基于主元分析和D-S证据理论的传感器故障诊断与应用
基于D_S证据理论的故障综合诊断方法
技术创新故障诊断您的论文得到两院院士关注基于Ｄ－Ｓ证据理论的故障综合诊断方法ＡＣＯＭＰＲＥＨＥＮＳＩＶＥＤＩＡＧＮＯＳＩＳＴＨＥＯＲＹＢＡＳＥＤＯＮＤ－ＳＥＶＩＤＥＮＣＥＴＨＥＯＲＹ（第二炮兵工程学院５０１教研室）梅振兴张金玉苏勋家ＭＥＩＺＨＥＮＸＩＮＧＺＨＡＮＧＪＩＮＹＵＳＵＸＵＮＪＩＡ摘要：针对单个诊断方法故障信息的模糊性和分散性，建立了基于证据理论的综合诊断方法。
其中融合策略灵活多变，且模型已由单故障模式推广到多重故障模式，使之更适应实际工程诊断需要。
最后应用其对某转子系统故障进行了诊断，结果表明方法行之有效。
关键词：故障诊断；证据理论；信息融合中图分类号：ＴＰ２０６．３文献标识码：ＡＡｂｓｔｒａｃｔ：Ｄｉｒｅｃｔｉｎｇｔｏｔｈｅｆａｉｎｔｎｅｓｓａｎｄｄｉｓｐｅｒｓｉｖｅｎｅｓｓｏｆｆａｕｌｔｄａｔａｏｆｓｉｎｇｌｅｄｉａｇｎｏｓｉｓｍｅｔｈｏｄ，ａｃｏｍｐｒｅｈｅｎｓｉｖｅｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄ－ｏｎｅｖｉｄｅｎｃｅｔｈｅｏｒｙｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｄｉａｇｎｏｓｉｓｔａｃｔｉｃｗａｓａｄａｐｔｉｖｅ，ａｎｄｔｈｅｍｏｄｅｌｗａｓｇｅｎｅｒａｌｉｚｅｄｆｒｏｍｓｉｎｇｌｅｆａｕｌｔｍｏｄｅｔｏｍｕｌｔｉｐｌｅｆａｕｌｔｓｍｏｄｅ．Ｓｏｉｔｉｓｍｏｒｅａｐｐｌｉｃａｂｌｅｉｎｐｒａｃｔｉｃａｌｆａｕｌｔｄｉａｇｎｏｓｉｓ．Ｔｈｉｓｍｅｔｈｏｄｗａｓａｐｐｌｉｅｄｉｎｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆａｒｏｔｏｒｍａｃｈｉｎｅ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｉｔｉｓｅｆｆｅｃｔｉｖｅ．Ｋｅｙｗｏｒｄｓ：ｆａｕｌｔｄｉａｇｎｏｓｉｓ，ｅｖｉｄｅｎｃｅｔｈｅｏｒｙ，ｄａｔａｆｕｓｉｏｎ文章编号：１００８－０５７０（２００７）１０－１－０１５６－０２梅振兴：硕士引言机械设备尤其是大型复杂设备故障机理复杂，故障特征提取困难，故障诊断的模糊性强，其诊断往往不能通过单一手段实现。
D-S证据理论信息融合在故障诊断中的应用
摘
要
介绍 Ｄ—Ｓ证据 理论 信息融合算法的基本原理 ， 究 Ｄ—Ｓ证据理论信 息融合理 论在 电子设 备故 障诊 断中的 研
应用 ， 它可有效地提高故障模式的识别能力 ， 克服单 一信息诊 断的片面性和孤立性 。
关键 词 信息融合
中 图分 类 号
故 障诊 断
Ｄ—Ｓ 据理论 证
信度函数
ＴＯＩ Ｉ ４
维普资讯
第 ３ （ ０ ７ 第 ８期 ５卷 ２０ ）
计 算 机 与 数 字 工 程
１１ ５
Ｄ— Ｓ证 据 理 论 信 息 融 合 在 故 障诊 断 中的应 用
胡冠林 李
（ 中光 电技术研究所 武汉 华 ’
娟
罗 勇
４０３ ） ３０ ３
４０ ７ ） 海军工程大学。 武汉 ３０ ４ （
第３ ５卷
应用的信息融合故障诊断方法有 Ｂ ｙｓ ａｅ 推理 、 模糊 信息融合 、 ｓ Ｄ— 证据推理及神经网络信息融合等。
其关键点 电压 ， 电流信号 ， 判断是否故障 ， 但这种方 法不 仅测 试麻 烦 ， 而且 由于无 法猜 准 哪个元 器件 故
障 ， 须切 割很 多元 器件 才能 诊断 出真 正 的故障元 必 器 件 。而在 不少 情 况 下 是 不允 许 进 行 这 种破 坏 性
诊 断 的 ， 别是 一些 重要 仪器 电路 或正在 运行 的机 特
２ 电子设 备 故 障诊 断 的信 息 融合 技 术
２ １ 信息 融合 与故 障诊 断 ． 信 、 技 术 应 用 到故 障 诊 断领 域 还 是 近些 皂融合
电压或 电流 信号 ， 以准确 判断 是否 有故 障 ， 难 因此 ， 对被 怀 疑元器 件 一般 是割 断其前 后联 系 ， 电测 试 通
基于D-S证据理论的网络设备故障诊断算法
万方数据 万方数据一螳很难锊刚的坫本报臀，报警关联模块则是对多个可能有关系的报管进ｉｔ火联，从而在一定程度上降低误报率。
在实验中主要提取了本地诊断Ａｇｅｎｔ的３个输出属性ｄｅｔｅｃｔｉｏｎｔｉｍｅ、ｔａｒｇｅｔ中的ＩＰ和ｐｏｒｔ作为融合控制代理的输入数据。
