论文部分内容阅读
Dempster-Shafer理论(DST)是一种信息融合方法。由于在不确定性信息的表示、度量和组合等方面所具有的优势,DST已在故障诊断领域有了广泛的应用。但是,由于自身理论框架的不完善性(如严格要求辩识框架元素互斥),使得其在处理并发故障诊断时常显得力不从心。而近年来提出的Dezert-Smarandache理论(DSmT),突破了辨识框架中要求元素互斥的限制,依此能为有效处理单发和并发故障的表示,不确定信息的表示、度量和融合等问题建立一个统一的框架。虽然DSmT在处理诊断问题中有诸多的优势,但是,它还是不能摆脱DST在故障诊断中所遇到的相关证据处理、辩识框架不完备及动态变化等难题。为此,本文开展了如下的主要研究工作:(1)分析了DST中在解决证据相关性、辩识框架不完备及动态变化时存在的问题,对当前国内外的证据理论及其相关的改进方法进行了综述。(2)提出了相关证据下并发故障诊断的信息融合方法。结合并发故障的特点,给出了能够涵盖单发和并发故障的辨识框架、以及相应的DSmT融合规则;按照传感器、故障特征和基本概率赋值求法的不同,给出新的解相关方法;最后采用混合DSmT组合规则对解相关后的证据进行融合得到诊断结果。(3)建立了开放辨识框架下并发故障诊断的信息融合方法。该方法可以处理由于辩识框架不完备而引起的证据冲突问题,将DST中的二维冲突度量因子扩展到DSmT框架中,用其判断证据间的冲突程度,并以此来决定采用封闭或开放辨识框架下的证据组合规则。(4)开展了条件化的DSmT证据组合方法及其在故障诊断中的应用研究。介绍了DSmT组合方法处理辨识框架动态变化时的局限性;然后,给出DST框架下Dempster条件规则及类Dempster条件规则对证据的更新;并将DST下的条件规则推广到DSmT下处理故障诊断问题。同时,还针对(2)4中要解决的问题,分别在多功能电机柔性转子实验台上设置了相应的实验,验证了本文所提方法的可行性和有效性。