基于信息融合技术的矿井提升机故障诊断的研究

摘 要：本文针对矿井提升机故障诊断方法存在的局限性，运用了一种基于多传感器信息融合的智能故障诊断方法。该方法采用D-S证据理论决策级融合进行故障识别，利用统计证据获得基本概率赋值。通过一实例论证了在矿井提升机故障诊断中，采用此方法比单传感器信息故障诊断方法更具有优越性。关键词：信息融合；故障诊断；统计证据Abstract: For limitation of fault diagnosis methods in Mine Hoist, a fault diagnosis method based on the multi-sensor information fusion was used in this article. The D-S evidence theory is applied to the fault identification, and the basic probability assignment is offered with the statistical evidence. By contrast the diagnosis result of an example, it indicates that using the multi-sensor information fusion method is more Superiority than using a single information as fault diagnosis method in fault diagnosis.Key words: information fusion; fault diagnosis; statistical evidence0 引言 设备故障是指“设备功能失常”，也就是设备不能达到预期的工作状态，无法满足应有的性能、功能。设备故障诊断技术是近40年来发展起来的适应工程实际需要而形成的一门综合学科，是各学科交叉发展的必然，由此获取的经济效益十分显著。 所谓多传感器信息融合是对来自多个传感器的信息进行多级别、多方面的处理，从而导出新的、有意义的信息，而这种新信息是任何单一传感器所无法获得的，它表示了被检测目标对象的行为。通过多传感器信息融合，可以扩大时空覆盖范围，增加置信度，改善检测系统的可靠性[sup][1][/sup]。 本文研究基于统计证据获得基本概率赋值，利用基于基本概率赋值的D-S证据理论决策级融合方式，对矿井提升机的故障进行识别。1 多传感器数据融合算法 将D-S证据理论应用于多传感器数据融合时，从传感器获得的相关数值就是该理论中的证据，它可构成待识别目标模式的信度函数分配，表示每一个目标模式假设的可信程度，每一传感器形成一个证据组。多传感器数据融合就是通过联合规则联合几个证据组形成一个新的综合的证据组，用联合规则联合每个传感器的信度函数分配形成融合的信度函数分配，从而为目标模式的决策提供综合准确的证据。 1.1 D-S证据理论基本概念 证据理论是由Dempster在1967年最初提出的，他用多值映射得出了概率的上下界，后来由Shafer在1976年推广并形成证据推理，因此又称为Dempster-Shafer理论。设U表示X所有可能取值的一个论域集合，且所有在U内的元素间是互不相容的，则称U为X的识别框架。U可以有限也可以无限，在专家系统的应用中是有限的。 根据融合决策的方法，得出融合的决策结果是O1，即减速器工作不正常。从计算结果可以看出，通过A相和B相融合后，不确定的基本概率赋值大于设定门限，不能识别故障类型。将其结果再和C传感器融合后，故障不确定性的基本概率赋值下降到 ，可以识别故障类型。可见，利用单一传感器对矿井提升机进行故障诊断，可信度比较低，有时无法准确识别故障类型，而利用多传感器进行识别，可提高故障识别率。4 结论 从分析结果可以看出，仅利用单一传感器信息对矿井提升机故障进行诊断识别，其结果存在许多误诊和漏诊的情况;而基于多传感器信息融合的故障诊断能充分地利用多个传感器的信息，可以减少诊断的不确定性，能够识别单一传感器不能识别的故障;随着融合传感器个数的增多，诊断的可靠性也会越来越高。参考文献[1] 何友，王国宏等. 多传感器信息融合及应用[M]. 北京:电子工业出版社，2007,40-45[2] 黄瑛，陶云刚等，D-S证据理论在多传感器数据融合中的应用[J].南京航空航天大学学报 ，1999,31（2）:172-177[3] 王江萍.基于多传感器融合信息的故障诊断[J].机械科学与技术，2000,19（6）[4] 卢燕.矿井提升机的故障监视和诊断.金属矿山,1998.3