一種多傳感器數(shù)據(jù)融合技術的故障診斷系統(tǒng)

一種多傳感器數(shù)據(jù)融合技術的故障診斷系統(tǒng)

1數(shù)據(jù)融合技術的興起,為數(shù)據(jù)視頻監(jiān)控系統(tǒng)的發(fā)展提供了新的語在過去的20年里，傳感器技術取得了迅速的發(fā)展，并在復雜的應用背景下開發(fā)了各種傳感器數(shù)據(jù)系統(tǒng)。在這些系統(tǒng)中,數(shù)據(jù)表現(xiàn)形式的多樣性、數(shù)據(jù)容量以及數(shù)據(jù)的處理速度等要求已大大超過人腦的數(shù)據(jù)綜合能力,數(shù)據(jù)融合技術應運而生。由于數(shù)據(jù)融合系統(tǒng)本身所具有的良好性能穩(wěn)健性、寬闊的時空覆蓋區(qū)域、很高的測量維數(shù)和良好的目標空間分辨力以及較強的故障容錯與系統(tǒng)重構能力等潛在特點,因此,自數(shù)據(jù)融合問題一開始提出,就引起了各國國防部門的高度重視,并將其列為軍事高技術研究和發(fā)展領域中的一個重要專題。除此以外,數(shù)據(jù)融合技術已成功地應用于眾多的研究領域,如機器人和智能儀器系統(tǒng),戰(zhàn)場任務與無人駕駛飛機,圖像分析與理解,目標檢測與跟蹤,自動目標識別,多源圖像復合等。數(shù)據(jù)融合技術或信息融合技術也稱為多傳感器融合技術。它是利用計算機技術對來自多傳感器的探測數(shù)據(jù)按時序和一定準則加以自動分析和綜合的數(shù)據(jù)處理過程,以完成所需要的決策和判定。2設計理念2.1振動監(jiān)視與診斷在本系統(tǒng)中,多傳感器數(shù)據(jù)融合的硬件基礎是安裝有加速度傳感器和位移傳感器的電動機,加速度傳感器和位移傳感器在旋轉機械的振動監(jiān)視與診斷中應用十分廣泛。前者用來測量旋轉電動機的振動加速度,后者屬于非接觸式傳感器,用于軸位移的測量。在本實驗中加速度傳感器水平安裝于電動機的振動平臺上,位移傳感器垂直安裝于電動機轉軸附近的一個固定位置。2.2故障診斷的方法—系統(tǒng)的組成及數(shù)據(jù)融合原理圖1是本系統(tǒng)所采用的多傳感器融合系統(tǒng)的結構框圖,我們首先利用加速度傳感器和位移傳感器測量電機轉動時振動的加速度和轉軸的橫向位移的動態(tài)信號。然后運用小波分析的方法,提取出這兩個傳感器信號的適當特征值來辨識設備的故障類型。在本系統(tǒng)被測的三種故障類型中,這兩種傳感器所提取出來的特征值有的很接近,因此可能出現(xiàn)誤判決。除此以外,當某傳感器發(fā)生故障時,也可能出現(xiàn)誤判決。如果讓它們各自獨立地識別,則可能因一種特征出現(xiàn)誤判別而產(chǎn)生矛盾的情況。針對這一問題,引入模糊集理論。對于每一種傳感器來講,被測故障屬于那一種類型的可能性分別用隸屬度值來表示,這樣就會得到兩組共六個隸屬度值。這時仍可能出現(xiàn)這樣的情況:傳感器系統(tǒng)得到的某故障屬于各類的隸屬度值不一致,甚至出現(xiàn)較大的偏差或矛盾的情況。解決辦法是:應用模糊概念與D-S證據(jù)理論相結合的方法進行數(shù)據(jù)融合。在故障診斷中,我們利用位移傳感器和加速度傳感器得到所測故障屬于各類的隸屬度作為D-S證據(jù)理論中各個傳感器的測度函數(shù)分配的相關系數(shù),并用D-S證據(jù)理論的聯(lián)合規(guī)則聯(lián)合每個傳感器的測度函數(shù)分配,形成融合的測度函數(shù)分配。最后利用融合后的結果,并根據(jù)一定規(guī)則,進行故障的判定與決策。