一种基于层次分析法的概率图故障诊断模型条件概率设置方法技术

一种基于层次分析法的概率图故障诊断模型条件概率设置方法，属于机械设备故障智能诊断领域。首先设计概率图故障诊断模型为三层结构，根据设备故障及征兆信息填充模型各层节点及先验概率值；其次提出了一种基于层次分析法确定征兆关联等级的条件概率表设置方法，建立征兆关联等级层次评价模型以确定征兆对故障关联等级，根据征兆关联等级与条件概率值对应关系可得到完整条件概率表。本发明专利技术为基于概率图模型的机械故障诊断方法提供了一种条件概率值设置手段，且计算条件概率时无需大量样本数据，所设计的征兆关联等级层次评价模型，准确评估征兆对故障关联强弱，从而得到更准确的条件概率表。条件概率表。条件概率表。

【技术实现步骤摘要】
一种基于层次分析法的概率图故障诊断模型条件概率设置方法


[0001]本专利技术基于概率图模型原理，提出了一种机械故障智能诊断方法。针对概率图故障诊断模型条件概率表设置问题，提出了一种基于层次分析法确定征兆关联等级的条件概率表设置方法。首先建立征兆关联等级层次评价模型；然后构造判断矩阵；再则计算征兆关联等级，并根据征兆关联等级与条件概率值对应关系得到条件概率表。本专利技术属于机械设备智能诊断领域，具体涉及概率图模型、层次分析法等技术。

技术介绍

[0002]随着科技的进步以及对工业化设备性能要求的不断提升，机械设备朝着大型化、复杂化、自动化和集成化方向推进，机械设备发生各种故障现象也愈发常见。而机械设备一旦发生故障，轻则损坏生产设备，降低产品质量，重则发生火灾爆炸事故，造成人员伤亡。基于此，国内外许多高校和企业早已开展对机械设备故障预警与诊断技术的研究，并取得了有效成果。据相关统计表明，企业在引入故障诊断系统后，设备的故障率稳步下降，有效地节省了检维修费用并保障企业安全生产运营，并带来可观的经济效益。
[0003]概率图模型(Probabilistic Graphical Model)是一种以图的方式来表示变量间概率关系的模型结构，能够用最直接最紧凑的形式表示变量的联合概率。本专利技术基于概率图模型对机械故障诊断进行研究，将概率图模型引入机械故障诊断具有显著特点：(1)能直观地描述变量间的因果关系和条件相关性；(2)具备基于数学概率理论的不确定性推理能力，在数据缺失等情况下仍可实现推理和诊断；(3)融合多源信息，适用于大型复杂机械设备，可实现对多种故障的诊断，相较于其他智能故障算法具有更高的适用性。层次分析法(Analytic Hierarchy Process，AHP)是一种应用网络系统理论和多目标综合评价方法，利用较少的定量信息使决策的思维过程数学化，能够有效应用于难以定量方法解决的课题。
[0004]一种基于贝叶斯网络的梁式桥评估的条件概率的求解方法(授权公告号：CN113094843B)，依据影响钢筋混凝土的梁式桥各项安全性能环境因素，构建钢筋混凝土的梁式桥结构多层评价模型，基于MonteCarlo模拟和试验相结合方法求解网络第二层节点失效概率分布列，解决了条件概率参数求解问题。但该方法需要大量试验设计，需建立多个数学模型导致计算量大、流程复杂。基于此，本专利技术在引入层次分析法确定征兆对故障的关联强度问题上进行了简化处理，将专家经验与层次评价模型良好地结合起来，能够准确地计算条件概率值。
[0005]一种蒙特卡洛模拟与层次分析法相结合的风电场宏观智能选址方法(授权公告号：CN108764578B)，通过对风电场宏观选址影响因子的分析，构建关于风电场宏观选址的梯阶层次模型，采用蒙特卡洛模拟生成随机判断矩阵集，并对每个栅格图层进行适宜性等级划分，显著提升了风电场宏观选址中风能资源评估的可靠性和地理适宜性评价精度。本专利技术受其对栅格图层进行适宜性等级划分思路启发，在后续构造判断矩阵和对比矩阵时，也对影响征兆对故障关联强度的评价因子进行了标度等级划分，以尽一步降低不同专家构
造判断矩阵和对比矩阵的差异。

