雷高偉，張清華，馬春燕，孫國璽，熊建斌

(1.太原理工大學 信息工程學院，太原 030024；2.廣東省石化裝備故障診斷重點實驗室，廣東 茂名525000)

基于信息融合的二重并發(fā)故障診斷方法*

雷高偉1,2，張清華2，馬春燕1，孫國璽2，熊建斌2

(1.太原理工大學 信息工程學院，太原 030024；2.廣東省石化裝備故障診斷重點實驗室，廣東 茂名525000)

針對復合故障診斷的高難度和復雜性，造成對復合故障類型難以作出判斷的問題，提出了一種基于證據(jù)理論的復合故障診斷方法。結(jié)合無量綱指標，并充分考慮了不同指標對不同故障的診斷能力、敏感程度不同的特性，采用加權(quán)證據(jù)理論的方法對故障信息進行融合，從而提高了診斷的可靠性和準確度。經(jīng)實驗證明了該方法切實可行。

信息融合；證據(jù)理論；復合故障診斷；無量綱指標

0 引言

美國國防部在1973年資助開發(fā)的聲納信號處理系統(tǒng)時，孕育了數(shù)據(jù)融合這一技術(shù)，現(xiàn)在被稱為信息融合。經(jīng)過40年的發(fā)展，目前信息融合技術(shù)己廣泛應用于許多領(lǐng)域。例如機器人[1]、戰(zhàn)爭、森林防火[2]、模式識別、圖像處理、實時交通測速[3]、故障檢測與診斷[4-5]等。國內(nèi)對信息融合理論和技術(shù)的研究起步較晚。20世紀90年代以后，信息融合的研究在我國逐漸形成高潮。不僅召開了關(guān)于數(shù)據(jù)融合的會議，出版了關(guān)于信息融合的專著和譯著，國家自然科學基金和國家863計劃也將其列入重點支持項目。

隨著現(xiàn)代工業(yè)的迅速發(fā)展，各種高速度、大型化、復雜的設備也如影隨形般的出現(xiàn)，并成為整個工業(yè)生產(chǎn)的核心。這些設備能否良好的運行，直接關(guān)系到企業(yè)的生產(chǎn)情況。如果這些設備出現(xiàn)故障致使生產(chǎn)無法繼續(xù)，將帶來巨大的經(jīng)濟損失，并有可能造成嚴重的甚至是災難性的后果。世界上發(fā)生過許多起這種案例，例如1986年4月27日前蘇聯(lián)切爾諾貝利核電站發(fā)生的核泄露事故，就是由于其四號機組發(fā)生嚴重振動導致的，最終造成2000多人死亡、30多億美元經(jīng)濟損失的嚴重后果。這使得在設備故障造成嚴重后果之前，及時并準確的診斷出故障的類型和具體位置，就顯得十分必要。

由于環(huán)境的復雜性、傳感器或觀測者本身的局限性、信息獲取技術(shù)或方法的不完善性等因素，使得描述系統(tǒng)可靠性和系統(tǒng)故障的信息通常表現(xiàn)出隨機、不精確、模糊、不完整等多種不確定性。研究者常常根據(jù)不同的情況和需求，在一定的假設或條件下采用相應的不確定理論和方法，有針對性的分析某種類型的不確定性信息，所以各種理論處理信息的類型較為單一。并且，信息采集手段及途徑的多樣化，將進一步導致信息類型更多、形式更復雜化。面對這種情況，利用信息融合方法來處理大量多源且不確定信息，是一種行之有效的方法。目前，主要的信息融合[6-8]方法如圖1所示。

圖1 主要的信息融合故障診斷方法

1 D-S證據(jù)理論

在證據(jù)理論中首先定義了一個命題集Ω，稱為識別框架(frame of discernment)，其中所包含的的元素個數(shù)取決于對問題的認識水平。識別框架中包含了所能認識到的該問題的所有可能的答案，可表示成如下形式：

1.1 定義

(1)

則稱m為框架Ω基本概率分配(basic probability assignment)；?A?Ω,m(A)稱為A的基本可信數(shù)(basic probability number)，它反映了對A本身的信度大小。

(2)

則稱函數(shù)Bel為識別框架Ω上的信度函數(shù)(belief function)。它表示證據(jù)對命題A為真的信任程度，是信任程度的下限估計。

(3)

則稱函數(shù)Pl為識別框架Ω上的似真度函數(shù)(plausibility function)。它表示證據(jù)對命題A不為假的信任程度，是信任程度的上限估計。