3多傳感器融合模型當D-S證據(jù)理論用于多傳感器融合時,從傳感器獲得的相關系數(shù)值就是該理論中的證據(jù),根據(jù)這些證據(jù),可以構成新的測度函數(shù)分配,它表示每一個目標假設的可信程度,每一個傳感器形成一個證據(jù)組。所謂多傳感器融合就是通過D-S聯(lián)合幾個證據(jù)組,形成一個新的證據(jù)組。即用D-S聯(lián)合規(guī)則聯(lián)合每個傳感器的測度函數(shù)分配,形成融合的測度函數(shù)分配。3.1對目標類型qj的測度測度函數(shù)分配,是表示人們對目標假設的可信程度的一種推理,是一種人的判斷,這種判斷受各種因素的影響,不同的思想會構成不同的測度函數(shù)分配公式。文獻的測度函數(shù)分配公式?jīng)]有考慮到目標數(shù)的影響,本文將目標類型引入算法,定義:αi=max{Ci(qj)}j=1,2…Nc(1)βi=Ncωi∑j=1NcCi(qj)?1Nc?1Nc≥2(2)Ri=ωiαiβi∑j=1Nsαjβjωj(3)βi=Νcωi∑j=1ΝcCi(qj)-1Νc-1Νc≥2(2)Ri=ωiαiβi∑j=1Νsαjβjωj(3)這里Ci(qj)是傳感器i對目標類型qj的相關系數(shù);Nc為目標類型數(shù);Ns是傳感器總數(shù);ωi是傳感器i的環(huán)境加權系數(shù),其值為[0,1];αi是傳感器i的最大相關系數(shù);βi是傳感器i的相關分配值;Ri是傳感器i的可靠性系數(shù)。則傳感器i對目標qj的測度函數(shù)分配值mi(qj)為:mi(qj)=Ci(qj)∑j=1nCi(qj)+Ns(1?Ri)(1?αiβiωi)(4)mi(qj)=Ci(qj)∑j=1nCi(qj)+Νs(1-Ri)(1-αiβiωi)(4)傳感器i的不確定性(uncertainty)θ的測度函數(shù)分配值mi(θ)為:mi(θ)=Ns(1?Ri)(1?αiβiωi)∑j=1nCi(qj)+Ns(1?Ri)(1?αiβiωi)(5)mi(θ)=Νs(1-Ri)(1-αiβiωi)∑j=1nCi(qj)+Νs(1-Ri)(1-αiβiωi)(5)可以看出,在上述公式中,若干參數(shù)選擇的基礎要以統(tǒng)計理論作為指導;有些參數(shù)的選擇(如ωi)帶有一定的主觀性,在本文中提出一種新的思想即利用模糊集理論中的隸屬度μij來代替Ci(qj)(傳感器i對目標類型qj的相關系數(shù))。這兩個量在物理意義上都表示根據(jù)某一傳感器測得值來估計被測物體屬于某一目標類型的概率即兩者之間的相關性。3.2特征值的計算在實際應用中,傳感器對同一物理量的測定值受兩個因素的影響:1)傳感器本身的工作性能;2)傳感器工作時的各種干擾情況如機械噪聲,電磁波的影響。若僅考慮第二種因素,測定值的概率密度函數(shù)形式一般可確定為高斯分布(f(x))=12πσe?(x?a)22σ2(f(x))=12πσe-(x-a)22σ2。然而,一般的傳感器由于機械、溫度、壓力等原因使其輸出產(chǎn)生線性漂移,也就是說,測定值的平均值也在一定范圍內(nèi)產(chǎn)生漂移,這一現(xiàn)象使得各個傳感器對同一物理測定結果符合圖2的分布。我們利用小波分析的方法提取的特征值與測定值有著相似的概率密度函數(shù)形式如圖3所示。顯然,要用數(shù)學表達式來精確地表達這一模型,并把它作為隸屬度函數(shù),其形式就顯得過于繁瑣,而且也無必要。