多傳感器信息融合的故障診斷方法
【專利摘要】多傳感器信息融合的故障診斷方法。本發(fā)明方法:對于帶一組傳感器的離散隨機系統(tǒng),分別對單個傳感器應(yīng)用Kalman濾波方法,得到相應(yīng)的濾波器、誤差方差,計算最優(yōu)標(biāo)量權(quán)重,得到最小方差意義下的最優(yōu)標(biāo)量加權(quán)系數(shù),再將每單個傳感器采用標(biāo)量加權(quán)信息融合,得到融合后的濾波器、融合誤差方差;建立含有擾動和故障信號的多傳感器系統(tǒng),分別對單個傳感器采用Kalman濾波方法設(shè)計濾波器,計算誤差方差和殘差,得到最小方差意義下的最優(yōu)標(biāo)量加權(quán)系數(shù),再將每單個傳感器采用標(biāo)量加權(quán)信息融合,得到融合后的濾波器、融合誤差方差和殘差,分析誤差殘差產(chǎn)生的影響,從而判斷傳感器的故障。本發(fā)明用于多傳感器信息融合的故障診斷。
【專利說明】多傳感器信息融合的故障診斷方法
[0001]【技術(shù)領(lǐng)域】:
本發(fā)明涉及一種多傳感器信息融合的故障診斷方法。
[0002]【背景技術(shù)】:
隨著現(xiàn)代科技的迅速發(fā)展,生產(chǎn)系統(tǒng)也日益朝著大型化、復(fù)雜化及高度自動化的方向發(fā)展,因此系統(tǒng)故障問題也變得越來越重要,一旦系統(tǒng)的某個部分出現(xiàn)故障,往往就會導(dǎo)致某個設(shè)備甚至整個系統(tǒng)無法正常運行,不僅會帶來嚴(yán)重的經(jīng)濟損失,而且還伴隨著一定的危險性。一個現(xiàn)代化的生產(chǎn)系統(tǒng)正常運行所需要的維修費用和停機損失,占據(jù)成本的較大比重,因此故障檢測與及時處理越來越成為一個重要的問題。如1983年前蘇聯(lián)切爾貝利核電站發(fā)生的泄漏事故。2005年中石油吉林石化公司爆炸事故造成多個裝置報廢或停產(chǎn)。受爆炸事故影響,松花江發(fā)生重大水污染事故,污染帶長約80公里,哈爾濱全城停水4天。僅哈爾濱的直接損失就在15億左右,間接損失在幾百億。因此現(xiàn)代石化工業(yè)對設(shè)備運行的安全性和可靠性提出了越來越高的要求,加強設(shè)備檢測、安全評價和故障診斷以保證其安全可靠運行,消除隱患和事故是十分迫切的問題。
[0003]多傳感器信息融合技術(shù)是上世紀(jì)80年代形成和發(fā)展的一種自動化信息綜合處理技術(shù)。由于充分利用了多源數(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(jié)果的質(zhì)量。隨著應(yīng)用系統(tǒng)日益擴大,所需的功能也越來越復(fù)雜,使用傳感器的種類也相應(yīng)的增多。原來的單一傳感器檢測技術(shù)已不能滿足要求,于是有了多傳感器融合技術(shù)。在多傳感器系統(tǒng)中,信息表現(xiàn)為大容量,多樣性以及復(fù)雜性,因此多傳感器信息融合技術(shù)已成為一個重要的研究領(lǐng)域。
[0004]在故障診斷中結(jié)合多傳感器信息融合技術(shù)有著廣闊的應(yīng)用前景。一方面,隨著故障診斷系統(tǒng)日益龐大化和復(fù)雜化,傳感器的數(shù)目和類型急劇增多,從單傳感器形成了多傳感器,再到傳感器群,傳感器的不同組合可以提供設(shè)備的不同部位、不同類型的信息,而傳統(tǒng)的故障診斷方法也只是對機器狀態(tài)信息中的一種或幾種信息來進行分析,而從中提取有關(guān)的機器行為特征信息,因此,多傳感器能更全面的分析故障信息。雖然單一傳感器取得的信息雖然有時可以判斷出機器故障,但在許多情況下得出的診斷結(jié)果并不可靠,只有從多方面獲得關(guān)于同一對象的多維信息,并加以綜合利用,這樣才能對設(shè)備進行更加可靠更準(zhǔn)確的診斷。另一方面,在故障診斷中,故障的形成原因是非常復(fù)雜的,不同的故障可以以同一征兆的形式表現(xiàn)出來。比如,軸承松動、不對中、不平衡等等都會引起旋轉(zhuǎn)機械轉(zhuǎn)子的異常震動,因此只有綜合利用這些特征信息才有可能診斷出轉(zhuǎn)子的故障。最后,在故障診斷中,由于傳感器的測量誤差、系統(tǒng)噪聲以及診斷對象的不確定性等原因,由單一傳感器取得的信息往往是不完整的、不精確和模糊的。
[0005]
【發(fā)明內(nèi)容】
:
本發(fā)明的目的是提供一種多傳感器信息融合的故障診斷方法。
[0006]上述的目的通過以下的技術(shù)方案實現(xiàn):
一種多傳感器信息融合的故障診斷方法,該方法包括如下步驟:采用Kalman濾波方法進行單傳感器的局部狀態(tài)估計,然后進行多傳感器的標(biāo)量加權(quán)算法信息融合,其方法如下:對于帶多個傳感器的離散隨機系統(tǒng),分別對單個傳感器應(yīng)用Kalman濾波方法,得到相應(yīng)的濾波器、誤差方差,計算最優(yōu)標(biāo)量權(quán)重,得到最小方差意義下的最優(yōu)標(biāo)量加權(quán)系數(shù),再將每單個傳感器采用標(biāo)量加權(quán)信息融合,得到融合后的濾波器、融合誤差方差;
然后,進行基于Kalman濾波的多傳感器故障診斷,其方法如下:建立含有擾動和故障信號的多傳感器系統(tǒng),分別對單個傳感器采用Kalman濾波方法設(shè)計濾波器,計算誤差方差和殘差,得到最小方差意義下的最優(yōu)標(biāo)量加權(quán)系數(shù),再將每單個傳感器采用標(biāo)量加權(quán)信息融合,得到融合后的濾波器、融合誤差方差和殘差,分析誤差殘差產(chǎn)生的影響,從而判斷傳感器的故障。
[0007]所述的多傳感器信息融合的故障診斷方法,通過一組傳感器對被測對象進行信息采集,然后進行信息處理,通過Kalman濾波方法濾除噪聲干擾,并對信號進行狀態(tài)估計,對得到的一組傳感器估計信號,再通過標(biāo)量加權(quán)算法進行信息融合,綜合各個傳感器信息,從而得到信息更全面的傳感器狀態(tài)信號,最后通過狀態(tài)估計與實際信號之差得到殘差從而進行故障診斷,進而做出進一步的故障處理;
通過一組傳感器進行多個數(shù)據(jù)源的信號采集,通過Kalman濾波方法分別對每個傳感器采集來的信號進行局部狀態(tài)估計,最后通過標(biāo)量加權(quán)算法得到單獨傳感器的加權(quán)權(quán)重,并利用這個權(quán)重對N個傳感器進行信息融合,賦予不同傳感器不同的影響因子,從而更全面的分析利用狀態(tài)信號。
[0008]所述的多傳感器信息融合的故障診斷方法,通過計算機對采集來的信號進行Kalman濾波處理,分別對每個傳感器的狀態(tài)進行估計。通過標(biāo)量加權(quán)算法的計算,得到不同傳感器的標(biāo)量加權(quán)權(quán)重,在計算機的融合中心進行信息的融合,將不同傳感器的信息綜合利用,得到融合后的狀態(tài);將估計狀態(tài)與實際狀態(tài)進行比較,得到殘差,從而通過計算機仿真,得到故障檢測,通過結(jié)果推理對檢測到的故障做進一步的診斷處理;
