基于k近邻证据融合的故障诊断方法

基于k近邻证据融合的故障诊断方法

ID:35121091

大小:254.51 KB

页数:8页

时间:2019-03-18

基于k近邻证据融合的故障诊断方法_第1页
基于k近邻证据融合的故障诊断方法_第2页
基于k近邻证据融合的故障诊断方法_第3页
基于k近邻证据融合的故障诊断方法_第4页
基于k近邻证据融合的故障诊断方法_第5页
资源描述:

《基于k近邻证据融合的故障诊断方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第32卷第10期控制与决策Vol.32No.102017年10月ControlandDecisionOct.2017文章编号:1001-0920(2017)10-1767-08DOI:10.13195/j.kzyjc.2016.1206基于K近邻证据融合的故障诊断方法侯平智1,张明1,徐晓滨1y,黄大荣2(1.杭州电子科技大学自动化学院,杭州310018;2.重庆交通大学信息科学与工程学院,重庆400074)摘要:为了兼顾数据建模的准确性和诊断的实时性,提出一种K近邻诊断证据融合新方法.利用故障特征的历史样本构建随机模糊变量(RFV)形式的故障样板模式,由

2、KNN算法获取测试样本的K个近邻历史样本,并定义它们的RFV待检模式;经样板和待检模式的匹配获取K个诊断证据,再将各特征的K个诊断证据融合,并作出故障决策;使用RFV实现对故障数据的精准建模,利用K个历史样本丰富诊断信息,并增加诊断的时效性.诊断效果在电机转子试验台上得到了验证.关键词:故障诊断;工业报警器系统;证据理论;K近邻;随机模糊变量中图分类号:TP391文献标志码:AFaultdiagnosisbasedonKNNevidencefusionHOUPing-zhi1,ZHANGMing1,XUXiao-bin1y,HUANGDa-rong2(1.

3、SchoolofAutomation,HangzhouDianziUniversity,Hangzhou310018,China;2.SchoolofInformationScienceandEngineering,ChongqingJiaotongUniversity,Chongqing400074,China)Abstract:AfaultdiagnosismethodbasedonKNNevidencefusionispresentedtokeepabalancebetweenmodelingaccuracyoffaultfeaturedataand

4、instantaneityofdiagnosisdecisionmaking.Foreachfaultfeature(symptom),itshistoricalsampledataareusedtomodelfaulttemplatepatterns(FTPs)withtheformofrandom-fuzzyvariable(RFV),theKNNalgorithmisusedtofindoutKhistoricalsamplesnearesttoatestingsampleandtheRFV-typefaulttestingpatterns(TPs)o

5、ftheKsamplesarepresentedtodescribethetestingsample.ThematchingdegreebetweenFTPandTPcanbecalculatedtogeneratetheKpiecesofdiagnosisevidence,andthenallevidencecomingfromthedifferentfaultfeaturescanbefusedanddiagnosisdecisioncanbemadebasedonthefusedresult.Inthismethod,thefinemodelingcan

6、berealizedbyusingtheRFV,andmeanwhile,thediagnosisinformationofthesingletestingsamplecanbeenrichedbyaddingtheKhistoricalsamples,andtheinstantaneityofdiagnosiscanbeimproved.Finally,indiagnosisexperimentsonarotortestbed,theeffectivenessoftheproposedmethodisverified.Keywords:faultdiagno

7、sis;industrialalarmsystems;evidencetheory;KNN;random-fuzzyvariable0引言的特点.不确定性的影响因素主要来自两个方面:一故障诊断作为提升系统稳定性和减少事故风险是测量仪器处于工作状态时所受到的随机噪声干扰,的重要方法,是实现故障报警溯源和报警消除、提升二是传感器自身及其后续信号调理电路的系统性误工业设备的自诊断与自纠错能力的主要途径.然而,差.因此,针对多源不确定性信息的有效诊断推理是现在面临的新挑战[1].基于单传感器的监控诊断技术获得的信息,已无法足够可靠地用于大型复杂设备的诊断.随着传感

8、器技基于证据理论的信息融合故障诊断方法是将多术的发展以及计算机存储

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。