基于模糊故障诊断和相关性模型诊断的合成诊断方法

摘要

本发明提供了一种基于模糊故障诊断和相关性模型诊断的DR合成诊断方法，用于电子设备故障诊断。该方法首先确定各测试点监测的状态参量类型，为连续量或逻辑量；然后对连续量的测试，将测试作为故障征兆，建立模糊关系矩阵R，而对逻辑量的测试，建立相关性矩阵D，将建立的模糊关系矩阵R转置后与相关性矩阵组合为DR合成矩阵；最后针对实时测试故障状态向量，利用DR合成矩阵和DR合成诊断方程定位故障源。本发明充分考虑了系统状态参量中的连续量和逻辑量，弥补了模糊故障诊断的粗糙性，又改善了相关性模型诊断的局限性，适用于具有连续量和逻辑量的系统的故障诊断，可实现故障源的准确定位。

主权项

一种基于模糊关系诊断和相关性模型诊断的合成诊断方法，其特征在于，包括如下步骤：步骤1，为各测试点所对应的测试编号，并确定各测试点监测的状态参量的类型，分为连续量和逻辑量两种类型；步骤2，构建由相关性矩阵D与模糊关系矩阵R合成的DR合成矩阵M，具体是：步骤2.1，建立模糊关系矩阵，具体是：步骤2.1.1，判断步骤1中各测试点监测的状态参量是否包含连续量，若不包含，则不存在模糊关系矩阵，转到步骤2.2执行，否则执行步骤2.1.2；步骤2.1.2，将监测连续量的测试点对应的测试作为模糊关系矩阵R中的故障征兆；步骤2.1.3，建立包含步骤2.1.2中所确定的故障征兆与每一个故障原因之间模糊关系的模糊关系矩阵R；一个故障征兆对应模糊关系矩阵R中的一行，一个故障原因对应模糊关系矩阵R中的一列，模糊关系矩阵R中第i行第j列所对应的元素r_ij表示第i个故障征兆属于第j个故障原因的隶属度；步骤2.2，建立相关性矩阵D，具体是：步骤2.2.1，判断步骤1中各个测试点监测的状态参量是否包含逻辑量，若不包含则不存在相关性矩阵，转到步骤2.3执行，否则执行步骤2.2.2；步骤2.2.2，将监测逻辑量的测试点所对应的测试作为相关性矩阵D中的测试；步骤2.2.3，建立包含步骤2.2.2中所确定的测试与每一个故障模式之间相关关系的相关性矩阵D；一个测试对应相关性矩阵D中的一列，一个故障模式对应相关性矩阵D中的一行，相关性矩阵D中的第i行第j列所对应的元素d_ij表示第i个故障模式与第j个测试的相关性，当第j个测试能测到第i个故障模式时，d_ij＝1；否则，d_ij＝0；步骤2.3，将模糊关系矩阵转置，再与相关性矩阵组合，得到DR合成矩阵；步骤3，利用DR合成诊断方程定位故障源，具体是：步骤3.1，获取实时测试故障状态向量T^c，T^c＝[T₁,…,T_j,…,T_n]^T；T₁,…,T_j,…,T_n表示第1个测试，……，第j个测试，……，第n个测试，n表示测试的个数；步骤3.2，利用DR合成诊断方程，计算故障模式矢量F，F＝[F₁,…,F_i,…,F_m]^T；F₁,…,F_i,…,F_m表示第1个故障模式，……，第i个测试，……，第m个故障模式，m表示故障模式的总个数；步骤3.3，定位故障源，具体是：根据最大隶属度原则，搜索故障模式矢量F中所有可能的故障模式，将最大概率所对应的故障作为故障源。