基于D—S理论的故障诊断融合算法及应用研究

针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,提出了一种基于RBF神经网络和证据理论的两级信息融合方法。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,解决了D-S证据理论确定基本信任分配函数困难的问题;基于D—S证据理论的传感器故障诊断方法,可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明,基于RBF神经网络

基于 D S理论的故障诊断融合算法及应用研究张佳薇， -等

基于 D S理论的故障诊断融合算法及应用研究—Re e r h o pl a in o a l Dign ss F son Alor h s a c n Ap i t f F ut a o i u i g i m c o t

Ba e S E ie c e￣ s d on D— vd n e Th o

旅佳蒇

李日 月室

郝洞龙30 0 ) 00 0

(东北林业大学机电工程学院黑龙江哈尔滨 104;, 50 0东北林业大学土木工程学院黑龙江哈尔滨 104;, 50 0天津航空机电有限公司天津，

摘

要：针对工业现场传感器状态类型复杂多变、测参量难以准确可靠获得等问题，出了一种基于 R F神经网络和证据理论的被提 B

两级信息融合方法。利用 R F神经网络实现特征层数据融合， B并建立基本信任分配函数，决了 D S解—证据理论确定基本信任分配函 数困难的问题；于 Ds证据理论的传感器故障诊断方法，基—可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明，基于 R F神经网络和证据理论的两级信息融合方法可正确定位并准确分离出失效传感器。 B 关键词：证据理论故障诊断融合算法 R F神经网络 B木材含水率检测

中图分类号：T 2 6 P0

文献标志码：A

Ab t a t T ov h r be fs f o sue n idu tilfed,icu i gc mp iae y e fsatsa d h r o a qur rpe a u e sr c: o sle tep o lmso e s r sd i n sra ils n ld n o lc td tp so t u n a dt c iep o rme s r d l p rmees,ec a a tr t .,te meh d o -e e no mainf inb s d o h t o ft lv lifr to uso a e n RBF n u a ewo. a de ie c h oy i rp s d T e d t u in o wo e r ln t r n vd n ete r spo o e . h aa fso n k faue ly ri e lz d b sn e tr a e s raie yu ig RBF n u a ewo k,a dt eb scb l f

a sg me tfn t n i sa l he e rln t r n h a i ei sin n u ci se tbi d,t if utis eo ee miig e o s hedfi l su fd tr nn c b sc b le s in n u cin wi S e i n e te r ss le . T e futda n si t d b s d o S e ie c h oy c n b s d fr a i eifasg me tf n t t D— vde c h o i ov d h a l ig o t meho a e n D— vd n et e r a eu e o o h y c

jd i et eo e t ns ts f h n o h e c o sh o tem iuei l b r n i t a ti tol e i o a o ui u g ge c v p r i a e s sr ed t t nr u f h o t m e dc e t t h — vl n r t nfs n n f i a o t u o t e .T ei e sr n u i ash sw e f m i omeh d i a l od tr n n c u aey s p r t h alr e sr . to s b et ee mie a d a c r tl e aae te fi e s no s uKe wo d y r s: Evd n e te r F u ig o i F so loih ie c h o y a h da n ss u in ag rtm RBF ne r ln t r Lu e it e c n e t Dee to u a ewo k mb rmosur o tn tcin

0引言 在运用 D s—证据理论解决故障诊断问题时，确定基本信任函数存在一定的困难，得该理论在实际应使用中受到限制。利用 R F神经网络可以任意精度逼 B近任何非线性函数，具有最佳一致逼近特性等优点，将其运用到证据合成过程中可用来获取基本信任函数。 这样既可利用 Ds证据理论来表达和处理不确定信 .息，又可以发挥 R F网络的自学习、 B自适应和容错能

1 D-据理论 S证D S证据理论是建立在一个非空集合 0基础上的 .理论。对于问题域中所能认识到的所有可能结果的集

合用@表示，那么，任一命题都对应于 0的一个子集。为了强调 0所具有的这种认识论的特性，hfr@ Sa把 e

称为识别框架

(rm f i en et。当一个命题对 f eo s rm n ) a dc应于该识别框架的一个子集时，称此命题为该框架则能够识别的命题。 定义 1设@为识别框架，如果集函数 m: 2一[,] 2为@的幂集 ) 01(。满足不可能发生的基本概率为 0即 m(, )=。@中全部元素的基本概率之和为 01即∑ m(=1, A)。

力，对不确定信息的融合就有较强的鲁棒性，并可提高诊断系统的准确性。 本文提出了一种基于 R F神经网络和证据理论 B的两级信息融合方法，并对木材干燥过程参数自动检

测中判断传感器有效工作状态进行仿真研究，真结仿果验证了该方法的可行性。黑龙江省自然科学基金资助项目(号：200 )编 C 0 88;黑龙江省青年科学技术专项基金资助项目(号：C 7 5 )编 Q 0C7。修改稿收到日期：0 9— 5—1。 2o 0 l

式中：为框架@上基本概率分配函数 B A( ai m P bs cpoait as n et, V @, A)为 A的基 r bly s gm n)则 A b i i m(称

本可信数，反映了对 A本身的信任度。定义 2设 0为识别框架，如果函数 Bl一[,] e2 0 1 满足：

第一作者张佳薇，,95年生，06年毕业于东北林业大学机电工女 17 20

程学院，士学位，授；从事木材干燥过程参数智能检测与多获博副教主要传感器数据融合方面的研究。

B lA= . B) V 0) e( ) m( ( A

() 1

式中：e为置信函数， Bl也称为下限函数，表示对 A的全21 0 0年 1月23

《自动化仪表》 3第 l卷第 1期