在正常狀態(tài)下,檢測的殘差是近似為零的,說明設(shè)備處于正常的工作狀態(tài);當(dāng)檢測到有殘差,也就是真實值同估計值存在偏差,就說明故障存在,設(shè)備出現(xiàn)了異常。
[0009]所述的多傳感器信息融合的故障診斷方法,通過傳感器的信息采集、計算機融合處理及人機操作界面多媒體顯示三部分的結(jié)合,進行故障評估計算,從而對設(shè)備故障檢測處理;
在計算機融合處理中心,首先對單個傳感器進行信息處理,采用Kalman濾波方法對局部狀態(tài)進行估計,然后對估計的狀態(tài)采用標(biāo)量加權(quán)算法進行信息融合,提高傳感器的精度,增加有效信息的數(shù)量,并通過仿真驗證算法的有效性,得到融合后的估計信息精度高于單個傳感器的估計精度。在此基礎(chǔ)上,通過狀態(tài)的真實值與估計值之差計算得到殘差,通過殘差檢測實現(xiàn)故障檢測;
在多媒體顯示部分,通過融合處理中心信息融合后的估計狀態(tài)和實際狀態(tài)由人機界面查看,以便于實時觀察及歷史數(shù)據(jù)的查詢,通過仿真計算得到的殘差數(shù)值顯示到多媒體界面,并在出現(xiàn)異常時停機并報警。
[0010]有益效果:
1.本發(fā)明在傳統(tǒng)的狀態(tài)空間模型中加入故障信息,設(shè)計Kalman濾波器,在有效的進行狀態(tài)估計前提下,通過殘差檢驗進行故障診斷,多方面采集故障信息,使得同一故障的不同特征得到充分的使用分析,更加快速的找出故障,基于多傳感器的故障信息融合,提高了故障診斷的精度。結(jié)合多傳感器信息融合進行故障診斷,提高故障診斷的效率,能夠更全面的采集故障信息,充分的分析并預(yù)測故障的發(fā)生,對實際的應(yīng)用有著實用性和有效性。
[0011]在信息采集部分,使用的傳感器可以是相同的也可以是不同的。可以是相同的傳感器對同一信號進行采集,這是因為不同的傳感器精度不同,綜合多個傳感器信息可以提高采集的精度,這適用于一些精度要求高的系統(tǒng)。也可以采用不同的傳感器對不同的信號進行采集,當(dāng)然,這些信號都是可能同時引起故障的原因,例如,軸承松動、不對中、不平衡等等都會引起旋轉(zhuǎn)機械轉(zhuǎn)子的異常震動,因此只有綜合利用這些特征信息才有可能診斷出轉(zhuǎn)子的故障。
[0012]本發(fā)明的優(yōu)點是根據(jù)以下論證得到的:新近文獻給出了一種標(biāo)量加權(quán)融合算法,與一般的矩陣加權(quán)相比它是一種次優(yōu)融合準(zhǔn)則,但由于它只需計算加權(quán)標(biāo)量系數(shù),避免了計算加權(quán)矩陣,從而減小了計算量。特別是當(dāng)系統(tǒng)狀態(tài)維數(shù)較高時,可明顯減小計算負擔(dān)。且它仍能在總體上改善每個局部估計,因而它具有工程應(yīng)用價值。為使敘述簡單下面省略時間t。
[0013]引理I
【權(quán)利要求】
1.一種多傳感器信息融合的故障診斷方法,其特征是:該方法包括如下步驟:采用Kalman濾波方法進行單傳感器的局部狀態(tài)估計,然后進行多傳感器的標(biāo)量加權(quán)算法信息融合;首先,對于帶一組傳感器的離散隨機系統(tǒng),分別對單個傳感器應(yīng)用Kalman濾波方法,得到相應(yīng)的濾波器、誤差方差,計算最優(yōu)標(biāo)量權(quán)重,得到最小方差意義下的最優(yōu)標(biāo)量加權(quán)系數(shù),再將每單個傳感器采用標(biāo)量加權(quán)信息融合,得到融合后的濾波器、融合誤差方差; 然后,進行基于Kalman濾波的多傳感器故障診斷,其方法如下:建立含有擾動和故障信號的多傳感器系統(tǒng),分別對單個傳感器采用Kalman濾波方法設(shè)計濾波器,計算誤差方差和殘差,得到最小方差意義下的最優(yōu)標(biāo)量加權(quán)系數(shù),再將每單個傳感器采用標(biāo)量加權(quán)信息融合,得到融合后的濾波器、融合誤差方差和殘差,分析誤差殘差產(chǎn)生的影響,從而判斷傳感器的故障。