对于这３个属性在告警中的权重的设定可以同时使用了基于最大一致性（ＭａｘｉｍｕｍＥｎｔｒｏｐｙ）和最小平均平方误差（ＭｉｎｉｍｕｍＭｅａｎｓｑＩｉａｒｅＥｒｒｏｒ，ＭＳＥＥ）的方法估计权重。
我们用三元组（ｎ，Ｐ，，Ｐ，）表示这三个属性的取值组合，Ｐ。
表示ｄｅｔｅｃｔｉｏｎｔｉｍｅ的权重，Ｐ。
表示ｐｏｒｔ的权重，Ｐ，表示ＩＰ的权重，各个属性的取值在０到１之间，步长为Ｏ．１。
测试在包含２００００条记录的数据集上进行，分别对各个三元组进行测试得到最优值为（０．３，０．５，０．２）。
实验证明，当入侵诊断评价数据集中包含２００００条记录时实验结果趋于稳定。
在测试过程中还对报警的时间相似性差Ｔ（绝大部分攻击的Ｔ值分布在２到３之间）和相似性阈值Ｄ进行了估值，根据实验结果Ｔ取值２．４，Ｄ取值０．７。
表１是实验得到结果的统计。
裹１经数据融合过程后诊断结果统计表表１中各个字段的意义说明如下：Ｉｎｓｉｄｅ：内部网络；ＮＯＦ：诊断到故障设备的数量；ＮＡ：报警数量；ＮＴＦＤ：诊断到的真的故障设备的数量；ＮＲＡ：实际发生的报警数量；ＤＲ：诊断率（ＤＲ＝ＮＴＡＤ／ＮＯＡ）ＦＰＲ：误报率（ＦＰＲ＝１一ＮＲＡ／ＮＡ）．为了更好的评估基于数据融合的入侵诊断系统的诊断性能，又构造了以下实验。
在实验过程中禁用融合控制代理中的事件管理组件，即在入侵诊断过程中除去入侵融合过程，实验得到的结果如表２所示。
衷２未进行数据融合过程的诊断结果统计裹实验结果表明，在确定参数ｄｅｔｅｃｔｉｏｎｔｉｍｅ、ＩＰ和ｐｏｒｔ权重的过程中，注意到了Ｄ—ｓ证据理论对于合成数据的敏感性。
在确定报警的时间相似性差Ｔ的过程中我们最初把设定为２秒或者更小时，结果发现有很多报警没有进行正确的分类，当Ｔ值大于３秒时，发现报警分类出现冗余。
基于D-S证据理论的感应电动机故障诊断分析
包 变换 的频率 划分 特性 ， 对定 子 三相 电流 信 号进 行 小 波包 分 解 ，利 用 节 点 系数 的 均方 根 值 构建 电
动机 转 子故 障的特 征 矢量 （ 证 据体 ） ； 求取 证据体 对 转子 故 障所赋 予 的基本 概 率分 配 函数值 ，然 后 根据 Ｄ— ｓ证 据理 论 融合规 则进 行数 据 融合处 理 ， 实现 对 电动机 转 子 断条 故 障 的准 确 识 别 。用 相似
Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ ： Ｄ — Ｓ Ｅ ｖ ｉ ｄ ｅ ｎ ｃ ｅ Ｔ ｈ ｅ ｏ ｙ； ｒ ｉ ｎ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｍ ｏ ｔ ｏ ｒ ；ＷＰ Ｔ（ Ｗａ ｖ ｅ ｌ ｅ ｔ Ｐ ａ ｃ ｋ ａ ｇ ｅ Ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ） ； ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ
・
３ ６・
煤
矿
机 电
２ ０ １ ３ 年第 ６期
基于 Ｄ ． Ｓ证 据 理 论 的感 应 电动 机 故 障诊 断 分 析
刘 怀 宇
（ 中国矿业大学 现代分析计算 中心 ， 江苏 徐州 ２ ２ １ １ １ ６ ）
摘
要： 采用 Ｄ — ｓ证 据理 论对感 应 电动机 进 行 转子 断条 和 定 子 匝 间短 路 的 故 障诊 断。 基 于 小 波
Ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ） ， ｔ ｈ ｅ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｓ ｉ ｇ ｎ ａ ｌ ｏ ｆ ｓ ｔ ａ ｔ ｏ ｒ ’ Ｓ ｔ ｈ ｒ ｅ ｅ ｐ ｈ ａ ｓ ｅ ｓ ｉ ｓ ｄ ｅ ｃ ｏ ｍ ｐ ｏ ｓ ｅ ｄ ｂ ｙ ＷＰ ｒ Ｉ 、 ，ａ ｎ ｄ ｔ ｈ ｅ ｎ ｔ ｈ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ
D—S证据理论在多传感器故障诊断中的改进及应用
东 南 大 学 学 报 （自然科 学版 ）
Ｊ Ｒ ＯＵ ＮＡＬＯ Ｏ Ｈ Ａ ＴＵ ＶＥ ＳＴＹ （ ｍｒ ｃｅｃ ｄ ｉｎ Ｆ Ｓ ＵＴ Ｅ Ｓ ＮＩ Ｒ Ｉ Ｎａ ａ Ｓ ｉ ｅＥ ｉｏ ） ｌ ｎ ｔ
Ｖｏ ． Ｓｕ １４１ ｐ
（ Ｓ ｈｏ ｆ ｌｃｉａ Ｅ ｇｎｅ ｎ ，Ｓ ａｇ ａ Ｄｉ ｊ Ｕｎｖｒｔ Ｓ ａｇ ａ ２ ０４ Ｃ ｉａ ｃｏ ｌ ｅｔｃｌ ｎ ｉｅｒ ｇ ｈｎ ｈｉ ａ ｉ ｉｅｓｙ， ｈｎ ｈ ０２ ０， ｈｎ ） ｏＥ ｒ ｉ ｎ ｉ ｉ
