基于动态置信规则库推理的故障诊断方法.pdfVIP

摘要

故障诊断/预测方法作为工业安全领域内的重要技术，在保证工业设备安全

运行方面起了巨大的作用。在工业大数据背景下，此方向的研究从对低维数据的

处理转向到对多维数据处理，置信规则库(Belief-Rule-Based,BRB)推理方法因其

能够对各种不确定的定量/定性知识建模，被广泛应用于挖掘多维输入输出之间

的非线性关系。此外，证据推理(EvidenceReasoning,ER)规则对于解决具有主观

不确定性、定量和定性指标共存的多属性决策问题具有很好的效果。本文基于

BRB推理和ER规则，对故障诊断/预测问题进行了研究，主要内容如下：

(1)基于粒子滤波的BRB动态更新方法。目前，BRB模型参数的优化方法多

是离线进行的，不适用于实时变化的系统。针对该问题，提出一种基于粒子滤波

的BRB动态更新方法，实时更新模型参数。假定BRB参数变化符合一阶马尔可

夫过程，使用一系列加权样本粒子来近似估计模型参数的后验概率分布；通过加

权粒子样本更新模型参数。最后利用典型非线性模型案例对所提方法加以验证。

(2)基于动态BRB的多变量故障检测方法。针对大型火力发电厂变频器冷却

凝结水泵故障检测问题，基于(1)中的研究，给出一种多变量时变系统故障检测方

法。根据水泵系统监测变量特征之间的关系，建立基于BRB的系统模型；设计

基于模型估计误差的BRB动态更新方法，根据更新值进行报警决策。最后，通

过水泵故障检测案例对所提方法的故障检测性能加以验证。

(3)基于动态BRB和ER规则的故障预测方法。工程实践中，提前对故障进

行预测能有效降低故障恶化带来的损失。针对故障预测问题，基于(1)中的研究，

设计了一种旋转机械设备故障预测方法。对于每个故障特征变量，基于动态BRB

构建其对应的故障特征值多步预测模型，获取故障特征预测值；构建基于ER规

则的融合决策模型，将预测值进行融合并根据融合结果进行故障预测。最后，通

过旋转机械设备故障预测案例对所提方法的故障预测性能加以验证。

关键词:故障诊断，故障预测，置信规则库推理，证据推理规则

ABSTRACT

Asanimportanttechnologyinthefieldofindustrialsafety,fault

diagnosis/predictionmethodsplayahugeroleinensuringthesafeoperationof

industrialequipment.Inthecontextofindustrialbigdata,researchinthisdirectionhas

shiftedfromtheprocessingoflow-dimensionaldatatotheprocessingofmulti-

dimensionaldata.Belief-Rule-Based(BRB)inferencemethodologyisusedtomodel

variousuncertainquantitative/qualitativeknowledge，anditisalsowidelyusedto

extractthenonlinearrelationshipbetweenmulti-dimensionalinputandoutput.In

addition,EvidenceReasoning(ER)rulehasagoodeffectonsolvingmulti-attribute

decision-makingproblemswithsubjectiveuncertaintyandcoexistenceofquantitative

andqualitativeindicators.BasedonBRBinferenceandERrule,thispaperstudiesthe

problemoffaultdiagnosis/prediction,themaincontentisasfollows: