一种改进的DS多传感器信息融合故障诊断方法_赵双龙

第10卷　第3期　2010年1月1671-1815(2010)3-0787-04科　学　技　术　与　工　程S c i e n c e T e c h n o l o g y a n d E n g i n e e r i n gV o l .10　N o .3　J a n .20102010　S c i .T e c h .E n g n g .通信技术一种改进的D S 多传感器信息融合故障诊断方法赵双龙　郝永生(军械工程学院导弹工程系,石家庄050003)摘　要　D S 证据推理理论由于其能很好融合多传感器数据和区分不确定与不知道的问题,因而被广泛应用于故障诊断过程中。

但由于其不能很好的处理冲突项,在应用中受到限制。

为解决此问题,通过建立传感器间支持信任矩阵,重新赋予加权系数,经过仿真表明此方法很好的解决了D S 理论中的冲突问题,提高了故障诊断正确率。

关键词　D S 证据推理 故障诊断 信息融合中图法分类号　T N 919.64; 文献标志码　2009年11月2日收到第一作者简介:赵双龙(1984—),男,河北人,工学硕士,研究方向:装备自动测试,检测数据采集处理。

E -m a i l :s h u a n g l o n g 003@t o m .c o m 。

多传感器信息融合技术是对来自不同传感器(信息源)的数据信息进行分析与综合,以产生对被测对象的统一的最佳估计,因而可以使信息在准确性、可靠性及完备性等方面较其中任一单个传感器有明显提高[1]。

目前美国已成功将信息融合技术应用于军用分析系统、自主式地面车辆系统、海洋监视融合专家系统、雷达与E S M 情报关联系统等军事领域[2,3]。

针对多传感器数据融合中出现的不确定问题,出现了贝叶斯方法、D S 证据理论和模糊逻辑等方法。

由于D S 证据推理理论能够很好的区分不确定与不知道的问题,具有无需先验概率、推理形式简单等优点,近几年广泛应用于故障诊断领域。

1　D S 融合算法及存在问题当前设备多以结构功能比较复杂的电子系统为主,系统内印制电路板种类繁多功能参数各异。

因此为保障系统可靠运行及时对系统的各种异常状态或故障状态作出准确诊断越发重要。

随着各种专业传感器的出现和D S 理论的完善发展,利用多传感器信息融合技术尽可能快地确定故障部位,成为解决此矛盾的比较理想和有效的途径[4]。

1.1　D S 基本原理D S 证据理论是对传统的贝叶斯理论的重要推广,他用信任区间代替概率,用集合表示命题(事件),用D e m p s t e r 组合规则代替贝叶斯公式。

D S 理论中最基本的概念是所建立辨识框架(f r a m e o f d i s -c e r n m e n t ),记作θ[5]。

θ为一互不相容事件完备集合。

定义1　设m 为2θ到[0,1]的映射,且满足B e l (θ)=1;m (A )≥0,∑A ∈2θm (A )=1。

则称m (A )为事件A 的基本概率赋值,当A ≠ 时为θ焦元。

定义2　设函数B e l 满足B e l ( )=0;B e l (θ)=1;B e l (A )=∑B Am (B )。

则称B e l 为信任函数,B e l (A )为命题A 的信任度。

科　学　技　术　与　工　程10卷1.2　D S 理论组合规则设m 1和m 2是两个相同辨识框架θ上的基本概率赋值,如果B e l 1的焦元是B 1,…,B k ,B e l 2的焦元是C 1,…,C n 。

应用正交和规则m (A )=m 1 m 2,组合输出m (A )=11-k ∑i ,j :B i ∩C j =A m 1(B i )m 2(C i );A ≠ 。

其中:k=∑i ,j :B i ∩C j= m 1(B i )m 2(C j)。

k 为冲突因子,表示证据的冲突程度,当k 等于1时,说明证据完全冲突,不能组合。

1.3　D S 存在的问题一般说,证据推理更适用于解决高置信度低冲突的情况,而对于高冲突会产生各种不合理现象。

主要原因是其组合规则将冲突置信指派值按比例分给两个证据的公共焦元,从而造成不尽合理的结论。

如表1中的一组数据,显然证据1对a 比较支持,证据2对b 比较支持,我们对三个证据进行D S 融合,结果a ,b 相当,如果这个结论正确,那么结果可以作为一个先验概率作为证据四进行融合,之后新结果取代证据四再融合,迭代十次我们发现a 的值在不断增大,离真实情况越来越远。