Ａｂｓｒ ｃ ：Ｉ ｒ ｅ ｏ ｓ ｌ ｅ ｔ ｅ ｐｒ ｂ ｅ ｔ ｔ１ Ｓ ｉ ｃ ｎｓｓｅ ｔ ｗｉ ｈｅ ｆ ｃ ｓ ｗｈ ｎ ｔ ｅ ｃ ｎｖ ｎ ｉ ｎ ｌ ｔ ａ ｔ ｎ ｏ ｄ ｒｔ ｏ ｖ ｈ ｏ ｌ ｍ ｈａ ｔＩ ｎ ｏ ｉｔｎ ｔ ｔ ａ ｔ ｅ ｏ ｅ ｔｏ ａ ｈ ｈ ｅ ｉ ｅ ｃ ｅ ｒ ｓｕｓ ｄ ｔ ｅ ｌｗｉ ｖ ｄ ｎ ｅ ｆｈ ｇ ｏ ｆｉｔｉ ｈｅ ｍ ｕ ｔ—ｅ ｓ ｒｉ ｆ ｒ ａｉ ｎ ｆ ｉ ｎ ｖ ｄ ｎ ｅ ｔ ｏ ｙ ｉ ｅ ｏ ｄ ａ ｔ ｅ ｉ ｅ ｃ ｓｏ ｉ ｈ ｃ ｎ ｃ ｎ ｔ ｌｉｓ ｎ ｏ ｎ ｏ ｍ ｔ ｕｓｏ ｈ ｈ ｌ ｏ
ｆｕｔ ｉｇ ｏｉ ｓｓ ｍ． ｈｓ ａ ｅ ｉｔ ｄ ｃ ｓｈ ａｉ ｆ ｍ ｗ ｒ ｆ ｈ ｅ ｓ ｒ ｈｆｒ（ Ｓ ｖ ａｌｄａ ｎ ｓ ｔ Ｔ ｉ ｐｐ ｒｎｒ ｕ ｅ ｅｂ ｓ ｒ ｅ ｏｋｏ ｅＤ ｍｐｔ — ａｅ Ｄ— ）ｅ ・ ｓｙ ｅ ｏ ｔ ｃ ａ ｔ ｅＳ
ｉ ｅ ｃ ｅ ｙ ｎ ｎａｙ ｅ ｈｏ ｔｏ ｎ ｓ ｉ ｎ ｎ ｉ ｈ ｂｅｉ ｖ ｒ ｂ ｂ ｌ ｙ ｔ ａ ｌ ｓ ｕ ｃ ｆｓ ｌ ｄ ｎ ｅ ｔ ｏｒ ａ ｄ ａ ｌ ｚ ｓ ｓ ｒｃ ｍｉ ｇｓｏｆａ ｓｇ ｉ ｇ ｈ ｇ ｌｅ ｅｐ ｏ ａ ｉｉ ｏ ｆ ｕ ｔ ｏ ｒ ｅ ｏ ｍａ ｌ ｈ ｔ
基于D-S证据理论的多传感器目标识别信息融合方法
冲突因子 ｋ 客观地反 映了证 据间冲突 的程度 ， 多传感 从 器 目标识别 系统角度来说 ， 它代表各个传感 器所提供 信息的 冲突程度 ， 如何处 理证据 问 的冲突 ， 是运用 Ｄ Ｓ证据 理论准 － 确进 行 目标识 别 的关 键 。０ ≤１ 当 ＝１时 ， 表 两个证 ≤ｋ ， 代 据 间完全 冲突。Ｄ— Ｓ证据理 论通 过归 一 化因 子 （ １一ｋ 忽 ） 略了证据 问的冲突 ， 但是 当信息 源之 问 的冲突非 常显著 时 ， 其组合的最后结果可能产生有悖常理 的结论 。 例 １ 设识 别框 架 为 Ｈ＝｛ Ｂ， ， ２个 证据 ｍ Ａ， Ｃ）有 和
， Ａｎ Ｃ Ｈ
同类 的传感 器提供的信息加以综合 ， 弥补 了单一传 感器 的局
Ａ１ｎ Ｎ Ａ １＝ Ａ
限… 。多个传感器 中的信 息往 往含 有一定 的不确 定性 和模
糊性 ， 甚至 由于传感器特性 的不一 ， 同一个 目标 ， 对 不同特性
其 中 ， 为 冲 突 因 子 ， 达 式 为 ＝ Ａ ｌ， ∑ｎＣ Ｈ ｍ Ａ ） 表 ， （ … ＾
１ Ｄ－ 据 推 理 理 论 Ｓ证
１ １ Ｄ Ｓ融 合 准 则 ． —
Ｄ ｍ ｓ ｒ １６ 首 先 提 出 Ｊ 构 造 不 确 定 性 模 型 的 一 ｅ ｐｔ 于 ９ ７年 ｅ ，
ｍ，Ａ ＝ ０ ＩｌＢ） ＝ ０Ｏ ， （ ） ＝０ ９ （） ，／（ Ｔ ， ． １ ｍ１ Ｃ ．９ 由式 （ ） — １ Ｄ Ｓ组 合 规 则 计 算 得 ： （ ｍ Ａ）＝ｍ（ Ｃ）＝０ ， ｍ（ ）＝１ 显然 这 个 结 论 是 不 合 理 的 ， 为 ２个 证 据 对 Ｂ 的 。 因
该 方 法 在 用 于 多 传 感 器 目标 识 别 系 统 的有 效 性 和 优 越 性 。
改进的D-S证据理论在电路故障诊断中的应用研究
１ 引言
随着 电路 结构 的 日趋复 杂 ， 对 大型 复 杂设 备 在 系统运 行状态 进行 监测 时 ， 由于保 ห้องสมุดไป่ตู้ 和 断路 器存 在
准确率得 以提高 。
关键词
电路 ； Ｓ 据理论 ； Ｄ－ 证 故障诊断
Ｔ ３１ Ｐ ９
中 图分 类号
Ａｐ ｌｃ ｔｏ ｓ ａ ｃ ｎ Ｉ ｐ ｏ ｅ Ｓ Ｅｖ ｄ ｎ ｅ Ｔｈｅ ｒ ｐ ｉ ａ ｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｍ ｒ ｖ ｄ Ｄ— ｉ ｅ ｃ ｏｙ
素的影响， 会导致融合 过程 中存在着 各种不确定 性。在各种非精确推理技术 中， － Ｄ Ｓ证据理论凭借
自身 的特 点 ， 对 不 确 定信 息 的描 述 采 用 “ 如 区间估 计” 而不 是“ 估计 ” ， 点 的方 法 ， 区分不 知 道 与不 确 在 定方 面 以及精 确 反 映 证 据 收集 方 面显 示 出 很 大 的