技术实现思路

[0006]基于上述问题，本专利技术提出了一种基于层次分析法确定征兆关联等级的条件概率表设置方法，该方法无需大量故障案例数据，且在设置征兆关联等级上综合考虑各影响因子，科学评估给出更加准确可信的条件概率值，本专利技术所提方法在机械故障诊断领域具有广泛的应用价值。
[0007]本专利技术所述一种基于层次分析法的概率图故障诊断模型条件概率设置方法，具体包括下列步骤：
[0008]步骤1：建立机械概率图故障诊断模型，并填充先验概率值；
[0009]第一步，设计的机械概率图故障诊断模型结构包括三层结构：先验概率层、故障层、征兆层，数学表达式为M＝<G(A,F,S,E)>，其中M表示诊断模型、A表示先验概率集、F表示故障集、S代表征兆集、E表示故障与征兆关系集，模型结构如图2所示。该模型以图的形式将设备“故障——关联征兆”用有向弧线连接起来，通过计算征兆是否发生将其作为诊断模型输入，输出各故障发生概率值。
[0010]第二步，确定设备典型故障类型，将每种故障类型作为诊断模型故障层单个节点，该步骤完成了诊断模型故障层节点设置。
[0011]第三步，基于故障机理及设备监测数据，确定故障关联征兆，将每种征兆作为诊断模型征兆层单个节点，该步骤完成了诊断模型征兆层节点设置。
[0012]第四步，根据设备“故障——关联征兆”关系，用有向弧段连接故障层节点和征兆层节点，从而建立起机械概率图故障诊断模型结构。
[0013]第五步，计算先验概率值，先验概率值大小表示设备实际运行中某种故障发生频率高低，为方便计算主要依据专家经验给定各故障先验概率初始值A
k
，且满足A
k
∈[0,1]。
[0014]步骤2：提出一种基于层次分析法确定征兆关联等级的条件概率表设置方法；
[0015]条件概率表按照征兆关联等级确认，征兆共划分三级关联等级，一级：90％；二级：70％；三级：55％，表示该等级征兆存在时，对应的故障发生概率。其次，条件概率表中征兆存在两条或多条征兆属于互补，形成一个征兆组，反应一种变化趋势，在故障确立过程中，如果两条或多条发生，并不会起增强作用，以征兆组内发生等级最高的概率值为主。据此，提出了一种基于层次分析法确定征兆对故障关联等级的方法，其后，在确定各征兆关联等级后根据征兆关联等级与条件概率值对应关系，便能较容易地得到故障与征兆间完整的条件概率表。
[0016]步骤3：建立征兆关联等级层次评价模型；
[0017]设计的征兆关联等级层次评价模型结构包括三层结构：目标层、准则层、方案层，数学表达式为H＝<T,C,D>，其中H为评价模型；T表示目标层，为确定征兆关联等级问题表述；C表示准则层，为征兆关联等级选择依据；D表示方案层，为征兆关联等级备选方案。
[0018]其中，方案层D基于专家经验共设置三级征兆关联等级和前文所述一致，表示征兆与故障间的关联强度大小，关联等级对应有条件概率值，D＝[d1、d2、d3]。确定了关联等级即可按照上述步骤2方法建立完整的条件概率表。
[0019]其中，准则层C综合考虑征兆关联等级影响因子，选出影响度最高的五种作为评价
因子，C＝[c1、c2、c3、c4、c5]，并设置了7级标度等级对评价因子影响征兆关联等级选取划分，需要说明的是此五种评价因子主要作为专家构造判断矩阵依据，无需进行详细计算，评价因子及标度等级选取具体描述如下：
[0020]1)传感器安装位置c1[0021]考虑到不同测点对故障响应程度与其距离故障源的距离有关，设测点距故障源的距离为l，对故障响应最敏感测点距离故障源距离为s，其位置通常需要试验测定，则不同测点的影响因子w可简化表示为：
[0022]w＝w0‑
μ(l<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层次分析法的概率图故障诊断模型条件概率设置方法，其特征在于：包括两部分内容：步骤1：建立基于概率图模型的机械故障智能诊断模型结构；步骤2：提出一种基于层次分析法确定征兆关联等级的条件概率表设置方法；所设计机械概率图故障诊断模型结构包括三层结构：先验概率层、故障层、征兆层，数学表达式为M＝&lt;G(A,F,S,E)&gt;，其中M表示诊断模型、A表示先验概率集、F表示故障集、S代表征兆集、E表示故障与征兆关系集，该模型以图的形式将设备“故障——关联征兆”用有向弧线连接起来，通过计算征兆是否发生将其作为诊断模型输入，输出各故障发生概率值，其次，建立机械故障概率图诊断模型的步骤如下：步骤1：根据设备典型故障类型确定故障层节点；步骤2：根据故障的关联征兆确定征兆层节点；步骤3：根据“故障——关联征兆”关系，使用有向弧段连接故障层与征兆层关联节点，从而建立起机械概率图故障诊断模型结构；步骤4：计算先验概率值；先验概率值大小表示设备实际运行中某种故障发生频率高低，为简化计算主要依据专家经验直接给定各故障先验概率初始值A
k
；所述的一种基于层次分析法确定征兆关联等级的条件概率表设置方法，骤如下：条件概率表按照征兆关联等级确认，征兆共划分三级关联等级，一级：90％；二级：70％；三级：55％，表示该等级征兆存在时，对应的故障发生概率；条件概率表中征兆存在两条或多条征兆属于互补，形成一个征兆组，反应一种变化趋势，在故障确立过程中，如果两条或多条发生，并不会...

【专利技术属性】
技术研发人员：邵蓬勃，马波，伍鹏，李远，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：