[发明专利]一种多智能体故障诊断方法及系统

权利要求书

1.一种多智能体故障诊断方法，其特征在于，包括：

获取多智能体系统故障状态下的系统模型；

根据所述系统模型确定智能体自身观测信息；

根据所述系统模型和内部参考模型确定智能体间相对量测信息；

根据所述智能体自身观测信息和所述智能体间相对量测信息确定激活权重；

根据所述激活权重利用证据推理算法对置信规则进行融合，得到结果置信度；

根据所述激活权重和所述结果置信度确定故障诊断模型；

根据置信规则库对所述故障诊断模型进行优化，得到最终故障诊断模型并根据所述最终故障诊断模型确定故障诊断结果。

2.根据权利要求1所述的多智能体故障诊断方法，其特征在于，所述根据所述智能体自身观测信息和所述智能体间相对量测信息确定激活权重，具体包括：

将所述智能体自身观测信息和所述智能体间相对量测信息进行转换，得到故障诊断模型输入信息；

根据所述故障诊断模型输入信息确定激活权重。

3.根据权利要求1所述的多智能体故障诊断方法，其特征在于，所述激活权重的表达式为：

其中，表示第e个专家所构建的基础层故障诊断模型中第k条规则的激活权重，θ_k为第k条规则权重，α_k为融合各个指标后第k条规则的匹配度，θ_l为第l条规则权重，α_l为融合各个指标后第l条规则的匹配度，L为规则的总数。

4.根据权利要求1所述的多智能体故障诊断方法，其特征在于，所述根据所述激活权重利用证据推理算法对置信规则进行融合，得到结果置信度，具体包括：

根据所述激活权重利用证据推理算法对置信规则进行融合，确定基本概率质量；

根据所述基本概率质量确定结果置信度。

5.根据权利要求1所述的多智能体故障诊断方法，其特征在于，所述最终故障诊断模型的表达式为：

其中，F为最终故障诊断模型的输出结果，N为故障的总数，μ_n表示第n个故障的专家诊断输出结果的效用值，E为基础层中专家的总数，e为第e个专家，为第e个专家所构建的基础层故障诊断模型输出结果中第N个故障情况的置信度，n为第n个故障情况，μ_N为第N个故障的专家诊断输出结果的效用值。

6.根据权利要求1所述的多智能体故障诊断方法，其特征在于，所述故障诊断模型的优化目标表达式为：

其中，Accuracy为故障诊断的准确度，T为数据总个数，γ为诊断准确地个数，γ_i为第i个数据的准确性，i为第i个数据。

7.根据权利要求1所述的多智能体故障诊断方法，其特征在于，所述故障诊断模型的优化过程的约束条件为：

0≤θ_k≤1,k＝1,2,...L

0≤β_n,k≤1,n＝1,..,N,k＝1,2,...L

0≤δ_i≤1,i＝1,...,M

其中，θ_k为第k条规则权重，k为第k条规则，β_n,k为第k条规则中第n种故障对应的置信度，N为故障的总数，δ_i为第i条输入的指标权重，M为输入的总数，L为规则的总数。