误动、 拒动以及 因信道干扰发生信息丢失等诸多不 确 定性 因素 ， 得仅 利用 单一 传感 器 进行 状 态监 测 使
与故 障诊断 时很 难 得 到精 确 的结 果 。在 进 行 状 态
灵活性 ， 在处理不确定性 问题时具有独特 的优势。
２ Ｉ＿ 据 理 论 ）Ｓ证
设 Ｕ 为互 斥 且 穷 举 的 元 素 组 成 的命 题 集 合 ，
感 器 的精 度 、 部环 境影 响 以及 数据 的后处 理等 因 外
为 Ａ的基本可信数。设 ｍ ， …， ｍ ， ｍ 是识别框架 ｕ上的基本概率 ， 多概率分配函数正交和 一 ｏ
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
%
（)） （+） （"）
［ ’()$ * " % （ ｝ （ ， * ’］ * ’( * ’） ’( #( $ "& ） "$ # ｛
’
定义的函数， ［!， 是联合后的信度函数分配： !： (%& ’］ （ 3） ! #
3 + 3 %4 & $
（) （ ， …， ,$ # * " )! - # ’， (， ’ ! $ " $ $） - " - -）
析与处理， 目标自动识别， 工业现场的参数检测等 + 但真正将 多传感器数据融合应用于故障诊断， 利用多传感器融合的综 合信息提高故障识别能力的研究报道还较少， 本文将数据融 合技术引入到电子电路故障元件的搜寻之中， 通过测试电子 电路工作时电子元件的温度和关键点电压两方面的数据信 息， 结合 !"# 证据理论和模糊数学进行数据融合， 从而准确搜 寻出故障元件 + 并将单传感器诊断结果与融合诊断结果进行 比较， 讨论其在故障诊断准确率方面的优越性， 给出具体的实 验结果和结论 +
第%期 %’’% 年 % 月
电 子 学 报 0T,0 UVUT,WXPST0 #SPST0
YB< + *’ PB+ % Z9F+ %’’%
基于 !"# 证据理论的数据融合算法 及其在电路故障诊断中的应用
% 朱大奇$， ， 于盛林$ （$& 南京航空航天大学测试工程系， 江苏南京 %$’’$(； 安徽马鞍山 %)*’’%） %& 安徽工业大学工业自动化系，
’( &am作正常时被测元件的正常参数值， /&$ 为待诊断元件参数的正常变化范围， 0&$ 为待诊断元件参数的极限偏差， 1$ 为 $&$ 为传感器 $ 测定被诊断元件 & 属于故障的隶属度， 传感器 $ 测定的实际数值 # %&’ 融合及故障判定原则 ［"］ ， 设 !’ ， !"$"( %&’ 融合 根据 /01 联合规则 !( 分别对应 同一识别框架 % 上的信度函数分配， 焦元分别为 3’ ， …， 3( ， !"$ …， 设 " ｛!（ ｝2 ’， 则由下式 3- 和 4’ ， 4( ， 4- ， !（ ’ 3& ） ( 4$ ） # 3& 4$
基于D-S证据理论的多传感器目标识别应用
基于D-S证据理论的多传感器目标识别应用
杨帆;刘畅
【期刊名称】《武汉工程大学学报》
【年(卷),期】2009(031)001
【摘要】以目标识别为背景,详细阐述了Dempster-shafer(D-S)证据理论方法的原理、多传感器信息融合的实现方法.并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别.从识别结果可以看出,这是一种识别目标的有效方法.
【总页数】3页(P73-75)
【作者】杨帆;刘畅
【作者单位】武汉工程大学电气信息学院,湖北武汉430074;武汉工程大学电气信息学院,湖北武汉430074
【正文语种】中文
【中图分类】TP212
【相关文献】
1.基于D-S证据理论的多传感器目标识别信息融合方法 [J], 尹德进;王宏力;周志杰
2.基于神经网络与D-S证据理论的多传感器目标识别技术 [J], 肖婷婷;张冰
3.基于统计证据的Mass函数和D-S证据理论的多传感器目标识别 [J], 王俊林;张剑云
4.基于加权D-S证据理论的分布式多传感器目标识别 [J], 惠增宏
5.基于神经网络的D-S证据理论应用于多传感器目标识别 [J], 李玉榕;蒋静坪;杨富文
因版权原因，仅展示原文概要，查看原文内容请购买。
D-S证据理论信息融合在故障诊断中的应用
D-S证据理论信息融合在故障诊断中的应用
胡冠林;李娟;罗勇
【期刊名称】《计算机与数字工程》
【年(卷),期】2007(035)008
【摘要】介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.
