片成群,形成美麗鄉(xiāng)村建設(shè)的 “雁陣效應(yīng)”和改善農(nóng)村人居環(huán)境工作的“特色品牌”。

        3.3 多傳感器證據(jù)的加權(quán)融合診斷

        為了在多傳感器證據(jù)融合診斷時充分考慮各證據(jù)體的不同可信度,根據(jù)證據(jù)體的權(quán)重系數(shù)ωi,對各個傳感器證據(jù)體的基本概率分配m(Ai)進(jìn)行加權(quán)修正。對于?A?Θ,則定義如下:

        設(shè)m1'和m2'是辨識框架上的加權(quán)概率分配函數(shù),基元分別為B1,B2,…,Bn和C1,C2,…,Cn。若?A?Θ,將m1'和m2'進(jìn)行合成后,加權(quán)概率分配函數(shù)為:

        其中:

        式(16)的組合稱為正交和,記為m12。P為規(guī)范數(shù),它是把空集上的信任度成比例分配到非空集,從而滿足證據(jù)組合時概率分配的要求。P值能夠反映兩個證據(jù)之間的沖突程度,當(dāng)證據(jù)沖突越大時,P越小。當(dāng)兩證據(jù)嚴(yán)重沖突時,證據(jù)合成的規(guī)則將不再有效。文章基于各傳感器證據(jù)的可信度先對各證據(jù)體進(jìn)行了加權(quán)處理,使各傳感器證據(jù)之間的沖突得到了明顯降低,從而保障了基于多傳感器證據(jù)的加權(quán)融合故障診斷合理有效。

        由于多個證據(jù)之間組合不受運算次序的影響,因此K個傳感器證據(jù)之間的組合可以用兩個證據(jù)的組合規(guī)則遞推得到:

        4 算例分析

        文章算例是基于轉(zhuǎn)子實驗臺分別模擬不平衡、不對中、支座松動、動靜碰摩和油膜渦動5種典型工況故障模式,進(jìn)行多傳感器信息融合故障診斷識別研究。實驗臺的轉(zhuǎn)速設(shè)為1 000r·min-1,在實驗臺轉(zhuǎn)軸水平方向布置4個Bently 3 300XL8mm電渦流傳感器測點,用于監(jiān)測實驗臺轉(zhuǎn)軸的水平振動情況和采集信號。由于實驗室采集到的各典型故障模式的振動信號都比較理想,為了使實驗?zāi)M更符合實際工況,文章所有傳感器采集到的信號都加入了占幅值13%左右的白噪聲信號。

        文章診斷系統(tǒng)的辨識框架為Θ={F1,F(xiàn)2,F(xiàn)3,F(xiàn)4,F(xiàn)5},其中F1為不平衡狀態(tài),F(xiàn)2為不對中狀態(tài),F(xiàn)3為支座松動狀態(tài),F(xiàn)4為動靜碰摩狀態(tài),F(xiàn)5為油膜渦動狀態(tài)。將每個傳感器都分別作為多源信息融合故障診斷的一個獨立證據(jù)體,4個傳感器分別為4個局部診斷獨立證據(jù)體。我們先對每個傳感器的振動信號進(jìn)行小波變換,用db10小波進(jìn)行6層小波分解,提取信號的頻域小波能量特征向量(E0,E1,E2,…,E6),再與典型故障庫中的故障模式的小波能量標(biāo)準(zhǔn)特征向量進(jìn)行貼近度分析和基本概率分配。文章直接參考文獻(xiàn)[7]給出的典型故障的小波能量標(biāo)準(zhǔn)特征向量,如表1所示。

        表1 典型故障的小波能量標(biāo)準(zhǔn)特征向量

        在轉(zhuǎn)子的不平衡狀態(tài)(F1)下,分別提取4個傳感器振動信號的頻域小波能量特征向量,如表2所示,根據(jù)式(5)計算得到各傳感器證據(jù)對各故障模式的貼近度,如表3所示。

        表2 各傳感器信號的頻域小波能量特征向量

        表3 各傳感器證據(jù)對各故障模式的貼近度

        根據(jù)式(6)計算得到各傳感器局部診斷證據(jù)對各故障模式的基本概率分配,如表4所示。

        表4 各傳感器證據(jù)對各故障模式的基本概率分配

        對各證據(jù)的基本概率進(jìn)行分析,并根據(jù)式(9)(10)計算得到各傳感器局部診斷證據(jù)之間的Lance距離矩陣D:

        根據(jù)式(11)(12)計算得到各傳感器局部診斷證據(jù)之間的相似度矩陣S:

        根據(jù)式(13)(14)計算得到各傳感器局部診斷證據(jù)的可信度權(quán)重系數(shù),如表5所示。

        表5 各傳感器證據(jù)體的權(quán)重系數(shù)

        根據(jù)式(15)計算得到各傳感器證據(jù)對各故障模式的加權(quán)概率分配,如表6所示。

        表6 各傳感器證據(jù)對各故障模式的加權(quán)概率分配

        從表3可以看出,2號傳感器證據(jù)偏向于支持故障模式F4,明顯與真實故障工況不符,可能是2號傳感器在信號測量與分析過程中受到了強噪聲干擾等情況,產(chǎn)生了錯誤診斷結(jié)果。因此,在多傳感器融合診斷的過程中需要將證據(jù)體2進(jìn)行弱化,盡可能降低其對故障綜合診斷結(jié)果的負(fù)面影響。

