基于數(shù)據(jù)驅(qū)動和隨機(jī)直覺模糊策略的軸承故障診斷方法
【專利摘要】本發(fā)明公開了基于數(shù)據(jù)驅(qū)動和隨機(jī)直覺模糊策略的軸承故障診斷方法。該方法包括：1)以大數(shù)據(jù)思想構(gòu)建模糊專家系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動；2)待檢軸承故障特征隸屬度的建立；3)隨機(jī)模糊集匹配與直覺模糊集決策融合。本發(fā)明以大量的實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ)，進(jìn)行頻譜分析，通過幅值出現(xiàn)位置找特征頻率。并將模糊證據(jù)融合轉(zhuǎn)變?yōu)殡S機(jī)模糊集匹配和直覺模糊集決策。不確定度信息也是頻譜信息的一部分能量，證據(jù)理論直接忽略掉有失客觀性。直覺模糊決策充分了考慮了能量耗損。
【專利說明】基于數(shù)據(jù)驅(qū)動和隨機(jī)直覺模糊策略的軸承故障診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于數(shù)據(jù)驅(qū)動和隨機(jī)直覺模糊策略的軸承故障診斷方法。

【背景技術(shù)】
[0002] 軸承故障類型，不外乎內(nèi)圈、外圈、滾動體、保持架四種故障。
[0003] 一、傳統(tǒng)的軸承故障特征頻率計(jì)算
[0004] (1)根據(jù)軸承特性參數(shù)計(jì)算內(nèi)圈、外圈、滾筒體、保持架等振動特征頻率，公式如 下：

【權(quán)利要求】
1.基于數(shù)據(jù)驅(qū)動和隨機(jī)直覺模糊策略的軸承故障診斷方法，包括以下步驟： 一、 以實(shí)驗(yàn)手段構(gòu)建t旲糊專豕系統(tǒng) 利用實(shí)驗(yàn)手段模擬軸承各種典型故障運(yùn)行模式，對于某一種故障在相同的時間間隔 A t內(nèi)連續(xù)觀測n次，作為一組，重復(fù)m組，代表m個專家；對于第k組數(shù)據(jù)，經(jīng)頻譜變換后， 模糊認(rèn)為頻譜圖中第i次出現(xiàn)振動幅值點(diǎn)處的頻率為i倍故障特征頻率，i = 1，2, ... p ; (1)計(jì)算k組數(shù)據(jù)在i倍特征頻率處的平均值
因此，取某一種故障處的i倍故障特征頻率，i = 1，2.... p，可以建立p個高斯隸屬度 函數(shù)；那么如果軸承有q種故障，則需要建立p*q個隸屬度函數(shù)； 二、 待檢軸承故障特征隸屬度的建立 在相同的時間間隔△ t內(nèi)連續(xù)觀測n次，作為一組待檢樣本，求出在i倍特征頻率處的 待檢隸屬度函數(shù)，則可以建立P個高斯隸屬度函數(shù)； 在i倍特征頻率處的隸屬度曲線
三、 隨機(jī)模糊集匹配與直覺模糊集融合 將待檢模式和模糊專家系統(tǒng)故障模式的隸屬度函數(shù)進(jìn)行匹配，就可以得到從采集信 息中提取的特征對故障檔案庫中各個故障的支持程度，利用模糊隨機(jī)集表示隨機(jī)集似然測 度，表示各個故障假設(shè)集全集的BPA ;以第i次出現(xiàn)幅值處認(rèn)為是i倍特征頻率為例，待檢 模式的隸屬度曲線與模糊專家系統(tǒng)中q種故障的隸屬度曲線匹配相交，各自交點(diǎn)的縱坐標(biāo) 的最大值即為似然測度值； (5)得到BPA向量： y 1 - ( U il) y i2> y i3? ? ? ? ? y iq) ? i - 1，2，...P 然后進(jìn)行不確定度計(jì)算和向量元素歸一化，
得到包含不確定度的歸一化向量：Vi= (Vil, Vi2, Vi3, ----￥_，0|，）5其中 Vjji + Vjg+ --? + ^iq + = 1 此時得到單一傳感器在倍特征頻率處的P個證據(jù)向量，傳統(tǒng)方法是直接忽略不確定度 .?i，根據(jù)模糊證據(jù)理論融合； (6) 直覺模糊集融合； 充分考慮到不確定度也代表一定的信息，Vi,」寫成Oni,」，Iii, p其中i = 1，2, 一p ;j = 1，2,…q 其中Hii, j = Vi, j，代表支持j故障的隸屬度，Ily =( 1 - my - Gi )代表肯定不 是j故障的隸屬度；這樣有隨機(jī)模糊集的單一的似然測度值轉(zhuǎn)變?yōu)槎獢?shù)對來表示，隨機(jī) 模糊集轉(zhuǎn)變?yōu)殡S機(jī)直覺模糊集，更接近客觀現(xiàn)實(shí)； 對于單一傳感器的i個證據(jù)變?yōu)槎嘣獩Q策融合：
種故障； 即得到：f (V) = ffXnv np，<m2, n2>，<m3, n3>，......<mq, nq>,) (7) 多元決策判定規(guī)則 判定故障類型應(yīng)有數(shù)值最大的Hli且應(yīng)大于某一門限值0 ;當(dāng)Hli =Hlj時，比較Ili和11」， 首選1^_中數(shù)值小的故障類型。 不確定度應(yīng)小于某一門限值，S卩I-Oi^ni) < 4 ; 數(shù)值最大的Hii與數(shù)值第二大的Iiij之間應(yīng)該有一定差，即IHi-Iiij >4 ; 基于以上規(guī)則，判定出是第j種故障； (8) N個傳感器情況：如果有N個傳感器，以上單一傳感器的決策級融合則轉(zhuǎn)變?yōu)镹個 傳感器的特征級融合，N個傳感器分布在不同的位置，應(yīng)該有不同的權(quán)重系數(shù)； (0(0^，（〇2，... ? C〇N)， 且 sr=1 (〇i = 1,利用公式
對N個傳感器進(jìn)行第二次融合；仍然利用以上融合判定規(guī)則進(jìn)行判定屬于第j種故障。
【文檔編號】G01M13/04GK104361242SQ201410669226
【公開日】2015年2月18日 申請日期:2014年11月20日 優(yōu)先權(quán)日:2014年11月20日
【發(fā)明者】孫顯彬, 譚繼文, 文妍 申請人:青島理工大學(xué)