【总页数】3页(P151-153)
【作者】胡冠林;李娟;罗勇
【作者单位】华中光电技术研究所,武汉,430074;海军工程大学,武汉,430033;海军工程大学,武汉,430033
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于D-S证据理论信息融合的轨道电路故障诊断方法研究 [J], 李娜;董海鹰
2.基于D-S证据理论信息融合的转辙机故障诊断方法研究 [J], 董海鹰;李娜
3.基于D-S证据理论信息融合的电梯故障诊断方法研究 [J], 李娜;王自励
4.基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究[J], 荣海春;万鑫森;吴有恒;李劲松
5.基于神经网络和D-S证据理论的信息融合故障诊断方法 [J], 朱汗青;马振书;孙华刚
因版权原因，仅展示原文概要，查看原文内容请购买。
基于DS证据理论的智能故障诊断方法
能故障诊断系统的系统结构 ,如图 1 所示 。
所定义的函数 B el ( A ) 为识别框架 Ω 上的信度函 数 ( Belief f unction) 。信度函数 B el ( A ) 表示对 A 的总 的信任程度 。 Ω 定义 4 设 Ω为识别框架 , m ∶ 2 →[ 0 ,1 ] 为识别框 架 Ω上的基本概率分配 ,则称由
民邮电出版社 ,2004.
[7 ] L UO H , YAN G S L , FU C , et al. A new evidence combination rule based on t he suppo rt degree of focal element [ C ]. The 4rd Internatio nal Conference on Fuzzy Systems and Knowledge Discovery , 2007.
表1 4 个证据体的基本概率分布 证 据
E1 F1 F2 F3
个证据源的基本概率分配 。 p ( A ) 表示一致性证据的 合成结果 , k ( A ) 表示冲突证据对焦元 A 的支撑程度 , w ( A ) / w (Θ ) 表示焦元 A 在冲突证据中权重 ,则
m ( A) = p ( A) + k ( A)
进一步发展起来的一种不精确推理理论 , 也称为 DS 证据理论 。DS 证据理论通过引进信任函数 , 把不确定 和不知道区分开来 ,能够在先验概率未知的情况下 , 以 简单的推理形式 ,得出较好的融合结果 , 为不确定信息
3 基金项目 : 国家自然科学基金 (70631003 ,70471046) ,教育部博士点基金 (20040359010) ,安徽省自然科学基金 (070416241) © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
基于PCA神经网络和D-S决策的瓦斯传感器故障辨识
基于PCA神经网络和D-S决策的瓦斯传感器故障辨识黄丹;徐平安;王其军;任玉东;严彬【摘要】针对瓦斯传感器故障诊断时,存在提取的样本数据空间维数大、诊断实时性差、诊断结论的识别能力低和存在不确定性的问题,提出了一种基于主元分析(PCA)-神经网络和D-S证据理论集成的故障诊断策略.使用主元分析方法对高维故障样本空间数据进行降维,再结合神经网络分类器进行故障模式识别.并且运用DS 证据理论对神经网络分类器的故障诊断结果进行数据融合.仿真实验表明:该诊断方法改善了神经网络对瓦斯传感器故障诊断准确率的同时提高了诊断速度,并且降低了故障结论的不确定性以及提高了结论的识别与决策能力.【期刊名称】《仪表技术与传感器》【年(卷),期】2015(000)003【总页数】5页(P99-103)【关键词】瓦斯传感器;故障诊断;主成分分析;神经网络;DS证据理论【作者】黄丹;徐平安;王其军;任玉东;严彬【作者单位】安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学电气与信息工程学院,安徽淮南 232001;淮南职业技术学院,安徽淮南232001;安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学电气与信息工程学院,安徽淮南 232001【正文语种】中文【中图分类】TP212瓦斯气体浓度的监测是煤矿安全监测的重要指标之一。
