-
第
4
卷第
1
期
智
能
系
统
学
报
Vol . 4№ .
12009
年
2
月
CAA I Transacti ons on I ntelligent
Syste m s
Feb . 2009
一种基于多传感器信息融合的故障诊断方法
马大中
,
张化光
,
冯
健
,
刘金海
(
东北大学
信息科学与工程学院
,
辽宁
沈阳
110004
摘
要
:,
进行诊断
.
增加系统判断的
准确性
. .
关键词
:D 2S
证据理论
:. :167324785(2009
A fault di a gnosis method based on
multi 2sensor i n for mati on fusi on
MA Da 2zhong, ZHANG Hua 2guang, FENG J
ian, L IU J in 2hai
(College of I nfor
mati on Science and Engineering, Northeastern
University,
Shenyang 110004, China
Abstract:A t p resent, there are high m
isinf or mati on rates and m issing report rates
in leakage testing and warning syste m
s f or oil and gas p i pelines . Thus, a method
using multi 2sens or inf or mati on
fusi on t o conduct diagnosis was p r oposed in
this
paper . I n the p r ocess of inf
or mati on fusi on, we t ook advantage of weighted
fusi on t
o increase the accuracy of
syste m judg ment, since the characteristic para
meters of
different sens orswere
distinct . Experi m ental re 2sults showed the
effectiveness of the
method .
Keywords:D 2S evidence theory; fault
diagnosis; multi 2sens or; infor mati on fusi
on
收稿日期
:2008211207.
基金项目
:
国家自然科学基金资助项目
(60534010,
60572070,
60521003, 60774093 .
通信作者
:
马大中
. E 2mail:madz
madz4230@g mail . com.
近些年来工业控制领域的故障诊断一直是人们
关注的热点
,
管道运输作
为与铁路
、
公路
、
航空
、
水运
<
/p>
并驾齐驱的五大运输业之一也越来越受到人们的
关
注
.
但是随着管线的增多
,
管龄的增长以及难以避免
的腐蚀和破坏
,
管道事故频
频发生
,
造成严重的资源
浪费和环境污染
,
不仅给国家带来巨大的经济损失
还污染
了环境
,
甚至可能带来重大的人身伤亡
.
由于
管段间距较长
、
巡线覆盖率不够
、
故障点隐蔽等原
因
,
往往难以预先发现事故隐患或及时找到泄漏地
点
,
致使损失扩
< br>大并增加了更严重事故发生的风险
.
目前比较流行的检测方法有质量流量平衡法
、
压力
分布法
、
负压波法
、
声波法和瞬变流模型法
.
这些方
法的主要问题是灵敏
度不够高
,
误报警次数过多
,
存
在漏报的现象
.
多传感器信息融合
[123]
是指协调使
用多个传感器
,
将多个不同类型传感器所提供的不
完整信息加以综合
,
消除多
传感器信息之间可能存
在的冗余和矛盾
,
并加以互补
,
降低其不确定性
,
获
得对物
体或环境一致性的描述过程
.
在实践中人们发现
,
仅仅只利用单一方面的故
障特征信息进行故障诊断
,
由于
设备故障复杂多样
,
具有不确定性
,
至使在许多情况下得出的诊断结果
并不可靠
[426]
.
因此
,
只有综合合理利用系统多个方
面的故障特征信息即信息融合
,
降低诊断的不确定
性
,
才能实现对设备全面与
准确地诊断
.
1
Demp ster 2Shafer (D 2S
证据理论
D 2S
证据理论
[7]
根据事件发生后的结果
(
证
据
,
探求事件发生的主要原因
(
假设
.
对于具有主
观不确定性判断的多属性诊断问题
, D 2S
证据理论
是一个融合主观不确定性信息的有效手段
.
在设备
的故障诊断中
,
若干个可能
的故障产生一些症状
,
每
个症状下各故障都可能有一定的发生概率
. D 2S
证
据理论中
,
用信度函数表达概率的大小
,
通过多传感
器测试被诊断对象
,
得出
每一传感器测得的症状属
于各类故障的信度函数
,
然后运用
D 2S
组合规则进
行信
息融合
,
得到融合后症状属于各类故障的信度
函数
,
最后根据一定的准则确定故障
类型
.
