[发明专利]一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法

摘要

本发明涉及风机故障诊断技术领域，提供一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法，首先采集实际风机数据集并计算预测风机数据集与差值风机数据集，得到模糊逻辑系统的输入数据；然后采集实际风机训练数据集并计算预测风机训练数据集与差值风机训练数据集，选择训练数据集与基准变量后，建立模糊逻辑系统的三维隶属函数；再建立模糊逻辑系统的规则库与模糊器，将输入数据模糊化为输入集，根据规则前件集计算点火等级，根据规则后件集计算输出集；最后采用取重心法获取清晰输出，并根据清晰输出与阈值的关系判断故障是否发生。本发明能够在环境变化的条件下获得符合当前环境的隶属函数与阈值，从而提高风机故障诊断的准确率。

主权项

1.一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法，其特征在于，包括下述步骤：步骤1：确定模糊逻辑系统的输入数据：步骤1.1：采集实际风机数据集：每间隔时间T，对风机的SCADA系统中p个输入变量在间隔时间T内的SCADA数据进行采集，得到n组实际风机数据，每组实际风机数据包括间隔时间T内m个时刻的实际风机数据，得到第i组中第t_i时刻的实际风机数据集为其中，i∈{1,2,...,n}，为第t_i时刻第j个输入变量x_j的实际值，j∈{1,2,...,p}，t_i＝t_i‑1+T，t₀＝0；步骤1.2：计算预测风机数据集：根据第t_i‑1时刻第j个输入变量的实际值来预测第t_i时刻第j个输入变量的值，得到第t_i时刻第j个输入变量的预测值为得到第t_i时刻的预测风机数据集为步骤1.3：计算差值风机数据集：将第t_i时刻第j个输入变量x_j的实际值减去第t_i时刻第j个输入变量的预测值得到第t_i时刻第j个输入变量的差值从而得到第t_i时刻的差值风机数据集为差值风机数据集X^err(t_i)即为第t_i时刻模糊逻辑系统的输入数据；步骤2：建立模糊逻辑系统的三维隶属函数：步骤2.1：采集实际风机训练数据集：每间隔时间T，重新对风机的SCADA系统中p个输入变量在间隔时间T内的SCADA数据进行采集，得到n组实际风机训练数据，每组实际风机训练数据包括间隔时间T内m个时刻的实际风机训练数据，得到第i组中第t_i时刻的实际风机训练数据集为步骤2.2：计算预测风机训练数据集：计算根据第t_i‑1时刻第j个输入变量的实际训练值来预测第t_i时刻第j个输入变量的训练值，得到第t_i时刻第j个输入变量的预测训练值为得到第t_i时刻的预测风机训练数据集为步骤2.3：计算差值风机训练数据集：将第t_i时刻第j个输入变量的实际训练值减去第t_i时刻第j个输入变量的预测训练值得到第t_i时刻第j个输入变量的差值训练值从而得到第t_i时刻的差值风机训练数据集为步骤2.4：选择训练数据集与基准变量：从n组差值风机训练数据集中随机选择N组作为训练数据，得到每个输入变量的N组训练数据集，其中，第j个输入变量的第k组训练数据集为从变量集合{x₁,x₂,...,x_j,...,x_p}中随机选择一个变量x_s作为基准变量；其中，k∈{1,2,...,N}，5≤N＜n，中的t_i为第k组训练数据集的最后一个时刻；步骤2.5：建立模糊逻辑系统的三维隶属函数：步骤2.5.1：计算基准变量x_s的第k组实际训练值中元素的平均值为将基准变量x_s的N个平均值作为三维隶属函数的y轴；步骤2.5.2：统计第j个输入变量的第k组训练数据集为X^err',j中每一个差值风机训练数据的频数，形成第j个输入变量的差值的正态分布图像，横轴为第j个输入变量的差值风机训练数据，纵轴为第j个输入变量的差值风机训练数据对应的频数，作平行于纵轴的两条直线，该两条直线与正态分布图像及横轴之间所围图形的面积为正态分布图像面积的99％，该两条直线与正态分布图像的两个交点对应的差值风机训练数据即为第j个输入变量的第k组训练数据集的故障上下边界；步骤2.5.3：采用专家法将第j个输入变量用术语集合Q_j修饰并确定第j个输入变量用第q_j个术语修饰时第j个输入变量的差值的取值范围q_j∈Q_j；将作为第j个输入变量用第q_j个术语修饰时的三维隶属函数的x轴，将第j个输入变量的每组训练数据集对应的基准变量x_s的平均值、每组训练数据集中在集合中的差值风机训练数据、每组训练数据集的故障上下边界对应到第j个输入变量用第q_j个术语修饰时的三维隶属函数的图像中，再将基准变量x_s的每个平均值所对应的二维隶属函数的最大隶属度设为1，以隶属度为z轴，即得到第j个输入变量用第q_j个术语修饰时的三维隶属函数其中，为基准变量x_s在第t_i时刻对应的一组实际值的平均值，为第j个输入变量在第t_i时刻的差值；步骤3：建立模糊逻辑系统的规则库：采用专家法，建立L条规则；其中，第l条规则为：如果则发生第v种风机故障的概率为其中，x_lj∈{x₁,x₂,...,x_j,...,x_p}，lp≤p，为第l条规则中第lj个输入变量x_lj用第q_lj个术语修饰时第lj个输入变量x_lj的差值的取值范围，q_lj∈Q_lj，Q_lj为第l条规则中第lj个输入变量x_lj的术语集合，v∈H，H为风机故障类型集合；步骤4：建立模糊逻辑系统的模糊器：将模糊器设置为单值模糊器，将第t_i时刻模糊逻辑系统的输入数据模糊化为第t_i时刻模糊逻辑系统的输入集为其中，为基准变量x_s在第t_i时刻对应的一组实际值的平均值，符号★为命题学中的取最小值；步骤5：计算模糊逻辑系统的点火等级：利用步骤2中获得的三维隶属函数计算第t_i时刻第l条规则的规则前件集为从而得到第t_i时刻第l条规则的点火等级FL^l(t_i)其中，sup为取最大值的运算；步骤6：计算模糊逻辑系统的输出集：计算第t_i时刻第l条规则的输出集为其中，为第l条规则的规则后件集，也即为第l条规则涉及的第v种风机故障的概率对应的隶属度，根据专家法得到；进一步得到第t_i时刻所有规则中相同种类风机故障的输出集，其中，第t_i时刻第v种风机故障的输出集为其中，为命题学中取最大值的运算，K为涉及第v种风机故障的规则的总数，为涉及第v种风机故障的规则集合中第k条规则的输出集；步骤7：计算模糊逻辑系统的清晰输出，并判断风机是否存在故障：步骤7.1：选择解模糊化方法为取重心法，对第v种风机故障的输出集进行解模糊化，得到第t_i时刻第v种风机故障的严重程度也即清晰输出为其中，越大表示第v种风机故障越严重；其中，取重心法的过程为：将第v种风机故障的输出集的图像离散化，得到M个点，第i个点对应的横坐标即为纵坐标即为步骤7.2：采用专家法，确定第v种风机故障的阈值的上下边界步骤7.3：判断是否超过上下边界若超过，则诊断出风机存在第v种风机故障；若没有超过，则诊断出风机不存在第v种风机故障。