瓦斯传感器也就成了煤矿安全的重要仪器。
目前我国煤矿井下大都使用带有载体催化元件的瓦斯传感器。
但由于井下环境恶劣，导致瓦斯传感器的卡死故障、冲击故障、漂移故障、周期故障等常见故障频发。
因此研究瓦斯传感器的故障诊断方法，对提高煤矿安全监测系统的可靠性有着极其重要的作用[1]。
目前在煤矿安全监测系统中常采用的诊断方法有粗糙集与证据理论的结合，粗糙集与神经网络的结合等。
其中粗糙集在原始故障数据的预处理方面已经得到很好的运用，它在处理冗余数据有其长处，而不足之处在于对噪声的敏感。
基于加权D—S证据理论信息融合的故障诊断方法及其应用
ｅ ｉ ｅ ｅ ｔ ｅ ｒ ｎｄ ｉｓ ａ ｌｃ ｔｏ ｖ ｄ ｎｃ ｈ ｏ ｙ ａ ｔ ｐｐ ｉ ａ ｉ ｎ
Ｑｉ ｕ ｐｎ ， ａ ｇ Ｄｏ ｇ ｉｇ ， ｉ ｏ ， ｕ Ｗ ｅｘａ 。 ｏ ｇ ｏ ’ ｉｉｇ Ｓ Ｗ ｎ ｎ ｍ ｎ Ｌ ｕ Ｔａ Ｃｈ ｉｉｎ Ｙｕ Ｈ ｎ ｂ
Ａｂ ｔ ａ ｔ Ａｉ ｎｇ ａ ｈｅ ｄ ｆｉ ｕ ｔ ｎ ｆ ｕｌ ｉ ｇ ｓ ｓｃ ｕｓ ｄ ｂ ｎ ｕ ｆｃ ｅ ｙ ｏ ａ ｌ ｅｐｒ ａ ｉｉｙ ｆ ｒｔ ｓ ｒ ｃ ： ｍｉ ｔｔ ｉｆｃ ｌｙ ｉ ａ ｔｄ ａ ｎｏ ｉ ａ ｅ ｙ ｉ ｓ ｆ ｉｉｎｃ ｆｆ ｉｕｒ ｏｂ ｂ ｌｔ ｏ ｈｅ ｎｅ ｐ ｏｄ ｔ ｆ ｕ ｔ ｉ ｇ ｓｓ ｗ ｒ ｕｃ ，ａ ａ ｌ ｄ ａ ｎｏ ｉ ｍｅ ｈ ｂ ｓ ｄ ｔ ｏｄ ａ ｅ ｏｎ ｍ ｕ ｔ—ｎｆ ｍａ ｉ ｎ ｕｓｏ ｗｉｈ ｈｅ ｌｉｉ ｏｒ ｔｏ ｆ ｉ ｎ ｔ ｔ ｗｅｇ ｅ Ｄ— ｉ ｈｔ ｄ Ｓ ｅ ｉ ｅ ｅ ｔ ｏ ｙ ｗａ ｏ ｓ ｄ， ｖ ｄ ｎｃ ｈｅ ｒ ｓｐｒ ｐｏ ｅ ｗｈｉｈ ｗａ ｅ ｏ ｄ ａ ｔ ｈｅｐｒ ｂｌ ｍ ｈｅｌ ｃ ｆｆ ｕｌ ｒ ｂａ ｌ ｙ ｃ ｓｕｓ ｄ ｔ ｅ ｌｗｉｈ ｔ ｏ ｅ ｏｆｔ ａ ｋ ｏ ａ ｔｐ ｏ ｂｉｉ ｔ ｄ ｓ ｒｂ ｉ ｏ ｅ ｏｒ ｈｅ ｉ ｔ ｉ ｕｔｏｎ ｍ ｄ Ｉ ｔ ｎｏ — ｆｅ ｔｖ ｏｆ ｔ ａ ｃ ｒ ｔ ｍａ ｈｅ ａ ｉａＩ ｎａ ｙ ｉ．Ｉ ｏ ｄｅ ｔ ｒ ｇ ａ ｅ ｎ ｅｆｃｉｅ ｈｅ ｃ ｕ ａ ｅ ｔ ｍ ｔｃ ａ ｌ ｓ ｓ ｎ ｒ ｒ ｏ ｅ ｕｌ ｔ ｃ ｆｄ ｎ ｅ ｄ ｇｒ ｅ ｏ ｈｅ ｐ ｅ ｅ ａ ｌ ｉ ｇ ｓｓ ｅ ｔｍａ ｉ ｎ ｂ ｅ ｏ ｈｅ ｐａ ｔａ ｃ ａ ｙ ａ ｏｕ ｈｅ ｆ ｕｌ ｏｎ ｉ ｅ ｃ ｅ ｅ ｆｔ ｒ ｓ ｎｔｆ ｕ ｔ ｄ ａ ｎｏ ｉ ｓ ｉ ｔｏ ｙ ｕｓ ｆ ｔ ｓ ｃ ｕｒ ｃ ｂ ｔｔ ａ ｔ ｄ ａ ｎｏ ｉ ｔ ｉ ｅ Ｓ ｅ ｄ ｎ ｅ ｔ ｅ ｒ ｓ ｐｐ ｉｄ ｉ ｇ ｓｓ， ｈｅ ｗｅｇｈｔ ｄ Ｄ－ ｖｉ ｅ ｃ ｈ ｏ ｙ ｗａ ａ ｌｅ ．Ｔｈｅ ｍｏ ｆｅ ｆ ｕｌ ｉ ｇ ｓ ｓ ｗｉｈ ｔ ｐ ｓ ｄｉｉ ｄ ａ ｔ ｄ ａ ｎｏ ｉ ｔ ｈｅ ａ ｔ
改进D—S证据理论在多传感器信息融合中的应用
① ｍ （ ） ＝ ０ ； ②∑ｍ ） ＝ １ ； ③１ ≥ ｍ （ Ａ ） ≥ ０ ， Ｖ Ａ ∈ ０ 。
＾ ｏ
则 称 ｍ 为识别框架 ０ 上的基本可信度分配 函数 ．
ｃ ｅ ｒ ｎ ｍｅ ｎ ｔ ） ， 一般用 ０表示 ， ０＝ ｛ Ａ１ ， Ａ ２ ， …， Ａ ｝ 其 中 Ａ代 表辨别框架 中任一子集 这个集合具 有完备性和互斥
性． 即 这 个 集 合 中包 含 了解 决 这个 问 题 的 所 有 的 答 案 ．
且各个 元素之间是互斥 的 ．判别 的结果在任 意时刻 只
１ Ｄ — Ｓ证 据 理 论概 述
１ ． １ 基 本 概 念
