【技术实现步骤摘要】
一种基于混合策略的快速序惯故障诊断方法
[0001]本专利技术属于故障诊断
，更为具体地讲，涉及一种基于混合策略的快速序惯故障诊断方法。
技术介绍
[0002]随着信息技术的日益发展，复杂装备系统内部模块设计日趋复杂，及时准确地确定各部件状态并隔离内部故障可以确保装备可靠运行。如何设计高效的故障诊断方案已成为复杂装备系统设计领域的研究热点之一。
[0003]然而随着大型装备系统复杂性上升，维修成本不断提高，当系统发生故障时，难以快速对系统进行故障诊断与定位，因此在系统设计阶段就应当考虑可测试性问题，以便能及时准确地确定系统状态，隔离系统内部故障。
[0004]现有的测试性设计方法中，序贯测试基于初步设计中给出的信号流图和相关性模型描述的电路关系，给出测试序列测试方法，减小测试产生的代价，可以有效地提高后期设计和验证评估的效率，因此，该技术被广泛应用于复杂装备系统的可测性设计。
[0005]对于序贯测试最优解的搜索问题在近几十年一直为该领域的热点问题。近年来，由上而下的启发式搜索备受关注。该方法基于故障模糊集和测点信息的逻辑关系生成隔离各个故障的决策树模型，极大地提高了故障诊断的效率。然而，由于启发式搜索算法在各个测点启发值相近时复杂度极高，造成实际应用中的局限性。
技术实现思路
[0006]本专利技术的目的在于克服现有技术的不足，提供一种基于混合策略的快速序惯故障诊断方法，通过选择使用由上而下/由下而上的搜索算法，减少搜索次数，从而能够快速生成最优测试序列，进而能够快速实...
【技术保护点】
【技术特征摘要】
1.一种基于混合策略的快速序惯故障诊断方法，其特征在于，包括以下步骤：(1)、构建故障测试模型H；H＝{S,T,D,P,C}其中，S表示待测系统出现的各种故障集，S＝{s1,s2,
…
,s
i
,
…
,s
m
}，s
i
表示第i种故障；T表示待测系统的所有可用测点集，T＝{t1,t2,
…
,t
j
,
…
,t
n
}，t
j
表示第j个可用测点；P表示待测系统发生某个故障的先验概率集，P＝{p1,p2,
…
,p
i
,
…
,p
m
}，p
i
表示出现故障s
i
的先验概率；C表示与T对应的测试代价集，C＝{c1,c2,
…
,c
j
,
…
,c
n
}，c
j
表示测试t
j
的代价；D为故障依赖矩阵，具体表示为：其中，d
ij
表示故障s
i
在可用测点t
j
下的测试信息，d
ij
＝0或d
ij
＝1，当d
ij
＝0时，表示待测系统中发生故障s
i
时不能通过可用测点t
j
检测出来；当d
ij
＝1时，表示待测系统中发生故障s
i
时能够通过可用测点t
j
检测出来；(2)、训练预测函数及计算切换切换比较矩阵B；(2.1)、生成样本序列(2.1)、生成样本序列表示规模大小为i
×
j的第k个样本，样本序列H的长度为N，N＝ρ
·
m
·
n，ρ为生成系数；(2.1.1)、定义样本的生成规模序号i和j，1≤i≤m，1≤j≤n，初始化i＝1，j＝1；(2.1.2)、定义样本的生成次序序号k，1≤k≤ρ，初始化k＝1；(2.1.3)、构建中出现的各种故障集中出现的各种故障集表示中出现的第i种故障；构建中所有可用测点集中所有可用测点集中所有可用测点集表示中第j个可用测点；(2.1.4)、生成的故障依赖矩阵(2.1.4.1)、根据故障依赖矩阵D计算阈值D
ratio
，其中，r
j
表示D的j列中max{0的个数,1的个数}/min{0的个数,1的个数}；(2.1.4.2)、定义循环参数i1和j1，1≤i1≤i，1≤j1≤j，初始化i1＝1,j1＝1；(2.1.4.3)、生成一个0到1的随机数rand，若rand＞D
ratio
，则中第i1行第j1列的元素为1，否则为0；(2.1.4.4)、若i1＜i，则令i1＝i1+1，再返回步骤(2.1.4.3)；若i1＝i且j1＜j，则令i1＝1,j1＝j1+1，再返回步骤(2.1.4.3)；若i1＝i且j1＝j，则进入步骤(2.1.5)；(2.1.5)、生成发生某个故障的先验概率集
