應用于破碎機故障診斷系統(tǒng)中的信息融合技術(shù)

1、應用于破碎機故障診斷系統(tǒng)中的信息融合技術(shù)論文摘要：本文以該設備故障診斷為研究對象在對國內(nèi)外研究現(xiàn)狀進行深入分析的根底上給出一種基于神經(jīng)網(wǎng)絡和D-S證據(jù)理論相結(jié)合的信息融合的故障診斷方法并進行實際檢驗。以信息融合的根本思路，將多子神經(jīng)網(wǎng)絡和D-S 證據(jù)理論綜合起來設計出一套綜合診斷方法，將兩種方法取長補短相結(jié)合應用于故障診斷中，取得了較好的診斷效果。論文關(guān)鍵詞：故障診斷,信息融合,神經(jīng)網(wǎng)絡,證據(jù)理論0引言現(xiàn)代工業(yè)生產(chǎn)設備趨向大型化、連續(xù)化、高速化和自動化，功能越來越多、結(jié)構(gòu)越來越復雜，但因此設備故障停工造成的損失大大增加。保證生產(chǎn)正常進行的關(guān)鍵是使各種重要的大型設備正常運轉(zhuǎn)。如果在設備出了問題后

2、維修，停產(chǎn)不僅帶來經(jīng)濟上的巨大損失，而且設備帶病工作有可能引起嚴重損害。目前對設備進行定期檢修，如檢修間隔長，有可能在兩次檢修之間設備發(fā)生故障。設備發(fā)生故障時，將產(chǎn)生機械的、電氣的、物理的、化學的變化，并隨著故障程度的增加而顯著，可以通過各種檢測手段來發(fā)現(xiàn)這些異常現(xiàn)象來分析設備的故障狀況。但是采用單一檢測手段都因各種不確定因素的影響，采用單一檢測手段診斷設備故障的結(jié)論往往不準確。針對上述問題，本系統(tǒng)將通過對設備進行在線動態(tài)連續(xù)監(jiān)測分析，隨時了解設備的狀態(tài)，給出故障報警信號。要實現(xiàn)設備故障診斷的準確性，最有效的方法就是采用多種檢測手段來進行綜合診斷。1故障診斷技術(shù)故障診斷是指在一定工作環(huán)境下查明

3、導致系統(tǒng)某種功能失調(diào)的原因或性質(zhì)，判斷劣化狀態(tài)發(fā)生的部位或部件，以及預測劣化狀態(tài)的開展趨勢等。故障診斷的過程有三個主要步驟：1)檢測設備狀態(tài)的特征信號；2)從所有檢測到的特征信號中提取征兆；3)根據(jù)征兆和其它診斷信息來識別設備的狀態(tài)，從而完成故障診斷。2神經(jīng)網(wǎng)絡技術(shù)的信息融合故障診斷方法神經(jīng)網(wǎng)絡是一個具有高度非線性的超大規(guī)模連續(xù)時間動力系統(tǒng)，主要特征為連續(xù)時間非線性動力學、網(wǎng)絡的全局作用、大規(guī)模并行分布處理和聯(lián)想學習能力。其在故障診斷領(lǐng)域的應用主要集中于三個方面：一是從模式識別角度應用神經(jīng)網(wǎng)絡作為分類器進行故障診斷；二是從預測角度應用神經(jīng)網(wǎng)絡作為動態(tài)預測模型進行故障預測；三是從知識處理角度建立

4、基于神經(jīng)網(wǎng)絡的診斷專家系統(tǒng)。2.1神經(jīng)網(wǎng)絡的特點以及用于故障診斷的原因神經(jīng)網(wǎng)絡故障診斷問題可以看成模式識別。通過對一系列過程參量進行測量，然后用神經(jīng)網(wǎng)絡從測量空間映射到故障空間，實現(xiàn)故障診斷。應用于故障診斷的方法多種多樣，神經(jīng)網(wǎng)絡之所以適合于故障診斷，有以下三個主要原因：1)訓練過的神經(jīng)網(wǎng)絡能存儲有關(guān)過程的知識，能直接從定量的、歷史故障信息中學習?？梢愿鶕?jù)對象的正常歷史數(shù)據(jù)訓練網(wǎng)絡，然后將此信息與當前測量數(shù)據(jù)進行比擬，以確定故障。2)神經(jīng)網(wǎng)絡具有濾出噪聲及在有噪聲情況下得出正確結(jié)論的能力，可以訓練人工神經(jīng)網(wǎng)絡來識別故障信息，使其能在噪聲環(huán)境中有效的工作，這種濾出噪聲的能力使得神經(jīng)網(wǎng)絡適合在線故

5、障檢測和診斷。3)神經(jīng)網(wǎng)絡具有分辨原因及故障類型的能力。BP網(wǎng)絡在諸如模式識別、系統(tǒng)辨識、圖像處理、語言理解、函數(shù)擬合等一系列實際問題中得到了極為廣泛的應用。2.2神經(jīng)網(wǎng)絡的故障診斷過程模糊神經(jīng)網(wǎng)絡與傳統(tǒng)多層感知器的主要區(qū)別在于其輸入和輸出均表示為模糊隸屬度，通過隸屬度函數(shù)的適中選擇，該網(wǎng)絡既可以處理數(shù)字形式輸入又能適應語義形式輸入，同時輸出也不再是單一的分類結(jié)果而是各類的隸屬度，這樣就更好地模擬了人腦思維的模糊性。3證據(jù)理論的信息融合故障診斷方法3.1D-S證據(jù)理論概述在診斷領(lǐng)域，由于設備本身的復雜性和運行環(huán)境的不穩(wěn)定性，設備反映的信息具有不確定性。貝葉斯法和證據(jù)理論方法提供了有效的處理不確

