加权证据理论信息融合方法在故障诊断中的应用.pdfVIP

振 动 与 冲 击 第27卷第4期 JOURNAL OF VIBRATION AND SHOCK 加权证据理论信息融合方法在故障诊断中的应用 谭 青， 向阳辉 (中南大学 机电工程学院，长沙 410083) 摘 要：为了综合合理利用设备多个方面的故障特征信息，提高故障诊断的准确性，提出了一种多故障特征信息 融合的故障诊断方法。该方法依据加权改进后的证据理论，通过构建融合诊断框架，分析融合组建原则，保证了各特征域 故障诊断过程中存在的不确定性经过融合后能够最大限度相互削弱，从而从理论上降低了故障诊断的不确定性。转子实 验结果表明，多故障特征信息融合后的诊断结果可信度明显提高，不确定性显著减小，充分验证了该融合诊断方法能够有 效提高故障诊断的准确性和可靠性。 关键词：证据理论；信息融合；故障诊断；概率分配；不确定性 中图分类号：TP306 文献标识码：A 在故障诊断的实践中人们发现，仅仅只利用设备 为识别框架 @，2。为@的幂集。如果函数 m：2。一 单一方面的故障特征信息进行故障诊断，由于设备故 [0，1]满足 障复杂多样，具有不确定性，至使在许多情况下得出的 i∑rm( )=0 m(A)：l ( ) 诊断结果并不可靠。因此，只有综合合理利用设备多 个方面的故障特征信息，降低诊断的不确定性，才能实 则称m为框架@上的基本概率分配函数。 现对设备全面与准确的诊断 j。证据理论是概率论 对基本概率分配函数进行加权处理。设证据权系 的推广，具有比概率论更弱的公理体系和更严谨的推 数 (A)一[0，1]，VAc@，则称由 理过程，能够更加客观的反映事物的不确定性 。 『Wm(A)= (A)×m(A) … 它作为一种不确定性推理方法，在故障诊断领域的应 lWm(@)=1一∑m(A) 用已受到人们的普遍关注 。 正_@ 本文针对如何综合合理利用设备多个方面的故障 所计算得到的函数Wm：2。一[0，1]为i9上的加权概率 特征信息来提高故障诊断的准确性这一问题，研究了 分配函数。证据权系数体现了证据对识别框架中各真 证据理论的加权改进，并构建了加权证据理论在故障 子集的识别具有不同的可靠性和权威性。VA @， 融合诊断中的应用框架，分析了融合诊断组建时应遵 Wm(A)称为A的加权概率分配。 循的原则，从而提出了一种多故障特征信息融合的故 1．2 信度区间 障诊断方法。 设0为识别框架，Wm：2。一[0，1]为框架@上的 1 加权证据理论 加权概率分配函数，VA @，则称由 fBel(A)=∑Wm(B){ ] 、 证据理论基本策略就是利用2个或多个不相关的 【 一 I