圖2直觀清晰的表示出了信息的不確定性。

圖2 信度區(qū)間劃分

1.2 組合規(guī)則

設m1，m2同一識別框架下的兩個基本概率分配函數(shù)，則Dempster組合規(guī)則為：

(4)

2 加權(quán)證據(jù)理論

由于傳統(tǒng)證據(jù)理論存在缺陷，在證據(jù)激烈沖突的情況，其融合結(jié)果會有悖與常理。將其與加權(quán)思想相結(jié)合[9-10]，弱化證據(jù)間的沖突度，可以有效的解決高沖突證據(jù)的合成效果。

Qm(A)=Q(A)×m(A)

(5)

2.1 敏感因子

根據(jù)所測故障的最大無量綱指標值與設備正常狀態(tài)下該指標最小值的比值大小來確定敏感因子數(shù)值的大小，比值越小，說明該無量綱指標對故障越不敏感，反之，則越敏感[11]。

2.2 診斷概率

實驗過程按1024點為一組進行采樣，選取一定的實驗次數(shù)，對固定組數(shù)的數(shù)據(jù)進行分類判定，從而得到各無量綱指標對不同故障的判斷概率。舉例說明，例如一組實驗數(shù)據(jù)波形指標判定為故障i，峭度指標判定為故障j，依次累計數(shù)次實驗結(jié)果，最后由累計的正確診斷數(shù)占實驗總數(shù)的比例即得到各個指標對不同故障的判定能力。

3 無量綱指標

無量綱指標[12]是指由兩個具有相同的比值組成，當它描述某一特定體系時具有一定的物理意義，其定義式如下：

(6)

式(6)中x是振動幅值，p(x)是振動幅值的概率密度函數(shù)。

在故障診斷中，無量綱指標因?qū)υO備的載荷、轉(zhuǎn)速等變化不敏感，而對故障足夠敏感被廣泛應用。常用的無量綱指標有波形指標、峰值指標、裕度指標、脈沖指標、峭度指標等。

波形指標：

(7)

脈沖指標：

(8)

裕度指標：

(9)

峰值指標：

(10)

峭度指標：

(11)

4 診斷過程及數(shù)據(jù)

實驗的全過程都是在廣東省石化裝備故障診斷重點實驗室的“HZ-1旋轉(zhuǎn)機組多故障診斷實驗平臺”上完成的，該實驗平臺可以模擬產(chǎn)生多種不同故障，主要有裂紋軸、彎軸、偏心軸、不對中軸以及軸承外裂、軸承內(nèi)裂、軸承缺滾珠、軸承滾珠磨損，還可以模擬軸故障和軸承故障的并發(fā)故障。

首先使用EMT490測振系統(tǒng)來測量機組的振動加速度信號并在線計算出現(xiàn)有的波形指標Sf、脈沖指標If、峭度指標Kv、裕度指標CLf、峰值指標Cf這五個無量綱指標值。試驗中，按 1024 點為一組進行采樣，每種故障各采集數(shù)據(jù)取 100 組，每組均包含五中無量綱指標值，取各指標的最小值與最大值作為該指標的無量綱指標的取值范圍，如表1所示。

表1 各無量綱指標的取值范圍

由表1中的數(shù)據(jù)，根據(jù)敏感因子和診斷概率的定義，求出敏感因子和診斷概率，然后以敏感因子作為加權(quán)系數(shù)，診斷概率為證據(jù)體進行加權(quán)處理，可得加權(quán)后的概率分配，如表2所示。

表2 各無量綱指標對不同故障的加權(quán)后的

對表2中的數(shù)據(jù)進行融合，其中R12代表對前兩個指標進行融合，R123代表對前三個指標進行融合，依次類推，可得表3所示。

表3 融合之后的結(jié)果

由表3中融合結(jié)果可以看出，在逐個融合的過程中，診斷結(jié)果區(qū)分越來越明顯，準確性得到很大提高提高,達到了很好的并發(fā)故障診斷效果。

5 結(jié)論與展望

該實驗依托于“HZ-1旋轉(zhuǎn)機組多故障診斷實驗平臺”，模擬了兩重并發(fā)故障，以下是本文所做工作優(yōu)缺點總結(jié)及對未來的展望：

(1)利用無量綱指標，以各無量綱指標對不同故障的敏感性作為加權(quán)系數(shù)，提出了一種基于加權(quán)D-S證據(jù)理論信息融合的故障診斷方法，并以最后的融合結(jié)果作為故障的診斷依據(jù)。實驗數(shù)據(jù)表明，該方法大幅度的提高了診斷的準確性和可靠性。

