监测系统故障自诊断方法

摘要

本发明涉及监测系统故障自诊断方法，该方法包括下列步骤：对不同测值的序列进行关联度分析；利用测值序列间关联度构件模糊关系矩阵；对测值序列进行模糊聚类分析分析测值异常原因，对监测系统运行状态作出判断。本发明用计算机程序对各测点测值之间存在的联系进行量化分析，使监测系统能够对异常测值是否由自身故障所引发进行诊断，避免由于误判引起误报警而带来的不必要的经济与社会成本投入，也便于及时采取措施对监测系统进行维修，提高了结构监测系统的智能化水平与鲁棒性，因此实用性较大。

主权项

1.监测系统故障自诊断方法，其特征是，该方法包括下列步骤：(1)对不同测值的序列进行关联度分析；(2)利用测值序列间关联度构件模糊关系矩阵；(3)对测值序列进行模糊聚类分析，分析测值异常原因，对监测系统运行状态作出判断；所述步骤(1)中采用绝对关联度进行分析，所述测值序列中，x_i和x_j分别为参考序列和比较序列，即：X_i＝{x_i(k)|k＝1，2，...，n}               (1)X_j＝{x_j(k)|k＝1，2，...，n}               (2)对长度相同的两序列求其始点零化象$X_l^0=(x_l^0\left(1\right),x_l^0\left(2\right),...,x_l^0\left(n\right)),(l=i,j)---\left(3\right)$其中按式(4)即可求得两序列的绝对关联度：$r_{\mathrm{ij}}=\frac{1+\left|S_i\right|+\left|S_j\right|}{1+\left|S_i\right|+\left|S_j\right|+|S_j-S_i|}---\left(4\right)$式中$S_l={\int }_1^n(X_l-x_l\left(1\right))\mathrm{dt}={\int }_1^n{X}_l^0\mathrm{dt}\approx \underset{k=2}{\overset{n-1}{\Sigma }}{x}_l^0\left(k\right)+\frac{1}{2}{x}_l^0\left(n\right),(l=i,j);$所述步骤(2)中，假设监测系统有m个测点，每个测点各测得n个测值，则这m段测值序列Y＝{Y₁，Y₂，...，Y_m}构成n维空间的样本向量集，任意样本向量Y_i为：${\bar{Y}}_i={\{y_{i1},y_{i2},...,y_{\mathrm{in}}\}}^T$其中y_ij(i＝1，2，...，m；j＝1，2，...，n)是第i个测点的第j个测值；用步骤(1)中求得的关联度r_ij(0≤r_ij≤1)，量化Y中两两元素间的彼此接近程度，将r_ij组成的矩阵R作为模糊关系矩阵。