基于未确知集合理论的故障诊断方法研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于未确知集合理论的故障诊断方法研究

项目名称：基于未确知集合理论的故障诊断方法研究
项目类别：面上项目
批准号：60474019
申请代码：F030213
项目来源：国家自然科学基金
研究期限：2005-01-01-2007-12-31

项目负责人：刘开第
负责人职称：教授
依托单位：河北工程大学
批准年度：2004

中文摘要：

设备和系统的故障不仅影响系统安全运行，造成经济损失、甚至危及人身安全。随着系统日趋复杂，对安全性、可靠性的要求越来越高，所以故障诊断越来越受到重视，是国际控制界的一个研究热点。现有故障诊断方法可分为基于解析模型的方法；基于信号处理的方法；基于知识的方法。这些方法各有优势、不足和适用范围。从智能故障诊断要求看，上述诊断技术存在较大的局限性，如不能充分利用专家知识和经验、缺乏推理能力、不具学习机制、对测试结果缺乏解释等。为弥补上述方法的不足，应对智能故障诊断技术进行深入系统研究。本项目以未确知集合理论为指导，研究基于知识的故障诊断方法1.研究基于未确知逻辑系统的故障诊断方法，并在船舶柴油主机等系统故障诊断领域研发可验证该理论与方法的故障诊断系统，并力争在实际中得以应用；2.研究未确知理论与神经网络、模式识别等故障诊断方法的集成算法，使新算法能改善故障诊断的实时性与有效性。

中文主题词：区分权；分类权；隶属度转换；加权距离；数据驱动

英文摘要：

index distinguishable weight;

英文主题词： index distinguishable weight;

结论摘要：

1.本项目解决了基于标杆的故障诊断算法问题。标杆问题是指各要素的运行状态可依据标杆描述，偏离标杆值意味着出现故障，并可依据标杆对故障分类。2.解决了多指标决策中隶属度转换算法问题。较复杂的故障诊断系统可表示为由层面-子项-要素构成的树结构。因故障分类具有模糊性，故系统故障可用多级模糊综合评判模型描述，关键步骤是实现"隶属度转换"。目前通用的隶属度转换算法的缺陷是冗余数据参与合成运算，我们定义指标区分权作为滤波器，清除隶属度转换中的冗余数据，建立符合逻辑的"一滤、二比、三合成"的隶属度转换算法。3.针对有监督数据驱动的故障诊断问题，分析不同指标对样本分类所做贡献大小，提取隐藏在故障数据中有利于分类的启发性信息，定义指标分类权重；揭示故障分类数据在空间中的分布特点，将故障数据分为简单、较复杂和复杂数据，并对不同类型故障数据建立有针对性的诊断算法；4.针对无监督数据驱动的故障诊断问题，认为同类故障数据的各维分量应具有某种"相近性"，利用指标分类权重，构造样本点与故障类间的加权距离作为相似性度量，建立新的机器学习算法，取得了基于数据驱动的故障诊断算法研究的初步应用成果。本项目发表论文28 篇。

成果综合统计