2
管道的故障诊断
2.
1
系统的组成和数据融合原理
图
1
是本系统所采用的多传感器融合系统的结
构框图
,
首先利用声波传感器
,
压力传感器和流量传
感器测出管道运行的参数
,
然后运用小波分析的方
法
,
提取出这些传感器信号的适当特征值来辨识设
备的运
行状态
,
然后结合识别框架中各个命题的特
点
,
确定证据体的基本可信度分配
,
并
用
D 2S
证据理
论的联合规则联合每个传感器的测度函数分配
,
形
成加权融合的测
度函数分配
.
果
, ,
.
图
1
系统结构框图
Fig . 1
The bl
ock diagra m of the syste m
2.
2
多传感器数据融合算法
首先构造系统的命题集
,
即系统的识别框架
,
在
管道的泄漏诊断过程中
,
确定
的识别框架为
{
泄漏
,
存在第三方破坏活动
,
无异常
}.
然后结合识别框架
中各种运
行状态的特点
,
构造各种特征子集
,
并进一
步构造特征空间
. 2. 2. 1
信号的预处
理
应用一种新的基于信号最小平方峭度为代价函
数的盲源解耦算法对采集上来
的声波信号
、
压力信
号及流量信号进行处理
.
该代价函数为估计误差信
号峭度的
平方
:
J LSK [e (k ]=(Kurt [e (k ] 2
.
(1
其中
:e (k
为误差函数
, Kurt [e (k
]
为返回数据集
的峰值
.
该代价函数具有多种
性能
,
包括
:1
关于估
计误差信号
e (k
对称
2
具有全局最小值
3
有效
抑制高斯噪
声
.
利用盲源解耦技术对信号处理可以
实现信息的增值
,
有助于过程检测信号的降
噪
、
奇异
性检测和泄漏故障特征提取
.
利用小波变换
,
提取所
采集信号的故障特
征参数
,
并根据这些故障特征参
数构造证据体子空间
E . 2. 2.
2
信号的局部诊断
把证据体
E
所包含的元素看成是一个特征向
量
X ={x 1i , x 2i
, … , x N
i i },
而把识别框架中的命题所对
应的证据
体的各元素的标准特征值看成是标
准特征
向量
Y ji ={y 1ji ,
y 2y i , … , y N
i ji },
其中
i =1, 2, … , N
, j =1, 2, … , M ,
则未知特征向量
X
i
与标准特征向量
Y ji
的
Manhattan
距离为
d ij (X i , Y
ji =
∑ N i
k =1
|
x
k i -y k
ji |.
(2
由此得到证据体的输出与各命题之间的距离矩阵为
D =
d 11d 12… d 1M d
21
d 22
… d
2M
…
…
… …
d N 1
d N 2
…
d .
(3
可以看出矩阵
D
的行表示某证据体提供的信息与
故障信息之间的距离
.
由于
距离越小
,
相关性越大
,
故令
p ij =1/d ij ,
得到矩阵
:
?
37
?
第
1
期
马大中
,
等
:
一种基于多传感器信息融
合的故障诊断方法
P =
p 11
p 12… p
1M
p 21
p 22
… p
2M
…
…
… p N
1
p N 2
…
p .
(4
矩阵
P
的行可看作是证据体对各故障所赋予的基
本可信度分配函数值
.
由于在一段管线上安放了多对声波传感器
,
所以
在进行完声波可信度函数分配
以后
,
需要对可信度函
数进行处理
, P s
=max(P si , i =1, 2, … , n,
其中
P si
声波传感
器的可信度函数
. .
2. 2. 3
,
压力以及流量信号的功效
不同
,
声波信号主要是用来
判断是否存在第三方破
坏活动
,
压力信号用来判断是否存在泄漏
,
而流量信
号仅仅
是用来辅助判断的
,
所以各个信号在判断过
程中所起的权重并不一样
.
声波信号在
-
-
-
-
-
-
-
-
-
上一篇：译林版牛津英语8B Unit 8 单词知识点讲解
下一篇：语言学关键术语