基于多级证据推理融合的故障识别方法

发布时间：2021-12-24 00:20

　　面对复杂的工业系统,基于单传感器的工业设备状态监控已经不能够满足实际需求,采用多传感器进行状态监控是必然选择。由于传感器自身的测量误差、外界环境的影响以及系统故障状态的动态变化,通常导致在状态监测与诊断中都存在一定程度的不确定性问题;另外,由于设备大部分时间都处于正常运行状态且故障模拟通常代价较高,所以存在用于建立诊断模型的故障样本稀少、正常样本与故障样本不均衡的问题。为了解决以上“不确定性”和“不均衡”问题,在铁路轨道高低不平顺状态监测的实际背景下,本文提出基于多级证据推理融合的故障识别方法。轨道高低不平顺是轨道管理的重要指标之一,关系到列车运行的舒适度及安全性,有着重要的意义。本论文基于多级ER融合方法建立振动加速度数据与轨道高低不平顺幅值之间的非线性关系模型,并且设计了相应的一种轨道高低不平顺故障识别硬/软件系统,主要研究内容如下:（1）综述工业系统故障诊断的背景意义及主要方法,分析了故障诊断中存在的“不确定性”和“不均衡”问题。介绍了基于Dempster-Shafer（DS）证据理论的融合方法,并进一步引出了ER推理融合方法。对其根源、发展以及实际运用进行了详细阐述,说明了基于... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

论文的整体结构框架图

轨道检查车采集的振动时域信号r1,r2和高低不平顺幅值dv

杭州电子科技大学硕士学位论文20图3.3多级(层)ER融合模型图3.3.1基于似然函数归一化的参考证据矩阵构造方法利用3.2节给出的用作训练的样本组合S进行数据的训练。首先考虑单个fi和Ir之间的映射关系，也就是fi的参考值集合Ai={Aji|j=1,…,Ji}与Ir的参考值集合D={Dn|n=1,…,N}之间的对应关系。这些参考值作为可调参数，通常由专家知识或随机采样的方式加以初步确定，然后制定优化目标函数，通过训练样本对它们进行优化，最终获取这些参数的最优值。那么，对于任意的fi(t)和Ir(t)都可以转化为相应参考值的相似度表示形式

【参考文献】：
期刊论文
[1]GJ-5型轨检车检测系统原理概述[J]. 甄军.  科技展望. 2017(03)
[2]基于诊断证据静态融合与动态更新的故障诊断方法[J]. 徐晓滨,张镇,李世宝,文成林.  自动化学报. 2016(01)
[3]基于证据推理规则的信息融合故障诊断方法[J]. 徐晓滨,郑进,徐冬玲,杨剑波.  控制理论与应用. 2015(09)
[4]基于置信规则库推理的轨道高低不平顺检测方法[J]. 徐晓滨,汪艳辉,文成林,孙新亚,徐冬玲.  铁道学报. 2014(12)
[5]三轴数字MEMS加速度计现场标定方法[J]. 彭孝东,张铁民,李继宇,闫国琦.  振动.测试与诊断. 2014(03)
[6]高速综合检测列车的研制[J]. 高兴华,苗新芳,王浩.  国外铁道车辆. 2012(03)
[7]基于证据相似性度量的冲突性区间证据融合方法[J]. 冯海山,徐晓滨,文成林.  电子与信息学报. 2012(04)
[8]故障树方法综述[J]. 梁征,周玉宏.  公安海警学院学报. 2012(01)
[9]评估诊断证据可靠性的信息融合故障诊断方法[J]. 徐晓滨,王玉成,文成林.  控制理论与应用. 2011(04)
[10]基于信息融合技术故障诊断方法与进展[J]. 吕锋,王秀青,杜海莲,辛涛.  华中科技大学学报(自然科学版). 2009(S1)

硕士论文
[1]信息融合算法研究及其应用[D]. 谢颖.重庆大学 2008



本文编号：3549468