基于遗传算法的旋转机械故障诊断方法融合-机械工程学报.PDFVIP

第 43 卷第 10 期 机 械 工 程 学 报 Vol.43 No.10 2007 年 10 月 CHINESE JOURNAL OF MECHANICAL ENGINEERING Oct. 2 0 0 7 基于遗传算法的旋转机械故障诊断方法融合 刘占生 窦 唯 王东华 王晓伟 (哈尔滨工业大学能源科学与工程学院 哈尔滨 150001) 摘要：针对任何单一性质故障特征、单一诊断方法难以实现在整个故障状态空间上准确诊断的局限性，提出基于 遗传算法的旋转机械融合诊断方法。该方法能有效利用各种不同性质故障特征和不同诊断方法，使其发挥各自的 优点，从而提高诊断的准确率。针对不同特征利用遗传算法将神经网络诊断和人工免疫诊断方法融合起来，使每 一个诊断方法都在其优势空间区域发挥作用，使用小波包能量特征和双谱特征对两种诊断方法训练后，用遗传算 法优化诊断融合权值矩阵对旋转机械进行实例诊断结果表明，该融合诊断方法能有效地提高故障诊断的准确率， 并能提高诊断系统的鲁棒性。 关键词：遗传算法 融合诊断 旋转机械 人工免疫 中图分类号：TP277 TP206.3 0 前言* 1 故障诊断融合方法 随着模糊集理论、专家系统、神经网络技术和 故障诊断中虽然传统的某些方法会在某些特 小波分析理论的发展以及测试技术、计算机技术和 定的诊断应用中优于其他方法，但不存在某一种诊 电子通讯技术等相关领域学科的进一步深入，设备 断方法在所有的诊断任务中都一定优于其他方法， 故障诊断技术正朝着智能化方向发展。目前故障诊 即使某个诊断方法可能特别适用于某个对象，但人 断技术由于根据系统采用的特征描述和决策方法的 们很难事前就发现这种规律，因此本文中将多种诊 差异，形成了不同的故障诊断方法，主要有基于信 断方法融合后进行诊断，融合后的模型可以综合不 号处理的方法和基于知识的方法( 即智能诊断方法) 同诊断方法的分类信息，避免了单一诊断方法的片 等[1] 。基于知识的诊断技术不需要精确的数学模型， 面性，从而提高诊断的准确率。 有着良好的应用前景，如基于神经网络的诊断方法[2]、 融合诊断方法主要分为两类：串行诊断融合和 基于模糊理论的诊断方法[3-4]、基于人工免疫算法的 并行诊断融合，融合结构示意图分别如图 1、2 所示。 诊断方法等[5-6] 。但是这些基于知识的诊断方法所用 串行融合诊断就是在诊断中将各种应用的诊断方法 的故障特征信息主要是从不同的信号处理技术手段 按一定顺序排成一列，前一种诊断方法的诊断结果 得到，不同性质的故障特征往往反映设备的不同方 作为输入被送入下一个诊断方法[7] ；并行融合诊断 面，在一种特征空间很难区分的两种故障模式可能 是将所要应用的诊断方法无次序的并行排列，将训 在另一种特征空间上很容易区分开，而对应于同一 练样本和待诊断样本同时输入各个诊断方法[8-11] 。 特征的不同诊断方法又从不同的角度将该故障特征 在串行融合诊断中，融合方法的排列顺序相对于单 映射在结果集合上。在诊断中用不同的特征或不同 的诊断方法，可能得到不同的诊断结果。因此，本 文针对单一特征、单一诊断方法的局限性，任何一 图 1 串行诊断融合结构示意图 个单一的诊断方法很难实现在整个空间上的准确分 类，提出有效利用各种不同故障特征和不同诊断方 法，充分发挥各种诊断方法的优点，利用遗传算法将 各种诊断方法融合起来