【技术实现步骤摘要】
本专利技术涉及故障诊断领域，具体为一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法。
技术介绍
1、对大型设备的故障诊断具有重要意义，它不仅可以有效地发现系统存在的问题，而且可以通过调整各部件的性能指标信息来提高整个系统的性能和可靠性。因此，故障诊断作为大型设备性能分析的重要组成部分，受到了工程界的广泛关注。
2、当下的brb方法可以利用实测数值来进行大型设备在不同场景下的故障诊断，但是没有考虑扰动对设备的影响。在工程实际中，强激励信号、电源异常启停等扰动会影响设备的健康。也就是说，设备中的能量、物质和信息都有可能发生变化，使得设备的性能产生不确定性。因此，有必要将扰动引入brb方法，以获得更准确的大型设备故障诊断结果。由于扰动随强度的不同而变化，因此，研究设备能够承受多大的扰动强度也是很重要的，也就是确定扰动强度阈值。
技术实现思路
1、本专利技术的目的在于提供一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，以解决上述
技术介绍
中提出的问题本专利技术的上述技术目的是通过以下技术方案得以实现的：一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，包括以下步骤：
2、步骤一，获取大型设备实测数据集；
3、步骤二，对实测数据集进行特征选取和归一化处理；
4、步骤三，构建各个指标参考值，给出初始置信规则库；
5、步骤四，获取大型设备故障诊断结果；
6、步骤五，对指标数据进行扰动寻找扰动强度阈值；>
7、步骤六，在新的约束策略下进行模型的鲁棒性分析；
8、所述步骤一中，通过不同传感器对大型设备各项指标进行测量，得到较为全面的评估大型设备故障状态的实测数据集；
9、所述步骤二中，对所述步骤一中所获取的实测数据集进行特征选取，对特征选取之后的数据集进行数据归一化处理；
10、所述步骤三中，根据所述步骤二所得到的归一化数据集，由专家根据对大型设备历史工程试验的分析和工作原理的了解，通过专家知识，确定数据集中各个指标的参考等级以及参考值；
11、所述步骤四中，根据所述步骤三中所确定的各个指标参考等级及参考值，使用置信规则库构建大型设备故障诊断模型来进行信息推理，最终得到大型设备故障诊断结果，并将其以不同置信度和期望效用的形式来展示；
12、所述步骤五中，对所述步骤四中所构建的大型设备故障诊断模型的不同输入属性施加不同强度的干扰，探索模型在不同扰动状态下的稳定情况，来寻找到一个扰动强度阈值，以表示模型可以接受的最大扰动强度；
13、所述步骤六中，对所述步骤四中所构建的大型设备故障诊断模型，在模型推理中提出了新的约束策略，通过对模型进行鲁棒性分析来验证新的约束策略的有效性。
14、进一步的：所述步骤一中，指标包括且不限于振动频率，晃动角度。
15、进一步的：所述步骤三中，可采用专家知识来确定指标参考值，在置信规则库专家系统中，专家知识是指专家在某一领域内的经验、知识和技能，在brb中，专家知识常被用于确定属性参考值以及用于构建置信规则库，以解决复杂的问题。
16、进一步的：所述步骤四中，考虑了扰动强度阈值与模型鲁棒性分析，使用brb置信规则库构建诊断模型，er规则作为推理引擎，建模过程如下：
17、1)brb知识库描述
18、该模型由if-then规则构建，其中第k条置信规则定义如下：
19、
20、then{(d1,β1,k),(d2,β2,k),...,(dn,βn,k)},
21、with rule weightθk(k＝1,2,k,l)
22、and attribute weightδi(i＝1,2,k,m)
23、其中rk表示brb模型中第k条置信规则；x1,x2,...,xm表示m个前提属性；m表示属性的数量；a1,a2,...,am对应m个属性的参考值集合；β1,k,β2,k,...,βn,k表示n个结果对应的置信分布；d1,d2,...,dn表示n个结果；θk是第k条置信规则的规则权重；δi表示第i个属性权重；l表示规则数量，
24、2)brb推理过程
25、对于brb，常使用er规则作为推理引擎，具体brb模型推理过程如下：
26、step1：输入转化
27、确定输入值对应参考值的置信度分布，常使用隶属度函数进行计算，最终的置信分布描述：
28、s(xi)＝{(ai,j,ai,j),i＝1,...,m；j＝1,...,ti}
29、其中ai,j表示第i个属性中的第j个参考值，ai,j表示xi关于ai,j的置信度，
30、step2：计算激活权重
31、step2.1：计算参考值匹配度：
32、
33、其中j表示参考值个数，参考值匹配度第k条规则对应匹配度计算如下：
34、
35、
36、其中αk表示第k条规则对应匹配度，表示第i个属性的归一化权重，
37、step2.2：匹配度归一化：
38、通过聚合对应的匹配度，可以得到激活规则的计算方法：
39、
40、其中wk表示规则的激活权重。
41、step3：规则融合
42、使用er规则进行规则融合，对于第n个结果对应的置信度：
43、
44、其中表示第n个结果的置信度，
45、(3)效用计算
46、计算期望的效用值并得出最终输出：
47、
48、其中s(g)代表由置信分布组成的集合，a'表示实际输入向量，μ(dn)表示dn的效用，μ(s(a′))是最终期望效用。
49、5.根据权利要求1所述步骤五中，为了对大型设备故障诊断模型进行抗扰动能力分析，采用了对模型的输入数据进行扰动的方法，扰动强度为σ，0<σ<ε，其中ε为扰动强度阈值，即模型所能接受的最大扰动强度，输入扰动的计算方法为：
50、x′i＝xi+σg△xi
51、其中x′i是xi的扰动值，xi表示第i个输入属性，△xi表示xi的扰动增量，此时brb中参考值的匹配度计算为：
52、
53、其中a′ik是的扰动值，表示第k条规则下第i个属性的匹配度，并且a′ik∈[0,1]，
54、第k条规则对应匹配度计算如下：
55、
56、其中α′k是αk的扰动值，αk表示第k条规则的匹配度，
57、规则的激活权重计算为：
58、
59、其中w′k是wk的扰动值，wk表示第k条规则的激活权重，
60、对第n个结果的置信度分配如下：
61、
62、其中是的扰动值，表示第n个结果的置本文档来自技高网...
【技术保护点】
1.一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：所述步骤一中，指标包括且不限于振动频率，晃动角度。
3.根据权利要求1所述的一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：所述步骤三中，可采用专家知识来确定指标参考值。
4.根据权利要求1所述的一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：所述步骤四中，考虑了扰动强度阈值与模型鲁棒性分析，使用BRB置信规则库构建诊断模型，ER规则作为推理引擎，建模过程如下：
5.根据权利要求1所述步骤五中，为了对大型设备故障诊断模型进行抗扰动能力分析，采用了对模型的输入数据进行扰动的方法，扰动强度为σ，0<σ<ε，其中ε为扰动强度阈值，即模型所能接受的最大扰动强度，输入扰动的计算方法为：
【技术特征摘要】
1.一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：所述步骤一中，指标包括且不限于振动频率，晃动角度。
3.根据权利要求1所述的一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法，其特征在于：所述步骤三中，可采用专家知识来确定指标参考值。
4.根据权利要求1所述的...
【专利技术属性】
技术研发人员：贺维，尹修贤，曲媛媛，钱广宇，杨翠萍，刘明远，李苏龙，
申请(专利权)人：哈尔滨师范大学，
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。