本发明专利技术涉及一种基于定量结构模型的故障诊断系统传感器优化配置方法，第一步，运用结构分析方法建立故障诊断系统的结构模型。该结构模型的表现形式为两个矩阵：解析冗余关系矩阵和故障特征矩阵。该结构模型能够定性地描述故障诊断系统。第二步，结合故障诊断系统结构模型和传感器检测不确定性，得到故障诊断系统的定量描述，达到定量分析故障诊断系统的目的，进而建立考虑检测不确定性的故障诊断系统关键性能指标的计算公式。第三步建立故障诊断系统的传感器优化模型。最后一步，采用遗传算法对优化模型进行求解。本发明专利技术提出的面向故障诊断系统的传感器优化配置方法可以有效节约故障诊断系统的传感器成本且配置结果更加符合工程实际情况。
【技术实现步骤摘要】
本专利技术属于故障诊断
，涉及一种基于定量结构模型的故障诊断系统传感器优化配置方法，特别是面向基于解析冗余关系的故障诊断系统。
技术介绍
在系统的运行过程中如果出现故障，有可能会在经济、产品质量和安全上造成灾难性的后果，造成严重的损失。为了监测、隔离出这些不正常的系统状态，故障诊断系统变得越来越重要。基于模型的故障诊断系统通常需要传感器测量系统的重要参数来提取有用的故障信息。因此，故障诊断系统的性能很大程度上依赖于传感器的配置情况。传感器优化配置问题是故障诊断系统的基础，对故障诊断系统功能的实现至关重要。传感器的优化配置主要考虑如何在满足故障诊断系统性能需求的前提下选择出最优的传感器配置方案。本专利技术提出的传感器优化配置方法是面向基于解析冗余关系故障诊断系统的。基于解析冗余关系故障诊断方法的基本思想是根据解析冗余关系残差值建立观测特征，通过观测特征与故障特征的比较进行故障检测和隔离。这种故障诊断系统由于其优良的故障检测、分离与辨识性能已经受到越来越多的关注。“Optimalsensorplacementformodel-basedfaultdetectionandisolation”(ProceedingsoftheIEEEConferenceonDecisionandControl,2008:2584-2589.)一文的传感器优化配置方法研究针对的是基于解析冗余关系的故障诊断系统。虽然此公开文献给出了一种>采用结构模型对故障诊断系统进行传感器优化配置的方法，但这种方法只是定性地分析系统模型所含公式和变量之间的逻辑关系，假设传感器能够以100％的概率检测到相应被测量。实际上，传感器自身的故障率以及系统检测故障的能力会影响测量结果的准确性。因此，由这种方法建立的故障诊断系统模型是一种不考虑检测不确定性的数学模型，在一定程度上偏离工程实际。虽然《考虑传感器故障检测能力的PHM系统传感器优化配置方法》(宇航学报,2013,34(09):1253-1258.)一文给出了一种基于定量结构模型的故障诊断系统传感器优化配置方法。但这篇文献针对的并不是基于解析冗余关系的故障诊断系统。目前，在基于解析冗余关系故障诊断系统领域尚未出现考虑检测不确定性的传感器优化配置方法的专利技术报道。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出一种基于定量结构模型的故障诊断系统传感器优化配置方法，对故障诊断系统进行性能评估时将传感器故障率和故障检测能力考虑在内，并根据评估值得到更加准确和可靠的传感器优化配置结果。技术方案一种基于定量结构模型的故障诊断系统传感器优化配置方法，其特征在于步骤如下：步骤一建立由解析冗余关系矩阵B和故障特征矩阵M描述的故障诊断系统的结构模型。1.确定系统的解析冗余关系集合A＝{a1,a2,...am本文档来自技高网...
