基于分层式证据推理的信息融合故障诊断方法

针对基于信息融合的故障诊断方法中,诊断证据的精细化获取问题和在线诊断信息量受限问题,提出分层式的证据推理(ER)诊断方法.在诊断证据获取过程中,给出故障特征参考值投点方法,按比例求取特征样本点对相邻参考值的相似度,生成点值型参考证据矩阵(REM)和在线故障特征样本的诊断证据,实现了诊断信息的精细化提取;在证据融合过程中,设计分层式ER融合模型.第1层融合中利用k-NN算法找到在线样本的近邻历史样本,然后利用ER规则实现在线样本与近邻历史样本对应证据的融合.在第2层融合中,将多个特征源提供的第1层融合结果再次融合,并根据两层融合所获证据进行故障决策;此外,在分层融合模型中,根据证据之间的欧氏距离构造目标函数及相应的证据重要性权重优化方法.最后,在多功能电机转子试验台上实施了故障诊断实验,与已有单层ER模型诊断结果进行比较,说明所提方法通过提升诊断证据的精确性、增加历史样本扩充诊断信息量,能够有效提升确诊率.

基于平行多种群与冗余基因策略的置信规则库优化方法

置信规则库(Belief rule base,BRB)的参数学习和结构学习共同影响着置信规则库的建模精度和复杂度.为了提高BRB结构学习和参数学习的优化效率,本文提出了一种基于平行多种群(Parallel multi-population)策略和冗余基因(Redundant genes)策略的置信规则库优化方法.该方法采用平行多种群策略以实现对具有不同数量规则BRB同时进行优化的目的,采用冗余基因策略以确保具有不同数量规则的BRB能够顺利进行(交叉,变异等)相关优化操作.最终自动生成具有不同数量规则BRB的最优解,并得出帕累托前沿(Pareto frontier),决策者可以根据自身偏好和实际问题需求,综合权衡并在帕累托前沿中筛选最优解.最后以某输油管道泄漏检测问题作为示例验证本文提出方法的有效性,示例分析结果表明本文提出的方法可以一次生成具有多条规则BRB的最优解,并且可以准确绘制出帕累托前沿,为综合决策提供较强的决策支持.