证 据 理论 首先 是 由 Ｄ ｅ ｍ ｐ ｓ ｔ ｅ ｒ于 ２ ０世 纪 ６ ０年 代 中后期 提 出．随后 由其 学生 Ｓ ｈ ａ ｒ ｅ ｒ 于２ ０世 纪 ７ ０年代
后 期 扩 充 和 完 善 而 形 成 的 一 种 用 于 不 精 确 推 理 的 理
子 电路 的故 障诊 断 。 通 过 该 实例 表 明 ， 与 Ｄ－ Ｓ 、 Ｙａ ｇ ｅ ｒ 、 邓 勇 等 方 法相 比 ， 提 出 的 改进 方 法 更 好地 处理高冲突证据 ， 且 具 有 更 好 的 解释 性 。 关键词 ： Ｄ— ｓ 证 据理论 ； 证据 强度 ； 故 障 诊 断
１ １ １ ２ （ Ｂ ２ ） ｍ ２ （ Ｂ ｋ ） ｍ ２ （ Ｂ ｉ ）
Ｂｅ ｌ （ Ａ） ＝ ｒ ｅ（ Ｂ） ， ＡＣ ＿Ｏ
Ａ
＋Ｌ ＾
图 ２ 各 焦 元 对 应 的 基 本 信 度 分 配
ｌ
基于主元分析的传感器故障诊断
１２ 故 障检 测和诊 断策 略 ． ＰＡ用于故 障检测 时 ， Ｃ 主要 采用 平方 预 报 误 差 ＳＥ ＹｕｒｄＰｅｉｉ ｒｒ来 监 测 数据 的相 Ｐ （ ａ ｒ ｃｏ Ｅｒ ） Ｎ ｅ ｄ ｔｎ ｏ 关 性 ＳＥ通 常描述 为 Ｐ ＳＥ：Ｅ Ｅ ： ｌ ：ｊ （ Ｐ ｌ ｌ Ｅ ，一Ｐ Ｐｊ （１ ５ 当 ＳＥ太于某 阈值 （ 从领域 内 争家或 实验 Ｐ 可 仿真 得到 ） ， 时 可判 断其 相 关性被 破坏 、 即认 为故 障出现 假设 正 常的数据 为 ， 出现 异常 ｄ 时 ． Ｘ 传感
主元 分析 采用 的是 把 高 维 信 息 投 影 到 低 维 子空 间 ， 保留主要 信 息 的方 法 。Ｐ Ａ最早 是 由 并 Ｃ Ｐａｓｎ于 １０ 年 提 出 的 。Ｐ Ａ主要 是用 于 描 ｅｒ ｏ ９１ Ｃ 述单个 数 据 矩 阵 中 的数 据 的 变 动 情况 。 ＰＡ 首 Ｃ 先算 出一 个向量 ， 称作第 一 主元 （Ｃ ）用 于描述 Ｐ Ｉ， 数据 最大 的变动 方向 ，第 二 主元 （Ｃ ） 第一 主 Ｐ２与 元 正交 ， 描述 剩余 变动 中 的最大 方 向。在 三维 空 间 中 、Ｃ Ｐ Ａ的一 个几何 解 释 由图 １ 出 ， 中 ， 给 其 数
（） ４
传感 器进行故 障检测 和诊 断 时 ， 要诊 断的传 感 需 器较多 ， 于一 般的控 制 系统 难 达 到 。笔者 将 对 采用对系 统 输 入 和传 感 器 测 量 到 的数 据 系列 进 行 主元 分析 的方法 ， 立 传感 器 问的 预测 模 型来 建 达 到传感 器故 障检测 和诊 断的 目的 。
文 章 编号 ：ｌ ７ １ Ｘ ２ｆ ）２— ０７— ３ ｔ ４ （０２Ｏ ０ ５ ０ ３ ０ ４
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词 ：主元 分析 ；Ｒ Ｆ神 经 网络 ； Ｓ理论 ；故 障诊 断 Ｂ Ｄ— 中图分 类号 ：Ｔ ２ ２ Ｐ １ 文献标 志码 ：Ａ 文章编 号 ：１０ —６ ５ ２ １ ）４ １ １ — ３ ０ １３ ９ （ ０ １ ０ —３ ５ ０
ｄ ｉ １ ３ ６ ／ｉｉｓ ． ０ １３ ９ ． ０ １ ０ ． ３ ｏ ：０． ９ ９ ．ｓｎ １ ０ —６ ５ ２ １ ． ４ ０ ３
ｐ ｉ ｃｐ ｌｃ ｍｐｏ ｎ ｎ ｌｓｓａ Ｓ ｔ ｏｙ ｃ ｎ ｂｅｃ ｒｅ ｔ ｏ ａｅｄ ａ ｄ ａ ｃ ｒ ｔｌ ｓ ｌｔ ｈ ａｌ ｒ ｆｓ ｎ ｏ ｓ ｒｎ ｉ ａ ｏ ｎｅ ｔａ ａ ｙ ｉ ｎｄ Ｄ． ｈｅ ｒ ａ ｏ ｒ ｃｌ ｌ ｃ ｔ ｎ ｃ ｕ ａｅｙ ｉｏａｅ ｔ ｅ ｆｉｕ ｅ ｏ ｅ ｓ ｒ ． ｙ
性 和 准 确 性 ， 经 神 经 网 络 和 Ｄ Ｓ证 据 理 论来 对 处 理 后 的数 据 再 —
障诊断技术主要有基于物理冗余 的方法 和基于解 析冗 余 的方