(2.1.5.1)、随机生成i个0到1的随机数，其中，第i1个随机数记为(2.1.5.2)、计算中第i1个元素(2.1.6)、生成对应的测试代价集在测试代价集C中标记出最大值与最小值，分别记为range1和range2；然后随机生成j个服从range1到range2均匀分布的随机数，其中，第j1个随机数记为并作为的第j1个元素；(2.1.7)、断生成次序序号k是否小于ρ，如果k＜ρ，则将当前序号k加1，再按照步骤(2.1.3)
‑
(2.1.6)所述方法，生成下一个样本；否则，进入步骤(2.1.8)；(2.1.8)、若i＝m且j＝n，则进入步骤(2.2)；若i＝m且j＜n，则将k置1，并令j＝j+1，再进入步骤(2.1.3)；若i＜m，则将k置1，并令i＝i+1，再进入步骤(2.1.3)；(2.2)、通过由上而下的启发式搜索算法分别生成N个样本的决策树，记为，同时记录生成每棵决策树的生成时间，记为(2.3)、通过由下而上的搜索算法分别生成N个样本的决策树，记为同时记录生成每棵决策树的生成时间，记为(2.3.1)、在样本序列H中随机抽取一个样本然后记录由下而上的启发式搜索算法生成样本对应的决策树的开始时间(2.3.2)、给定样本的初始状态集其中，其中，表示由0、1、d组成的长度为j的序列，d为无关项；表示所包含的故障；为花费代价，初始值为0；(2.3.3)、生成样本的状态簇初始化i1＝2；(2.3.3.1)、设置待组合的状态集编号i2、i3，且满足：i3＝i1‑
i2；设置状态编号h1、h2和h3，h2、h3为待组合的状态集中的状态编号，h1为组合后的状态集中的状态编号，初始化h1、h2和h3均为1；(2.3.3.2)、将状态集Q
i2
的第h2个元素与状态集的第h3个元素进行组合，生成组合后的状态集中第h1个元素个元素具体组合方式为：将序列与序列中对应的元素进行比较，如果两个元素相同，则
元素值保持不变，否则，令该元素值为d，从而得到组合后的序列元素值保持不变，否则，令该元素值为d，从而得到组合后的序列其中，为能够隔离与的最小测试代价，p1、p2分别表示与所包含的故障的总概率；为1
×
4的数组，(2.3.3.3)、判断状态是否具有逻辑性；将与分别以卡诺圈表示，然后观察两个卡诺圈是否有重合部分，如果有重合，则舍弃组合的状态再进入步骤(2.3.3.5)；否则，将状态加入到状态集中，再进入步骤(2.3.3.4)；(2.3.3.4)、判断状态集中是否存在一个状态，该状态由0、1、d组成的序列与相同，如果存在，则保留代价较小的状态；否则，进入步骤(2.3.3.5)；(2.3.3.5)、令状态编号h3＝h3+1，再返回步骤(2.3.3.2)，开始组合下一个状态，直到遍历完中每一个元素，然后进入步骤(2.3.3.6)；(2.3.3.6)、将h3置1，并令状态编号h2＝h2+1，再返回步骤(2.3.3.2)，开始组合下一个状态，直到遍历完中每一个元素，然后进入步骤(2.3.3.7)；(2.3.3.7)、将h2和h3置1，并令状态集编号i2＝i2+1，再返回步骤(2.3.3.2)，开始组合下一个状态，直到遍历至i2的取值上限然后进入步骤(2.3.3.8)；(2.3.3.8)、将h2、h3以及i2均置1，并令状态集编号i1＝i1+1，再返回步骤(2.3.3.2)，开始组合下一个状态，直到遍历至i，生成样本的状态簇(2.3.4)、根据样本的状态簇得到对应的决策树然后记录由下而上的启发式搜索算法生成样本对应的决策树的结束时间t
k
，从而计算得到(2.3.5)、构建一个由自然数组成的序列，记为μ为修正量；(2.3.6)、在DES中读取第λ个元素的值，然后根据第λ个元素的值提取状...
【专利技术属性】
技术研发人员：刘震，汪静元，陈啸午，杨成林，龙兵，周秀云，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
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。