[发明专利]一种油液不确定状态的信度表征与状态识别的方法

说明书

一种油液不确定状态的信度表征与状态识别的方法，对油液监测数据进行归一化处理，获得油液指标监测数据；根据油液的属性状态，从好到坏划分为N个状态等级；对油液指标监测数据进行模糊评估；对评估结果进行概率赋值，得到某个属性隶属于每一个状态等级的联合概率，最终形成一个综合的属性状态，即模糊隶属度；将模糊隶属度作为证据推理ER的证据，根据不同属性状态的权重计算每条证据的不确定度，应用证据推理ER算法实现油液不确定状态的信度表征；制定油液状态证据推理结果判定标准，实现油液状态的识别，本发明解决了多指标油液监测过程中，由于多指标信息不一致导致油液状态表征困难及评估结果不确定性大的问题。

技术领域

本发明属于油液状态监测技术领域，特别涉及到一种油液不确定状态的信度表征与状态识别的方法。

背景技术

油液状态是设备健康评估的依据，通过监测油液信息来反映机器的状态，能够为机器早期失效状态提供预测性判断和前瞻性决策，是防止设备状态恶化的第一道防线。但是，单一的指标仅仅反映油液的部分信息，综合的油液信息无法通过一个或少量的指标进行表征，所以研究多指标油液监测技术具有很重要的意义。

油液监测是通过监测摩擦系统连续运行润滑油综合信息来提供设备状态信息，而不是通过局部安装的传感器来提供监测信息。油液状态是多指标信息的综合表征，其变化伴随着多种指标信息的变化。但是，润滑油有几十种特征指标，包括理化性能指标、污染物含量、金属元素含量、添加剂含量等。证据推理方法(ER)于1994年首次被提出，用来解决多指标决策问题，能够定性和定量地表征未知的、不确定概率的问题，在油液故障诊断、状态评估中有着广泛的应用。联合模糊评估方法构建FER算法，即评价状态等级不再是清晰的状态集，而是定义为从属的模糊集，能够将定量监测数据信息转换成模糊信念结构，基于概率和模糊数学的方法实现油液状态评估。

在油液监测过程中，不一致的多指标信息冲突会产生不确定性大的油液综合状态表征，另外，多指标相互作用导致油液状态识别过程中无法得到准确有效的结果，这些问题均严格地限制了油液状态监测技术的发展。随着机器可靠性维护的需求，油液状态监测中不确定状态的表征与状态识别已经成为迫切需要解决的问题之一。

发明内容

为了克服上述现有技术的缺陷，本发明的目的在于提供一种油液不确定状态的信度表征与状态识别的方法，通过证据合成和推理获得油液状态的信度值，通过信度阈值设定与不确定度的判断，来解决油液监测过程中油液状态难以表征以及难以识别的问题，具体是将油液监测指标数据按照不同属性类别进行分类，基于模糊数学和概率统计学方法实现对不同类别属性状态的模糊评估，通过应用证据推理(ER)方法实现油液不确定状态的信度表征，通过构建相应的判定标准实现油液的状态识别，解决了多指标油液监测过程中，由于多指标信息不一致导致油液状态表征困难及评估结果不确定性大的问题。

为了达到上述目的，本发明的所采用的技术方案是：

一种油液不确定状态的信度表征与状态识别的方法，包括以下步骤：

(1)归一化处理，应用线性插值的方法对油液监测数据进行归一化处理，获得油液指标监测数据{x₁₁,x₁₂,…x_ij,…}；

(2)状态等级的设定，根据油液的属性状态，从好到坏划分为{H₁,H₂,…,H_c…,H_N}N个状态等级；

(3)模糊状态评估，对油液指标监测数据进行模糊评估，应用模糊状态评估方法对油液指标监测数据{x₁₁,x₁₂,…x_ij,…}分别进行评估；

(4)属性状态的形成，对步骤(3)获得的评估结果进行概率赋值，得到某个属性隶属于每一个状态等级的联合概率，最终形成一个综合的属性状态，即模糊隶属度；