(2)本文只是介紹了兩重并發(fā)故障的診斷方法，對于三重及更多重并發(fā)故障診斷方法還需要進一步的研究。

(3)可以將遺傳算法引入對五種基本的無量綱指標進行優(yōu)化，得出診斷能力更強的組合無量綱指標。

(4)將證據(jù)理論與其他理論相結(jié)合是信息融合是未來發(fā)展的一個重要方向，如證據(jù)理論與神經(jīng)網(wǎng)絡、證據(jù)理論與小波分析等，以提高診斷的準確性和可靠性。

[1]Murphy R R. Dempster-shafer theory for sensor fusion in autonomous mobile robots[J]. IEEE Trans on Robot Autom,1998,14(2):197-206.

[2]E.Zervas,A.Mpimpoudis,C.Anagnostopoulos.Multisensor data fusion for fire detection[J].Information Fusion,2011, 12 (3),150-159.

[3] Chris Bachmann,Baher Abdulhai,Matthew J. Roorda,Behzad Moshiri.A comparative assessment of multi-sensor data fusion techniques for freeway traffic speed estimation using microsimulation modeling[J].Transportation Research Part C: Emerging Technologies,2013,26,33-48.

[4] Tribeni Prasad Banerjee,Swagatam Das.Multi-sensor data fusion using support vector machine for motor fault detection[J].Information Sciences,2012, 217(25) ,96-107.

[5] Y. Lu,J. Tang,H. Luo.Wind Turbine Gearbox Fault Detection Using Multiple Sensors With Features Level Data Fusion[J]. Engineering for Gas Turbines and Power,2012,134,042501:1-8.

[6] 文成林，徐曉濱.多源不確定信息融合理論及應用：故障診斷與可靠性評估[M].北京：科學出版社，2012.

[7] 潘泉，于昕，程詠梅，等.信息融合理論的基本方法與進展[J].自動化學報,2003,29(4):599-615.

[8] 羅志增，蔣靜坪.基于D-S理論的多信息融合方法及應用 [J].電子學報,1999,27(9):100-102.

[9] 孫全,葉秀清,顧偉康.一種新的基于證據(jù)理論的合成公式[J].電子學報,2000,28(8):117-119.

[10]朱大奇，于盛林.基于D-S證據(jù)理論的數(shù)據(jù)融合算法及其在電路故障診斷中的應用[J].電子學報,2002,30(2):221-223.

[11]岑健. 基于人工免疫系統(tǒng)的機組復合故障診斷技術(shù)研究[D]. 廣州：華南理工大學, 2010.

[12]張清華. 基于人工免疫系統(tǒng)的機組故障診斷技術(shù)研究[D]. 廣州：華南理工大學, 2004.

(編輯 李秀敏)

Composite Fault Diagnosis Method Based on Information Fusion

LEI Gao-wei1,2，ZHANG Qing-hua2，MA Chun-yan1，SUN Guo-xi2，XIONG Jian-bin2

(1.College of Information Engineering,Taiyuan University of Technology，Taiyuan 030024,China；2. Guangdong Province Key Lab of Fault Diagnosis of Petrochemical Equipment，Maoming Guangdong 525000，China)

For the difficulty and complexity of compound fault diagnosis and the problem that compound fault is difficult to be judged, a diagnostic method based on evidence theory and non-dimensional indicators is proposed in this paper. And fully considering different diagnostic ability and sensitive degree of the different indexes to different faults, using weighted evidence theory to fuse the fault information can improve the reliability and accuracy of the diagnosis. Experimental result shows that the method is feasible.

information fusion;evidence theory;composite fault diagnosis; dimensionless indicators

1001-2265(2014)05-0114-03

10.13462/j.cnki.mmtamt.2014.05.029

2013-09-02

國家自然基金項目(61174113)；廣東省自然科學基金項目(8152500002000011)

雷高偉(1986—)，男，河南商丘人，太原理工大學碩士研究生，主要從事人工智能與故障診斷研究,(E-mail)gw_lei@163.com)；張清華(1965—)，男，廣東豐順人，廣東石油化工學院教授、博士、博士生導師，研究領(lǐng)域為模糊控制、智能控制、計算機仿真、故障診斷。

TH16;TG65

A