如图1示。

表1　冲突证据下的D S 融合证据1证据2证据3融合后 0000a 0.800.100.330.5369b 0.150.750.330.4533a b0.050.150.340.0098图1　D S 融合a 变化情况2　改进的D S 融合算法证据之间发生的严重冲突或完全冲突往往是由于某个或少数证据的严重不相容性引起的。

传统D S 推理组合原则中,冲突系数k 是平均分配的,如果有一个传感器损坏或工作不正常就会影响全局。

受“少数服从多数”的决策思想的启示,在证据合成过程中,引起严重冲突或完全冲突的某个或少数证据的影响作用较小,所以其权重系数就小。

这就需要考虑每个传感器之间的距离,即被其他传感器支持的程度,由距离矩阵建立权重系数向量。

2.1　加权系数的确定文献[6]介绍了几种传感器距离的表示方法,这里采用模糊集理论中的隶属度函数法。

S ∈[0,1]表示传感器的局部决策值(求法在下一节中介绍)。

S 的大小反映了传感器对某一决策k 的支持程度。

D (E 1,E 2)=D (E 2,E 1)=2S i -S j(S i -0.5)(S j -0.5)。

S i 、S j 为传感器i ,j 对某一决策k 的隶属度函数。

为便于进一步处理,将距离矩阵D 归一化D ＊=D /d m a x。

d m a x为距离矩阵中最大传感器距离。

传感器之间距离越大,信任程度越小,距离越接近,信任程度越高。

因此信任矩阵Q 定义为Q =1-D ＊。

要从信任矩阵中得出证据向量的加权系数[7],设βi 为第i 个传感器的综合信任程度,由于Q 是一个非负不可分解矩阵,由P e r r o n -F r o b e n i u s 定理可以知道,βi 为Q T最大模特征值λ对应的特征向量。

由于λ>0,Q 非负,所以βi 横为正,取βi 为第i 个证据的加权系数向量。

由于一个辨识框架有n 个不同焦元,设第i 个传感器对第j 个焦元其系数为βi j 。

则第i 个传感器对整个辨识框架的支持向量为u i =n∏nj =1βi j。

为便于运算,也把n 个权值规一化,令u m a x =7883期赵双龙,等:一种改进的D S 多传感器信息融合故障诊断方法m a x (u i ),规则化之后的权值为u ＊=u i /u m a x 。

2.2　改进后的D S 组合方法对加权之后的基本概率赋值采用如下规则进行融合:m (A ) =∑i ,j :B i ∩C j=A m ′1(B i )m ′2(C j);A ≠ ,θm ( ) =0m (θ) =1-∑i ,j :B i ∩C j≠ m ′1(B i )m ′2(C j)。

其中m ′k (B i)=u ＊k ＊m k (B i),B ≠θ;1-∑B i ≠ u k m k (B i),B =θ。

2.3　局部决策值求法隶属度函数主要由传感器本身的工作特性及被测参数特性而定,对电子电路系统某一特定元器件,当系统正常工时,其关键点电压值应是稳定的,其温度值也是确定数值,元器件出现故障时,一般地说其电压值会偏离正常范围,温度信号也会发生变化(无论是升高还是降低),偏差越大相对来说元器件出现故障的可能性会变大,为讨论方便,同时结合文献[8]的隶属度函数待定系数法及具体的实验结果,定义隶属度函数S i j (x )的分布如图2所示,其表达式如下:S i j =1,x j ≤x 0i j -t i j-(x j -x 0i j +e i j)t i j -e i j,x 0i j -t ij ≤x j ≤x 0i j -e i j 0,x 0i j -e i j ≤x j ≤x 0i j +e i j x j -x 0i j -e i jt i j -e i j,x 0i j +e i j ≤x j ≤x 0i j +t i j1,x j ≥x 0i j +t i j。

其中　x 0i j为电路工作正常时被测元件的正常参数值,　e i j 为待诊断元件参数的正常变化范围,　t i j 为待诊断元件参数的极限偏差,　x j为传感器j 测定的实际数值,　S i j为传感器j 测定被诊断元件i 属于故障的隶属度。

