智能故障診斷方法研究：標量加權信息融合范文

本站小編為你精心準備了智能故障診斷方法研究：標量加權信息融合參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

現(xiàn)代化生產(chǎn)中設備的狀態(tài)檢測技術越來越受到重視,人們投人大量精力進行設備故障診斷的研究。傳感器的應用,使得設備的故障檢測得到了發(fā)展,但在實際應用中,單個傳感器往往存在一些缺陷,如信號采集不全面、不準確甚至錯誤、信號采集丟失、延時等等,因此人們研究出多個傳感器的共同應用,即多傳感器信息采集。多傳感器信息融合技術是上世紀80年代形成和發(fā)展的一種自動化信息綜合處理技術。多傳感器的應用,可以更加有效、全面的采集信息,加速發(fā)展了信號處理技術。20世紀80年代初,Bar-shalom[1]就研究了帶獨立噪聲的兩傳感器子系統(tǒng)之間的相關性。多傳感器充分利用了多源數(shù)據(jù)的互補性及電子計算機運算的高速性和智能性,大大提高了信息處理結果的質(zhì)量。隨著應用系統(tǒng)日益擴大,所需的功能也越來越復雜,使用傳感器的種類也相應的增多。原來的單一傳感器檢測技術已不能滿足要求,于是對多傳感器融合技術的研究也越來越多,文獻[2,3]在正態(tài)分布的假設下分別給出一種極大似然融合準則,但融合時計算加權矩陣需要求解一個較高維數(shù)的矩陣的逆,不便于實時應用。文獻[4]給出了一種標量加權的信息融合算法,但其假設局部狀態(tài)估計誤差不相關,這不符合一般情形,所以只能獲得次優(yōu)信息融合濾波器。文獻[5]針對多模型多傳感器系統(tǒng),基于標量加權的最優(yōu)信息融合算法,給出了一種分布式標量加權最優(yōu)信息融合Kalman濾波器。采用分布式的結構,某些傳感器出現(xiàn)故障,可由剩余的傳感器繼續(xù)融合估計,避免了集中式估計由于某個傳感器出現(xiàn)故障而使整個系統(tǒng)不能工作的缺點,所以它具有可靠性。本文在文獻[5]的基礎上,將真實值與信息融合估計值進行比較,得到故障診斷系統(tǒng)的殘差,通過仿真圖形中的毛刺,進行故障診斷的判斷。

1標量加權線性最小方差最優(yōu)信息融合準則

文獻[6]給出了一種標量加權融合算法,與一般的矩陣加權相比它是一種次優(yōu)融合準則,但由于它只需計算加權標量系數(shù),避免了計算加權矩陣,從而減小了計算量。特別是當系統(tǒng)狀態(tài)維數(shù)較高時,可明顯減小計算負擔。且它仍能在總體上改善每個局部估計,因而它具有工程應用價值。

2多傳感器標量加權最優(yōu)信息融合

Kalman濾波器考慮帶L個傳感器的離散隨機系統(tǒng),并在狀態(tài)空間模型中加入故障干擾f(t),得到如下(4)~(6)式含有擾動和故障的多傳感器系統(tǒng):其中:x(k)∈Rn是狀態(tài)向量,y(k)∈Rm是觀測向量,w(t),vi(t)分別為系統(tǒng)的系統(tǒng)噪聲和第i個傳感器的觀測噪聲,f(t)為白噪聲描述的故障信號,且A,B,Bf,Ci,Dfi是適當維數(shù)的矩陣。下標(i)表示第i個傳感器,L表示傳感器個數(shù)。假設w(t)和vi(t)(i=1,2,…L)是帶零均值的相關白噪聲。為了方便推理及計算,本文采用增廣的方法,將系統(tǒng)擴維增廣得到新系統(tǒng)方程如下:其中:BW(t)=BwW(t)+Bff(t),V(t)=vi(t)+Dfifi(t),i=1,2,…L。其它定義假設條件同上給出。在擴維后的系統(tǒng)方程下,使用Kalman濾波方法,對增廣后的系統(tǒng)進行濾波設計,從而得到帶有故障信息的狀態(tài)估計,并得到相應的濾波器和濾波誤差,從而進行殘差χ2檢驗。定理1增廣系統(tǒng)(7)~(9)在假設下有最優(yōu)Kalman濾波器其中:為系統(tǒng)的濾波估計,kf(t)為濾波增益,Px(t+1│t+1)為濾波誤差方差陣。定理2增廣系統(tǒng)(7)~(9)在假設下,系統(tǒng)有如下遞推的Kalman濾波誤差方差陣在不存在故障時,系統(tǒng)應滿足狀態(tài)方程式,即為X(k)的無偏估計,所以殘差ε(k)是零均值高斯白噪聲向量;當傳感器發(fā)生故障,那么系統(tǒng)就不再滿足狀態(tài)方程式,因此殘差均值不再為零。故對系統(tǒng)測量信號的均值作假設檢驗,即可判決傳感器是否有故障。

3仿真研究

取系統(tǒng)噪聲方差Qw值為1,yi(t),i=1,2是兩個傳感器的觀測信號,vi(t),i=1,2是傳感器的觀測噪聲,并分別取方差為Qv1=1,Qv2=9。初始值設為x(0)=[00]T,故障診斷仿真結果如下:仿真中首先取故障信息為零,來驗證濾波融合算法。圖1中分別給出的是狀態(tài)的誤差方差,最下面一條曲線為信息融合后的誤差曲線,可以看出融合后的誤差明顯低于單個傳感器,圖2這種,中間的紅色曲線為融合后的濾波估計,從圖中可以看出,融合后的曲線在兩條估計曲線中間,綜合了兩條曲線的值,使得濾波估計更加準確,從而驗證了標量加權算法的有效性。當沒有故障存在的情況下,殘差幾乎為零如圖3,當出現(xiàn)異常情況時,殘差則不為零,如圖4所示,則可以判斷出故障。

4結束語

在實際故障診斷中,單傳感器往往存在著不穩(wěn)定性,而多傳感器則可以克服這些不足。本文對多傳感器故障信息模型給出了一種分布式標量加權的最優(yōu)信息融合Kalman濾波器,給出了濾波誤差方差陣的計算公式。通過實驗仿真看出故障信息可以被成功檢測。驗證了融合算法的有效性。

作者：王金玉 劉彤 王濤 周麗麗 楊喆 單位：黑龍江省科學院自動化研究所