2.根據(jù)權(quán)利要求1所述的多傳感器信息融合的故障診斷方法,其特征是:通過一組傳感器對被測對象進行信息采集,然后進行信息處理,通過Kalman濾波方法濾除噪聲干擾,并對信號進行狀態(tài)估計,對得到的一組傳感器估計信號,再通過標(biāo)量加權(quán)算法進行信息融合,綜合各個傳感器信息,從而得到信息更全面的傳感器狀態(tài)信號,最后通過狀態(tài)估計與實際信號之差得到殘差從而進行故障診斷,進而做出進一步的故障處理; 通過一組傳感器進行多個數(shù)據(jù)源的信號采集,采用Kalman濾波方法分別對每個傳感器采集來的信號進行局部狀態(tài)估計,最后通過標(biāo)量加權(quán)算法得到單獨傳感器的加權(quán)權(quán)重,并利用這個權(quán)重對N個傳感器進行信息融合,賦予不同傳感器不同的影響因子,從而更全面的分析利用狀態(tài)信號。
3.根據(jù)權(quán)利要求2所述的多傳感器信息融合的故障診斷方法,其特征是:通過計算機對采集來的信號進行Kalman濾波處理,分別對每個傳感器的狀態(tài)進行估計,通過標(biāo)量加權(quán)算法的計算,得到不同傳感器的標(biāo)量加權(quán)權(quán)重,在計算機的融合中心進行信息的融合,將不同傳感器的信息綜合利用,得到融合后的狀態(tài);將估計狀態(tài)與實際狀態(tài)進行比較,得到殘差,從而通過計算機仿真,得到故障檢測,通過結(jié)果推理對檢測到的故障做進一步的診斷處理; 在正常狀態(tài)下,檢測的殘差是近似為零的,說明設(shè)備處于正常的工作狀態(tài);當(dāng)檢測到有殘差,也就是真實值同估計值存在偏差,就說明故障存在,設(shè)備出現(xiàn)了異常。
4.根據(jù)權(quán)利要求2或3所述的多傳感器信息融合的故障診斷方法,其特征是:通過傳感器的信息采集、計算機融合處理及人機操作界面多媒體顯示三部分的結(jié)合,進行故障評估計算,從而對設(shè)備故障檢測處理; 在計算機融合處理中心,首先對單個傳感器進行信息處理,采用Kalman濾波方法對局部狀態(tài)進行估計,然后對估計的狀態(tài)采用標(biāo)量加權(quán)算法進行信息融合,提高傳感器的精度,增加有效信息的數(shù)量,并通過仿真驗證算法的有效性,得到融合后的估計信息精度高于單個傳感器的估計精度;在此基礎(chǔ)上,通過狀態(tài)的真實值與估計值之差計算得到殘差,通過殘差檢測實現(xiàn)故障檢測; 在多媒體顯示部分,通過融合處理中心信息融合后的估計狀態(tài)和實際狀態(tài)由人機界面查看,以便于實時觀察及歷史數(shù)據(jù)的查詢,通過仿真計算得到的殘差數(shù)值顯示到多媒體界面,并在出現(xiàn)異常時停機并報警。
【文檔編號】G01M13/00GK103776654SQ201410059572
【公開日】2014年5月7日 申請日期:2014年2月21日 優(yōu)先權(quán)日:2014年2月21日
【發(fā)明者】王金玉, 吳岡, 何艷, 王濤, 周麗麗, 高鳳嬌, 陳慶文 申請人:黑龍江省科學(xué)院自動化研究所