基于异类信息融合的模拟电路故障诊断方法

摘要

本发明公开了一种基于异类信息融合的模拟电路故障诊断方法，包括以下步骤：测量待诊断电路元件的温度变化值；求取各个元件工作温度变化值的最优门阀值；将大于最优门阀值的元件温度变化值归入故障域Φ中，利用温度隶属度模型计算获得各元件温度证据值；对待诊断电路施加激励信号，测量可测点电压；将可测点电压信息输入BP神经网络进行初级诊断，获得可测点电压证据值；利用异类信息融合系统对上述温度证据值与电压证据值进行融合：求取关联权重系数、先验权重系数与统一权重系数，再对上述两类证据值进行调整并进行D-S融合，确定故障元件。本发明解决了模拟电路故障诊断中特征信息缺乏以及异质信息不相容等所致的误判问题，提高了故障诊断准确度。

主权项

一种基于异类信息融合的模拟电路故障诊断方法，包括以下步骤：1)利用温度传感器测量待诊断电路元件的温度变化值；2)求取各个元件工作温度变化值的最优门阀值，其步骤如下：a1)根据传感器获取的元件温度变化值信息利用迭代公式计算门阀值；a2)利用获得的门阀值分割和处理各元件工作温度变化值，通过分割处理后获得的温度变化值信息计算最佳离散度并计算元素个数，当满足所规定的元素个数原则和最佳离散度时终止计算；a3)若不满足要求则进行下一步迭代计算，重复上述步骤a2)和a3)，直到获得满足条件的最佳门阀值为止，从而获得最优门阀值；3)利用获得的最优门阀值过滤元件温度变化值，当某元件工作温度变化值大于最优门阀值时则将其归入故障域Φ中，否则滤除此温度变化值信息；4)将故障域Φ的温度变化值输入到温度隶属度模型中，利用隶属度函数计算获得各元件工作温度变化值的故障隶属度值，将其作为温度证据值；5)对待诊断电路施加激励信号，测量可测点电压；6)将可测点电压输入BP神经网络进行初级诊断，获得可测点电压的证据值，并将其作为电压证据值；7)利用异类信息融合系统对上述温度证据值与电压证据值进行融合，确定故障元件，其步骤为：a、计算温度证据值与电压证据值的证据冲突向量，将证据冲突向量归一化并求熵值，再求倒数获得关联权重系数；b、将温度证据值、电压证据值分别与理想故障输出向量进行比较，计算两者的似真相似度；c、根据各组似真相似度利用遗传算法寻找满足相似度最大的各组先验权重系数；d、根据先验权重系数和关联权重系数计算出统一权重分配系数，统一权重系数计算公式为 ξ κj = w κ + r κj Σ i = 1 n r ij + Σ i = 1 n w i , j = 1,2 , · · · , x st . Σ κ = 1 n ξ κj = 1 式中先验权重系数、关联权重系数和统一权重系数的个数均为x，ξκj表示在总数为第m类中的第j类故障且在传感器为第κ类下的统一权重分配系数,计算温度证据值统一权重系数和可测点电压证据值统一权重系数时k分别取1和2，wκ为在传感器为第κ类下的关联权重系数，rkj为在第j类故障且在传感器为第κ类为先验权重系数；e、利用统一权重分配系数重新调整各证据值，再进行D‑S融合，定位故障元件。