6、定性信息的手段。具體的講，診斷問題中不確定性的來源有：事實中的、準那么中條件的、準那么本身有效性的以及不完全知識、片面數(shù)據(jù)等。由此決定了三種不確定性：隨機性或可能性、模糊性、不完全性或不知性。對這些不確定性的處理，貝葉斯法和證據(jù)理論D-S推理方法提供了有效的手段。3.2證據(jù)理論的推理結(jié)構(gòu)及其優(yōu)點任何一個完整的推理系統(tǒng)都需要用幾個不同推理級來保持精確的可信度表示。D-S方法的推理結(jié)構(gòu)自上而下分為三級：第一級是合成，它把由它獲取傳感器報告并進行推斷，將傳感器報告擴展成目標報告。這種推理的根底是：一定的傳感器報告以某種可信度在邏輯上定會產(chǎn)生可信的某些目標報告。第三級是更新，因各種傳感器一般都有隨機誤

7、差，所以，在時間上充分獨立的將比任何單一報告都可靠。這樣，在進行推斷和多傳感器合成之前要先組合更新傳感器級的信息。證據(jù)理論具有以下一些優(yōu)點：1)證據(jù)理論采用信任函數(shù)而不是概率作為度量，通過對一些時間的概率加以約束以建立信任函數(shù)而不必說明精確的難以獲得的概率。2)證據(jù)理論具有比擬強的理論根底，既能處理隨機性所導致的不確定性，又能處理模糊性所導致的不確定。3)證據(jù)理論可以依靠證據(jù)的積累，不斷的縮小假設集。4)證據(jù)理論能將不知道;和不確定;區(qū)分開來。5)證據(jù)理論可以不需要先驗概率和條件概率密度。4BP網(wǎng)絡與D-S證據(jù)理論相結(jié)合的綜合診斷模型在用D-S證據(jù)理論進行各征兆域神經(jīng)網(wǎng)絡輸出結(jié)果的局部信息融合

8、時，在系統(tǒng)中將單通道輸出直接轉(zhuǎn)化為證據(jù)推理模型，即將神經(jīng)網(wǎng)絡的單通道輸出經(jīng)過歸一化處理，直接作為各焦點元素的根本概率分配，從而防止了構(gòu)造根本概率分配函數(shù)的復雜性，然后用D-S證據(jù)理論的組合規(guī)那么逐次合并各通道的診斷信息，得到該征兆域獨立的局部診斷結(jié)果。假設在征兆域s中，Bel對應于第一通道神經(jīng)網(wǎng)絡的輸出結(jié)果，Be1對應第二通道神經(jīng)網(wǎng)絡輸出結(jié)果，依次類推，每個信任函數(shù)的焦點元素都對應不同神經(jīng)網(wǎng)絡目標診斷結(jié)果A表示故障模式，i=1,2,.,10；y(A)表示BP網(wǎng)絡的診斷結(jié)果，E為網(wǎng)絡的樣本誤差，t,y分別對應第j個神經(jīng)元的期望值和實際值。表4.2單個樣本網(wǎng)絡誤差 測點 樣本 1 樣本2 樣本 3

9、 樣本 4 樣本5 樣本6 樣本7 樣本8 樣本9 樣本10 1 0.0128 0.0114 0.0288 0.0184 0.0179 0.0194 0.0113 0.0142 0.0236 0.0213 2 0.0127 0.0166 0.0128 0.0202 0.0168 0.0258 0.0131 0.0139 0.0161 0.0156 3 0.0193 0.0171 0.0138 0.0146 0.0148 0.0239 0.0145 0.0133 0.0182 0.0177 4 0.0163 0.0132 0.0140 0.0161 0.0237 0.0239 0.0122 0.

10、0120 0.0266 0.0039 由于A,A,.,A相互獨立，那么AA=(ij)，把測點1的數(shù)據(jù)排成橫排，測點2的數(shù)據(jù)排成豎排，再用Dempster合并規(guī)那么計算表格中的各欄，即可得到1、2測點的融合結(jié)果；用融合的結(jié)果再與測點3的判斷結(jié)果融合，即可得到1、2、3測點的融合結(jié)果；最后再用1、2、3測點的融合結(jié)果與測點4的判斷結(jié)果融合，得到所有測點的融合數(shù)據(jù)。將表4.1中的數(shù)據(jù)用D-S合并規(guī)那么融合，得到的結(jié)果如表4.3所示。表4.3數(shù)據(jù)融合的局部結(jié)果 組號 A B C D E F 1 0.00001 0.999985 0.000000 0.000008 0.000003 0.000001 0

11、.000008 2 0.00001 0.000008 0.999944 0.000001 0.000008 0.000007 0.000006 3 0.00001 0.000009 0.000005 0.999922 0.000003 0.000002 0.000004 4 0.00001 0.000000 0.000003 0.000002 0.999963 0.000006 0.000007 5 0.00001 0.000010 0.000006 0.000006 0.000006 0.999973 0.000006 5結(jié)束語以信息融合的根本思路，將多子神經(jīng)網(wǎng)絡和D-S證據(jù)理論綜合起來設計出一套綜合診