[发明专利]一种随机模糊故障特征融合的旋转机械设备故障诊断方法

说明书

技术领域

本发明涉及一种随机模糊故障特征融合的旋转机械设备故障诊断方法，属于旋转机械设备故障监控与诊断技术领域。

背景技术

在线故障诊断技术是旋转机械设备安全生产和高效运行的有力保障，但该类技术的实施还面临诸多挑战：对于现代化的大型复杂设备，如大型旋转机械设备，多是根据多传感器所采集的监测数据中提取的故障特征信息进行故障诊断的。但是，由于监测环境的影响以及测量系统本身的系统误差，如传感器的精度偏移或A/D转换器的量化误差，使得测量数据总是带有不确定性。引起不确定性的因素主要来自两个方面：一是传感器工作时所受到的噪声干扰(具有随机性)；二是传感器及其后续的信号调理电路本身的系统性误差(具有模糊性)。所以，当利用这些含有不确定性的故障特征信息对设备进行故障诊断时，势必会产生不精确甚至是错误的结果。

为了进一步提高诊断的精度和可靠性，新兴的多源信息融合技术，可以将空间或时间上含有不确定性的冗余信息和互补信息依据某种准则进行融合，以获得对被测设备对象更精准的一致性解释与描述，从而对其所处的故障状态做出比任何单源监测信息更加准确的判断。

发明内容

本发明的目的是提出一种随机模糊故障特征融合的旋转机械设备故障诊断方法，同时考虑了传感器监测数据中的随机性和模糊性，从中提取出随机模糊性故障特征信息，并给出相应的信息融合方法对设备进行故障诊断，该诊断结果比单源随机模糊性故障特征信息给出的诊断结果更为精确。

本发明提出的基于随机模糊故障特征融合的旋转机械设备故障诊断方法，包括以下各步骤：

(1)设定旋转机械设备的故障集合Θ＝{F₁，...，F_j，...，F_N}，F_j代表故障集合Θ中的第j个故障，j＝1，2，...，N，N为设备含有故障的个数；

(2)设x为能够反应故障集合Θ中每个故障F_j的故障特征参数，建立故障特征参数x的故障样板模式A_xj，A_xj为描述故障F_j的一个随机模糊变量，A_xj获取步骤如下：

(2-1)当故障集合Θ中的故障F_j发生时，利用传感器测量故障特征参数x，连续获得x的δ个测量值；

(2-2)利用这δ个测量值得到故障特征参数x的频率直方图，然后对直方图进行插值拟合，得出x的概率密度函数p(x)，用于描述x的随机特性；

(2-3)将描述故障特征参数x随机性的概率密度函数p(x)转化为模糊隶属度函数，即随机模糊变量的外部隶属度函数μ_out(x)，以便与描述模糊性的内部模糊隶属度函数μ_in(x)进行结合，生成描述故障F_j的随机模糊变量A_xj，获取外部隶属度函数μ_out(x)的具体步骤如下：

a)确定概率密度函数p(x)的峰值点为x_p，确定其隶属度为μ_out(x_p)＝1；

b)确定概率密度函数p(x)对应x的变化范围为区间[x_L，x_R]＝[x_p-3σ，x_p+3σ]，其中σ是描述x随机特性的方差量，其中x_L的下标“L”表示左端点，x_R的下标“R”表示右端点；

c)在区间[x_L，x_p]和[x_p，x_R]上分别均匀插入M个点和i＝1，2，...，M，M≥50；