我們不妨采用梯形函數(shù)對這一模型進行理想化(如圖4所示),并把它作為各故障類特征值的隸屬度函數(shù),用數(shù)學公式可表示如下:μij=?????????????????????0yi≤y0ij?tijyi?y0ij+tijtij?eijyoij?tij≤yi≤y0ij?eij1y0ij?eij≤yi≤y0ij+eij?yi?y0ij?tijtij?eijyoij+eij≤yi≤y0ij+tij0yi≥y0ij+tij(6)μij={0yi≤y0ij-tijyi-y0ij+tijtij-eijyoij-tij≤yi≤y0ij-eij1y0ij-eij≤yi≤y0ij+eij-yi-y0ij-tijtij-eijyoij+eij≤yi≤y0ij+tij0yi≥y0ij+tij(6)μij為傳感器i測定被測故障屬于j類的隸屬度,yi表示傳感器i測定的實際特征值,而y0ij、eij、tij則分別表示為傳感器i測定被測故障屬于j類的標準特征值、特征最大誤差和特征最大偏差。那么,參數(shù)y0ij、eij、tij又怎樣確定呢?這里采用了統(tǒng)計理論中的數(shù)字特征和參數(shù)估計方法加以解決。y0ij的值可用從傳感器對某一類保障的測定值中提取出的特征值的數(shù)學期望來代替。eij值的確定可通過求圖3中概率分布函數(shù)的雙測百分位點來實現(xiàn)。tij的值則可通過求樣本極差得到。3.3證據(jù)堆棧理論3.3.1中的事件互斥證據(jù)理論的論域稱為識別框架,記為Θ,其中包括有限個基本命題,記為{q1,q2,…qn},對應于概率理論中的基本事件,我們稱之為基元。其中要求Θ中的事件互斥。與概率不同的是,證據(jù)理論定義了前面所述的測度函數(shù)分配這一新的概念,用m(qr)(qi?qr)表示,滿足:m∶2Θ→[0,1]2Θ是Θ的冪集(7)∑qr∈2Θm(qr)=1(8)∑qr∈2Θm(qr)=1(8)當m(qr)≠0時,則稱qr為測度函數(shù)分配上的焦元。對于空集或零集,Φ不可能事件的測度函數(shù)分配值等于零,即:m(Φ)=0(9)3.3.2d-s證據(jù)理論m1(q1i),m2(q2j)分別對應著同一識別框架Θ上的測度函數(shù)分配,焦元分別為{q1i},{q2j},i,j=1,2…n。設∑q1i∩q2j=Φm1(q1i)m2(q2j)＜1∑q1i∩q2j=Φm1(q1i)m2(q2j)＜1那么,由下式定義的函數(shù)m∶2Θ→[0,1]是測度函數(shù)分配m(qr)=???????????0A=Φ∑q1i∩q2j=qrm1(q1i)m2(q2j)1?∑q1i∩q2j=Φm1(q1i)m2(q2j)A≠Φ(10)m(qr)={0A=Φ∑q1i∩q2j=qrm1(q1i)m2(q2j)1-∑q1i∩q2j=Φm1(q1i)m2(q2j)A≠Φ(10)把D-S證據(jù)理論應用于多傳感器數(shù)據(jù)融合是因為不同的傳感器提供不同的信息來源,而不同的信息來源正好可以表示D-S證據(jù)理論中的不同證據(jù),D-S聯(lián)合規(guī)則提供了融合不同證據(jù)的方法也就提供了融合不同傳感器信息的方法。3.4目標判定方面用D-S聯(lián)合規(guī)則聯(lián)合子集{q1i},{q2j}的測度函數(shù)分配值,獲得融合測度函數(shù)分配值m(qr)后,緊接是依據(jù)m(qr)進行目標的判定。下面是目標判定的基本原則:1)判定的目標類型應具有最大的測度函數(shù)分配值;2)判定的目標類型和其它類型的測度函數(shù)分配值之差要大于某個門限,如規(guī)定必須不小于0.03;3)不確定性測度函數(shù)分配值m(θ)必須小于某個門限,如規(guī)定必須不大于0.3;4)判定的目標類型測度函數(shù)分配值必須大于不確定性測度函數(shù)分配值m(θ),如規(guī)定必須不小于0.07。4單傳感器融合后的結果表1中第一項、第二項列出了從加速度傳感器和位移傳感器所測得的值中提取的特征值分別按所規(guī)定測度函數(shù)分配公式計算出的屬于各類保障的測度函數(shù)分配值,而第三項,即標明為“融合”的部分為按前述的D-S證據(jù)理論的方法融合處理后的結果。從中明顯可