知识数据双驱动2-0.docxVIP

知识数据双驱动内容 基于轴承的故障机理以及故障信息的非均匀稀疏特性,提出一种新的以知识数据双驱动的诊断方法.首先,建立耦合故障的仿真模型,以描述高速轴承群故障的故障特征;其次,收集多方专家知识,建立先验知识库,以对故障信息作初步诊断;提出一种自适应调节系统参数的随机共振微弱信号提取方法 ,以在强噪声环境下捕捉到表征机械早期故障的信号特征;最后利用D-S证据理论技术对声发射、振动、温度等多元传感器的信号进行信息融合, 进而实现对高速轴承故障的定性定量诊断，以识别轴承故障的位置、种类以及程度. 方法 根据轴承故障诊断理论,在详细分析高速轴承故障机理的基础上,提出一种以先验知识和实测数据为基础的双驱动诊断方法. 1)针对高速轴承故障的多种表现形式,结合轴承的故障机理 ,项目中采用实验建模的方法,先分别建立单种故障的数学模型,进一步,分析故障耦合的特性原理,建立不同种群故障的仿真模型; 2)多渠道、多方面收集高速轴承故障诊断的先验知识,建立轴承故障专家系统知识库, 其包括背景知识库和诊断知识库, 诊断知识库中诊断知识采用故障树模型和生产式规则相结合的表示方法,专家系统知识库应用在滚动轴承的故障诊断中,以与数据分析作对比; 由于现阶段专家系统诊断技术存在知识获取“瓶颈”，本项目旨在寻找更为有效的知识表达方式，提高推理效率。 3)针对高速轴承故障信息的非线性、稀疏性、多噪音性、微弱性等提取特征难题,提出一种自适应调节系统参数的随机共振微弱信号特征提取方法,在分析信号幅值对随机共振性能影响规律的基础上,以输入信噪比为变量,信噪比增益为信号增强程度衡量指标,准确捕捉到早起故障信号特征; 4)由于单一的判断方法识别率不高, 采用D-S证据理论技术对多个多种传感器的信号进行信息融合, 把多元故障信息的各特征量作为对故障分类的条件属性集，以高斯隶属度函数来得到传感器提取信息的可信度，计算各个传感器之间的相互支持度,将各传感器的可信度和支持度转化成mass函数，最后利用证据理论对多元传感器的信息进行信息融合，从而实现对轴承故障位置、种类以及程度的诊断.