        表4中2號傳感器證據(jù)對非真故障模式F4基本概率分配為0.411 4,表5中基于Lance距離分析確定2號傳感器證據(jù)的可信度權(quán)重為0.822 5。通過對所有證據(jù)都進(jìn)行可信度加權(quán)處理得到各傳感器證據(jù)的加權(quán)概率分配(見表6),可以發(fā)現(xiàn)2號傳感器證據(jù)對非真故障模式F4加權(quán)概率分配下降到了0.338 4,對錯誤診斷起到了一定的抑制作用。

        根據(jù)式(18),分別計算得到經(jīng)典D-S多傳感器證據(jù)組合識別的概率輸出,如表7所示。文章多傳感器證據(jù)組合識別的加權(quán)概率輸出如表8所示。

        表7 經(jīng)典D-S多傳感器證據(jù)組合識別的概率輸出

        表8 文章多傳感器證據(jù)組合識別的加權(quán)概率輸出

        續(xù)表

        從表7中可以看出,當(dāng)2個傳感器證據(jù)進(jìn)行融合診斷時,結(jié)果并不一定可信,如證據(jù)組合1-2、2-3、2-4的診斷結(jié)果與真實故障工況不太符合;當(dāng)3個傳感器證據(jù)進(jìn)行融合診斷時,結(jié)果都趨向于支持真實故障模式F1;當(dāng)4個傳感器證據(jù)(1-2-3-4)進(jìn)行融合診斷時,對真實故障模式F1的概率輸出大幅提升,達(dá)到0.793 6。由此可見,融合診斷時的傳感器證據(jù)數(shù)量越多,結(jié)果可信度越高?;诙鄠€傳感器進(jìn)行融合診斷能夠有效提升對真實故障模式的概率輸出。

        從表8中可以看出,利用基于各傳感器證據(jù)之間的Lance距離先對各證據(jù)的基本概率進(jìn)行加權(quán)處理,再將多個傳感器證據(jù)的加權(quán)概率輸出進(jìn)行融合診斷,其結(jié)果對真實故障模式的概率分配明顯提升,對非真故障模式的概率分配明顯下降。如證據(jù)組合1-2對真實故障模式F1的概率分配從0.313 2提升至0.384 1;證據(jù)組合1-2-3對真實故障模式F1的概率分配從0.544 6提升至0.632 4;證據(jù)組合1-2-3-4對真實故障模式F1的概率分配從0.793 6提升至0.831 8。由此可見,多傳感器證據(jù)加權(quán)融合后的故障診斷結(jié)果具有更明顯的區(qū)分度和峰值性,能夠有效提升多傳感器融合診斷系統(tǒng)的故障識別能力。

        5 結(jié)論

        (1)文章基于小波變換提取各傳感器振動信號的頻域小波能量特征向量,并將其與典型故障模式的標(biāo)準(zhǔn)小波能量特征向量進(jìn)行貼近度分析,有效實現(xiàn)了各傳感器局部診斷的基本概率分配。

        (2)文章基于Lance距離對各傳感器局部診斷證據(jù)的可信度進(jìn)行了分析和權(quán)重系數(shù)確定,并結(jié)合證據(jù)理論對多傳感器證據(jù)進(jìn)行了加權(quán)融合。融合診斷對真實故障模式的概率輸出明顯提升,對非真故障模式的概率輸出明顯下降。

        (3)為了合理融合待診斷設(shè)備的多個傳感器信息來有效提高故障診斷的準(zhǔn)確率,文章提出了一種基于小波變換和證據(jù)理論的多傳感器融合故障診斷方法,算例分析表明,多傳感器融合故障診斷結(jié)果具有更好的區(qū)分度和峰值性,驗證了文章方法的有效性。

        猜你喜歡
        故障診斷分配融合
        村企黨建聯(lián)建融合共贏
        融合菜
        從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
        《融合》
        應(yīng)答器THR和TFFR分配及SIL等級探討
        遺產(chǎn)的分配
        一種分配十分不均的財富
        績效考核分配的實踐與思考
        因果圖定性分析法及其在故障診斷中的應(yīng)用
        基于LCD和排列熵的滾動軸承故障診斷
        7777色鬼xxxx欧美色妇| 二区免费在线视频观看| 久久伊人精品中文字幕有 | 国产激情视频在线观看大全 | 亚洲av无码国产精品色午夜字幕| 日本大片免费观看视频| 久久www免费人成人片| 国产va免费精品观看| 欧美性猛交xxxx乱大交蜜桃| 国产精品国产午夜免费看福利 | 色综合久久网| 欧美成免费a级毛片| 久久99久久99精品免观看| 日韩在线无| 日韩精品欧美激情亚洲综合| 国产人妖xxxx做受视频| 亚洲高清在线视频网站| 日本女优中文字幕亚洲| 人妻免费一区二区三区免费 | 精品老熟女一区二区三区在线| 亚洲男人av天堂久久资源| 国产freesexvideos中国麻豆| 超碰cao已满18进入离开官网| 国产欧美日产久久| 国产一区二区三区视频了| 最近中文字幕精品在线| 亚洲精品蜜夜内射| 国产精品天天在线午夜更新| 亚洲一区二区综合色精品| av男人操美女一区二区三区| 亚洲国产精品悠悠久久琪琪| 揄拍成人国产精品视频| 亚洲色大成网站www久久九九| 亚洲熟妇无码av另类vr影视| 国产成人av综合亚洲色欲| 国产一区二区丁香婷婷| 亚洲av网站在线免费观看| 久久九九精品国产av| 成人欧美日韩一区二区三区| 亚洲欧美日韩中文在线制服| 91网红福利精品区一区二|