【技术保护点】
一种基于定量结构模型的故障诊断系统传感器优化配置方法，其特征在于步骤如下：步骤一 建立由解析冗余关系矩阵B和故障特征矩阵M描述的故障诊断系统的结构模型：1.系统的解析冗余关系集合为A＝{a1,a2,...am}、完备传感器集合为S＝{s1,s2,...,sn}和故障集合为F＝{f1,f2,...,fp}，ai表示第i个解析冗余关系，sj表示第j个传感器配置位置，fk表示第k类故障；2.建立解析冗余关系矩阵B＝[bij]m×n，矩阵的列表示可测变量或传感器，行表示系统的解析冗余关系，bij＝1表示解析冗余关系式ai中含有可测变量sj，bij＝0则表示解析冗余关系式ai中不包含可测变量sj；3.建立故障特征矩阵M＝[mjk]m×p，表示任一故障fk的故障特征，mik＝1表示故障fk的出现会影响到解析冗余关系ai，此时ai不是满足的，mik＝0表示故障fk的出现不会影响到解析冗余关系ai；步骤二 求解考虑检测不确定性的故障诊断系统关键性能指标—故障检测率FDR和故障隔离率FIR：1.故障诊断系统的可检测故障集合FD和可隔离故障集合FI，故障诊断系统性能指标—故障检测率FDR和故障隔离率FIR的计算公式：FDR=Σfk∈FDλkQk/Σfk∈Fλk]]>FIR=Σfk∈FIλkQk/Σfk∈FDλkQk]]>其中，λ为故障率，即单位时间内发生的故障数；Qk为故障fk总的可检测率，计算公式为：Qk=1-Πi=1m(1-Ri×dik)]]>其中，Ri表示第i个解析冗余关系的检测可靠性；dik为解析冗余关系ai对故障fk的可测性；m是解析冗余关系的个数；所述解析冗余关系检测可靠性Ri的计算公式为：其中，Ri表示第i个解析冗余关系的检测可靠性；rj表示第j个传感器的失效率；xj是第j个传感器的配置个数；n是可测变量的个数；bij是解析冗余关系矩阵中的元素。根据计算公式，可以得到与解析冗余关系集合A＝{a1,a2,...am}相对应的检测可靠性矢量DR＝[R1,R2,...Rm]；所述故障可测性dik的计算公式为：dik=(1-TTDikTTFik)0.5×(SyDikTTFik)0.2TTDik<TTFik0TTDik≥TTFik]]>其中，dik为解析冗余关系ai对故障fk的可测性；TTDik为故障fk初始时刻到解析冗余关系ai检测到该故障的时间跨度；SyDik为解析冗余关系ai检测到故障fk的持续时间；TTFik为故障fk初始时刻到系统失效时的时间跨度；和两个比值描述了解析冗余关系ai对故障fk的故障检测时效性和故障可跟踪性；D＝[djk]m×p为计算得到故障可测性矩阵；步骤三 基于故障诊断系统的定量结构模型：将故障检测率FDR和故障隔离率FIR作为约束条件，经济成本作为优化目标，建立考虑检测不确定性时的传感器优化模型：S^=arg maxS*⊆SObj(S*)Obj(S*)=C1·1/Σsj∈S*cjxjs.t.FDR≥FDR′FIR≥FIR′]]>其中，S*为已配置传感器集合；Obj(S*)是以S*为变量的目标函数；C1为加权值；cj为第j个传感器的成本；FDR′,FIR′是故障诊断系统必须满足的指标要求；为最优的传感器配置集合；将故障检测率FDR和故障隔离率FIR作为约束条件，经济成本作为优化目标，得到约束条件下成本最低的传感器布局方案，即目标函数Obj(S*)取最大值时的解步骤四 根据遗传算法求解上述传感器优化模型，得到最优传感器配置集合，具体过程如下：1.参数初始化，随机产生初始种群；2.根据传感器优化模型，建立适应度函数：FitFun=C1×1Cos t(i)-C2×max(0,FDR′-FDR(i))-C3×max(0,FIR′-FIR(i))]]>其中，Cost(i)为第i个传感器配置方案的成本；max(0,FDR′‑FDR(i))和max(0,FIR′‑FIR(i))为惩罚函数，即当第i个传感器配置方案的故障检测率FDR(i)和故障隔离率FIR(i)小于指标要求FDR′和FIR′时，该方案的适应度值会减少；C1、C2、C3为常数；3.计算每个染色体所对应的传感器集合的适应度值；4.根据适应度采用轮盘赌方法选择个体，并进行交叉操作，得到当前种群Pop'；5.对当前种群Pop'中的个体进行变异操...
【技术特征摘要】
1.一种基于定量结构模型的故障诊断系统传感器优化配置方法，其特征在于步骤如
下：
步骤一建立由解析冗余关系矩...
【专利技术属性】
技术研发人员：谢蓉，孙无忌，李婷，王剑，王新民，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。