Ａｂｓｒ ｃ ： Ｂｅ ａ ｅ ｔｅ ｔｐｅ ｓ ｎ ｏ ｏ ｄ ｒ ｒｕｎ ｏ ｌ ｘ，ｔ ｅ ｍｅ ｓ ｒ ｄ ｐａａ ｔｒ ｆｔ ｅ ｄ ｔ ｒ ｕ ｅ，ｕｓ ｄ ｐ ｎ ｉａ ｔａ ｔ ｃ ｕｓ ｈ ｙ ｅ ｓ ｒｆｒｕｎ ｅ ｇ ｏ ｄ ｃ ｍｐ ｅ ｈ ａ ｕ ｅ ｒ ｍｅｅ ｓｏ ｈ ａａ ｗｅ ｅ ｈ ｇ ｅ ｒ ｃｐ ｌ ｉ ｃ ｍｐ ｎ ｎ ｎ ｌｓｓｔ ｅ ｕ ｅ ｔ ｉ ｎｓｏ ｆｔ ｅ ｄ ｔ． Ｕｓ ｖ １ ａａ ｆ ｉｎ． ｏ ｏ ｅ ｔａ ａｙ ｉ ｏ ｒ ｄ ｃ ｈｅ ｄｍｅ ｉｎｓｏ ｈ ａａ ｅ ｅ ｒ ｌｎ ｔ ｒ ｏ ｃ ｒｙ ｏ ｔｔｅ ｆａｕｒ ｅ ｅ ｔ ｕｓｏ ｄ
付 华， 梁明广 ， 康海潮
（ 宁工程技 术 大学 电气与控 制工程 学 院， 宁 葫芦 岛 １５０ ） 辽 辽 ２ １５
摘 要 ：针 对井下传 感 器状 态类型复 杂 多变、 被测 参量数据 庞 大等问题 ， 用主 元分析 法对数据 进行 降 维处理 。 采
利 用 Ｒ Ｆ神经 网络 实现特 征层数据 融合 ， 建立基本信 任分 配 函数 ， 以证据 理论 对非精 确信 息 的表 示和推 理 Ｂ 并 再 优 势 ， 效 实现 了故障检测 和分 离。 实例仿 真表 明， 用主元 分析 和 Ｄ ｓ理 论 能正 确定位 并准确 分 离 出失效传 有 利 —
Ｋ ｙｗｏ ｄ ：Ｐ Ａ ｐｉｃ ａ ｃｍ ｏ ｅ ｔ ａ ａ ｓ ） Ｂ ｅ ｒ ｅ ｏ ； — ｅ ｒ ； ａ ｌ ｄａｎ ｓ ｅ ｒ ｓ Ｃ （ ｒ ｉ ｌ ｏ ｐ ｎ ｎ ｎ ｌ ｉ ；Ｒ Ｆ ｎ ｕ ａ ｎ ｔ ｒ Ｄ Ｓｔ ｏｙ ｆ ｔ ｉ ｏｉ ｎ ｐ ｓ ｙｓ ｌ ｗ ｋ ｈ ｕ ｇ ｓ
Ｂａ ｅ ｎ ｐ ｉｃｐ ｌｃ ｍｐ ｎ ｎ ｎ ｌ ｓｓ ａ ｄ Ｄ－ ｖｄ ｎ ｅ ｔｅ ｒ ｎ ｓ ｄ ｏ ｒｎ ｉａ ｏ ｏ ｅ ｔａ ａｙ ｉ ｎ Ｓ ｅ ｉ ｅ ｃ ｈ ｏｙ ａ ｄ ａ ｐ ｉａｉｎ ｏ ｅ ｓ ｒｆｕｔｄａ ｎ ｓｓ ｐ ｌ ｔｏ ｆｓ ｎ ｏ ａ ｌ ｉｇ ｏ ｉ ｃ
Ｆ Ｈｕａ，ＬＩ Ｕ ＡＮＧ ｉ —ｕａ ｇ，ＫＡＮＧ ｉｃ ａ Ｍ ｎｇ ｇ ｎ Ｈａ— ｈ ｏ
（ ａｕ）ｏ ｌｔｃｌ Ｃ ｎｒｌ ｎ ｉｅｒ ｇ， ｉ ｎｎ ｅｈ ｉ ｌ ｎ ｅ ｉ＂ ｕｕａ ｉｏｉｇ１５０ Ｃ ｉ ） Ｆ ｅｌ ｆＥｅ ｒａ ＆ ｏｔ ｇｎｅｎ Ｌａ ｉ Ｔｃｎｃ ｗｍＯ，Ｈ ｌｄ ｏＬａｎｎ ２ １５， ｈｎ ｔ ｃｉ ｏＥ ｉ ｏ ｇ ａＵ ａ
ｔ ｉａ ｅ ｒｔ ｎ ｒ ｔ ｎ． ｅ ｌ ｅ ｈ ａ ｌ ｄ ｔｃｉｎ ａ ｄ ｉ ｌｔ ｎｃ ｐ ｂｌ ｉｓｅｆ ｃｉｅｙ ｈ ｉ ｌｔ ｎｓ ｏ ｈ ｔ ｈ ｓ ｆ ｏ ｎ ｃ ｕ ａ ｅ ｉｆ ｍａ ｉ ｏ ｏ ｒ ａｉ ｄ ｔｅ ｆｕ ｔ ｅｅ ｔ ｎ ｓ ａ ｉ ａ ａ ｉ ｔ ｆ ｔ ｌ ．Ｔ ｅ ｓ ｚ ｏ ｏ ｏ ｉｅ ｅ ｖ ｍｕ ａｉ ｈ ｗｓｔａ ｅｕ ｅｏ ｏ ｔ
＿
ａ ｄ ｅ ｔ ｂｉｈ ｄ ｄｉｔ ｂ ｉｎ ｆ ｎｃｉｎ ｏ ａ ｉ ｒ ｔ ｕｔ ｅ ｓ ｄ ｔｅ ｅ ｉｅ ｅ ｔ ｏｙ ａ ｖ ｎａ ｅ ｏ ｅ ｒ ｓ ｎａ ｉｎ ａ ｄ ｒ ａ ｏ ｉｇ ｎ ｓａ ｌｓ ｅ ｓｒ ｕｔ ｕ ｔｏ ｆｂ ｓｃｔｕｓ ，ｆ ｒｈ ｒｕ ｅ ｈ ｖｄ ｎｃ ｈｅ ｒ ｄ ａ ｔｇ ｆｒ ｐ ｅ ｅ ｔｔｏ ｎ ｅ ｓ ｎｎ ｉ ｏ
第２ ８卷 第 ４期
２１ ０ １年 ４月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｍｐ ｔ ｒ ｐ ｉ ｔ ｓ ａ ｃ ｆＣｏ ｕｅ ｓ ｃ ｏ
Ｖ０ ＿ ８ Ｎｏ ４ １２ ． Ａ ｒ ２ １ ｐ ． ０１
基 于 主 元 分 析 和 Ｄ Ｓ证 据 理 论 的 — 传 感器 故 障诊 断 与应 用 米
果。然而， 一方面 ， 上述传感器故 障诊断方法在故障诊 断的快
０ 引言
井下有 害气体传感器 的工作状 态对于煤 矿安全生产 能起 到很大的作用 ， 因而对其故障诊断就显得尤为重要 。传感器故
速性 和准确性方面存 在很大不 足； 另一方 面， 传感器信 号的有 效性是控制 系统和操作人员了解过程状 态以及诊断其他 过程 故 障的基础 ， 一旦 出现故障将 造成连锁反应 。正是在上述背景 下， 本文通过结构优化来 提高基 于 Ｐ Ａ故 障诊断 方法的快速 Ｃ