图2　隶属函数分布将S i j归一化,即得基本概率赋值函数3　仿真分析以某电子箱故障诊断数据为依据,四个传感器分别采取四路信号即信号1,2,3,4。

融合四个传感器信息来判断故障a 和故障b 的发生概率。

数据源表如表2。

表2　某电子箱传感器采集数据及故障判定传感器采集信号故障a故障bx 0e t x 0e t 量值信号120020502001030221信号20.90.20.70.90.60.91.53信号341341.525.2信号420152031023.4分别采取传统D S 数据融合方法和改进后的方法进行仿真。

结果见表3。

从表3中可以看出,证据1和2,3和4从表3中可以看出,证据1和2,3和4明显冲突,传统D S 理论得到的结果判定故障为a ,经过求取距离矩阵并转变为加权系数应用后,由表3看出加权后传感器2权重明显降低,传感器3权重最大。

加权后数据经改进后D S 融合后结果为故障b 。

经实际实验判定故障为b 。

可见经过改进后的D S 数据融合理论能够准确判定系统故障。

789科　学　技　术　与　工　程10卷表3　仿真结果比较传感器m()m(a)m(b)m(a b)原始数据100.20800.79020 200.89580.10420 300.30430.68570 400.69230.30770传统D S00.68960.31040加权后100.16940.64500.1856200.62460.07260.3028300.30430.69570400.67380.29950.0267本文00.39600.60200.00204　结论通过分析传统D S证据推理理论中存在的问题,从冲突项入手,分析了冲突失效原因,并利用传感器距离建立支持信任矩阵,重新赋予加权系数,针对电路设备中的故障进行了仿真,结果表明此法相对于传统D S论理论有明显改进。

参　考　文　献1　马国清,赵　亮,李　鹏.基于D e m p s t e r-S h a f e r证据推理的多传感器信息融合及应用.现代电子技术,2003;(19):41—442　朱大奇,刘永安.故障诊断的信息融合方法.控制与决策,2007;(12):1321—13283　朱大奇,于盛林.基于D S证据理论的数据融合算法及其在电路故障诊断中的应用.电子学报,2002;(02):221—2234　李向莉,吕建平.D S证据理论在多传感器信息融合中的改进.传感器技术,2005;(16):16—185　杨万海.多传感器数据融合及应用.西安:西安电子科技大学出版社,20046　L u o RC,L i nM,S c h e r pRS.D y n a m i c m u l t i-S e n s o r f u s i o ns y s t e mf o ri n t e l l i g e n t R o b o t s.I E E EJ o u r n a l o f R o b o t i c s a n d A u t o m a t i o n,1988;4(4):386—3967　叶　清,吴晓平,宋业新.基于权重系数与冲突概率重新分配的证据融合算法.系统工程与电子技术,2006;(07):1014—10818　王　浩,庄钊文.模糊可靠性分析中的隶属函数确定.电子产品可靠性与环境试验,2000;10(4):2—7A nI m p r o v e m e n t Me t h o do f D ST h e o r y o n Mu l t i p l eS e n s o r D a t a F u s i o n a n dF a u l t D i a g n o s i sZ H A OS h u a n g-l o n g,H A OY o n g-s h e n g(D e p t.o f M i s s i l e E n g i n e e r i n g,O r d n a n c e E n g i n e e r i n gC o l l e g e,S h i j i a z h u a n g050003,P.R,C h i n a)[A b s t r a c t]　T h e D S p r o o f t h e o r y i s w i d e l y u s e d i n F a u l t D i a g n o s i s b e c a u s e i t c a n f u s e d a t a f r o mm u l t i p l e s e n s o r s a n d d i s t i n g u i s h t h e s t a t e m e n t o f u n k n o w n a n du n d e f i n i t e.B u t i t s a p p l y i n g i s l i m i t e d s i n c e i t s d i s a b i l i t y o n d e a l i n g w i t h t h e c o n f l i c t p r o o f.S o s u p p o r t i v e m a t r i x b e t w e e n s e n s o r s i s e s t a b l i s h e d i n o r d e r t o s o l v e t h i s p r o b l e m.T h i s m e t h-o d c a n s o l v e t h e c o n f l i c t p r o b l e mi n D S t h e o r y v e r y w e l l t h r o u g h s i m u l i n k.[K e y w o r d s]　D S p r o o f r e a s o n i n g f a u l t d i a g n o s i s d a t a f u s i o n790。