[发明专利]一种故障识别方法、装置、系统及计算机可读存储介质

权利要求书

1.一种故障识别方法，其特征在于，包括：

获取故障样本集；所述故障样本集为齿轮箱或混联齿轮传动系统运行时轮齿产生的故障振动的故障样本集；

基于信息熵法计算出故障样本集的客观权重β的最优值；

基于层次分析法计算出故障样本集的主观权重值α最优值；

计算出故障样本集的的组合权值

基于组合加权马氏距离法，计算故障样本集的最小组合加权马氏距离值；

根据同类故障特征之间的最小组合加权马氏距离值最小的基本原理，用计算得出的最小组合加权马氏距离值识别齿轮箱或混联齿轮传动系统运行时轮齿产生的故障振动的故障类型。

2.根据权利要求1所述的一种故障识别方法，其特征在于，所述基于层次分析法计算出故障样本集的主观权重值α最优值，其计算过程包括如下步骤：

建立结构模型：

根据故障样本集特征信息，建立决策问题的结构模型；

得出各层次的权值集向量：决策目标层的权重集A₁＝[Au₁,Au₂,Au₃]^T；决策准则层的权重集Au₁＝[u₁₁,u₁₂,u₁₃]^T，Au₂＝[u₂₁,u₂₂,u₂₃]^T，Au₃＝[u₃₁,u₃₂,u₃₃]^T；

主观权值的计算流程，如下：

计算出各层的比较矩阵P，计算方式如下：

分别计算各个判断矩阵各层的优先级向量W并将其标准化，

式中，n为对应判断矩阵的维数；

分别对各个判断矩阵Pi进行一致性检查，其计算式CR如下所示：

式中，λ_max为对应判断矩阵的最大特征根，n为对应判断矩阵的维数，RI为平均随机一致性指标；

计算结构模型的综合优先级向量，如下表所示：

计算最优的主观权值α，

3.根据权利要求1所述的一种故障识别方法，其特征在于，所述基于信息熵法计算出每个所述指标素的最优客观权重值β包括如下步骤：

假设有n个样本，含m个决策指标的原始矩阵A，且A＝[A₁,A₂,…,A_i,…,A_m]^T，则在矩阵A中第i个样本的第j个指标所对应的属性值为aij；原始矩阵A计算方法为：

确定原始矩阵A的正向指标A⁺和负向指标A^-，并将其归一化处理，正向指标集计算方法为：

负向指标集计算方法为：

计算出第i个样本在第j个指标中所占据的比重p_ij，其计算方法如下式所示：

计算出第j个指标的信息熵e_j，其计算方法如下式所示：

计算出样本的第j个指标的客观权重值β，其计算方法如下式所示：

4.根据权利要求1所述的一种故障识别方法，其特征在于，所述计算出故障样本集的组合权值其计算方法如下式所示：

式中，α为主观权重值，β为客观权重值，λ为偏好因子，0≤λ≤1，当λ小时组合权重偏向于α，当λ大时组合权重偏向于β。