第4期 2017年4月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)04009904
D0I:10. 13462/j. cenki. mmtamt.2017.04.025
基于云模型与证据理论的故障诊断方法
李少波"，，陈永前”
（贵州大学a.现代制造技术教育部重点实验室；b.机械工程学院，贵阳550025）
No.4 Apr.2017
摘要：针对单一传感器无法对复杂设备进行故障诊断和证据理论难以合理获取PA的问题，提出了一种基于云模型与证据理论的多传感器数据融合故障诊断方法；首先求取每个故障模型下各个特征参数的云模型参数，建立故障诊断云模型知识库；然后结合云模型知识库，求取各个测量参数的隶属度值，并转换为各个诊断证据体；最后通过证据理论组合规则将各个证据进行融合，在融合决策条件
下求出诊断结果。实验结采表明，该方法能合理并有效地对复杂设备进行故障诊断。关键词：云模型；证据理论；故障诊断；数据融合
中图分类号：TH16;TG506
文献标识码：A
A Fault Diagnosis Method Based on Cloud Theory and Evidential Theory
LI Shao-bo** ; CHEN Yong-qian*
( a. Key Laboratory of Advanced Manufacturing Technology, Ministry of Education ; b. School of Mechanical Engineering, Guizhou University, Guiyang 550025 , China)
Abstract: Aiming to the problem of single sensor cannot make a fault diagnosis for complex equipment and evidence theory is difficult to make a reasonable BPA, the paper proposed a multi sensor data fusion fault di-agnosis method based on cloud model and evidence theory. Firstly , taking the cloud model parameters of va-rious characteristics under each fault model, and establishing the cloud model knowledge base for fault diag nosis; Then combining with the cloud model knowledge base to obtaining the membership values of various measurement parameters, and transform it as each diagnosis evidence ; finally, all the evidence is fused by the combination rule of evidence theory, and the diagnosis results are obtained under the condition of fusion decision. Experimental results show that the method is effective and accurate for the fault diagnosis of com plex equipment.
Key words: cloud model;evidential theory ;fault diagnosis; data fusion
0引言
故障诊断技术往往是通过传感器对设备或产品进行监测，采集其状态数据，并在一定的判定规则下，通过与专家知识库进行对比判断，从而决断出故障的所在。在设备与产品都逐渐趋于复杂的今天，引起故障的因素也越来越复杂，同一故障可能会是不同的多个因素引起的，一个因素也可能引起多个故障的发，这些故障的复杂性、多样性以及相互关联性成为故障诊断的一大特征。同时由于传感器自身精度与测量范围的约束，以及测量环境的影响、测量方法的局限性等因系，使采集来的信息具有模糊性、不确定性乃至错误性。这决定了单一传感器难以对复杂设备与产品进行故障诊断
证据理论是由Dempster和Shafer提出并完善而
来的。它是一种不确定推理的数学方法，在处理不确定信息融合与故障诊断方面得到很大的应用与研究[14]。文献[1]将一种改进的证据理论应用于对齿轮故障诊断过程中，提高了故障诊断的正确性：文献[2]将D-S证据理论应用于电机机械故障诊断，通过融合各类特征的信息来提升了故障诊断结果的准确
性;文献[3
证据理论对轨道电路的微调电容
进行故障诊断，提高了诊断的准确性。
文献4研究
了证据理论在复合故障诊断中的应用，综述了证据理论在故障诊断中的研究情况，并提出了将证据理论与其他方法结合使用的思想。然而，在利用证据理论进行故障诊断过程中，往往会因为某些传感器测量信息错误而产生证据间的高冲突间题，从而影响了融合结果的正确性，因此，正确地获取证据的赋值函数（BPA）是故障诊断结果正确与否的关键。
收稿日期：20160630；修回日期：20160805
（1002[102本号性缩）目重提量需品（601）目相落害算基性器国自单置
作者简介：李少波（1973—），男，潮南岳阳人，贵州大学博士生导师，博士，研究方向为制造物联、智能敏障诊断，（E-mail）lishanbo@ga.edu.cn：
通讯作者：陈永前(1991一），男，费州毕节人，贾州大学碳士研究生，研究方向为数学化设计制造，（Email)chenyq620@163.com
万方数据