智能故障诊断方法研究：标量加权信息融合范文

现代化生产中设备的状态检测技术越来越受到重视,人们投人大量精力进行设备故障诊断的研究。传感器的应用,使得设备的故障检测得到了发展,但在实际应用中,单个传感器往往存在一些缺陷,如信号采集不全面、不准确甚至错误、信号采集丢失、延时等等,因此人们研究出多个传感器的共同应用,即多传感器信息采集。多传感器信息融合技术是上世纪80年代形成和发展的一种自动化信息综合处理技术。多传感器的应用,可以更加有效、全面的采集信息,加速发展了信号处理技术。20世纪80年代初,Bar-shalom[1]就研究了带独立噪声的两传感器子系统之间的相关性。多传感器充分利用了多源数据的互补性及电子计算机运算的高速性和智能性,大大提高了信息处理结果的质量。随着应用系统日益扩大,所需的功能也越来越复杂,使用传感器的种类也相应的增多。原来的单一传感器检测技术已不能满足要求,于是对多传感器融合技术的研究也越来越多,文献[2,3]在正态分布的假设下分别给出一种极大似然融合准则,但融合时计算加权矩阵需要求解一个较高维数的矩阵的逆,不便于实时应用。文献[4]给出了一种标量加权的信息融合算法,但其假设局部状态估计误差不相关,这不符合一般情形,所以只能获得次优信息融合滤波器。文献[5]针对多模型多传感器系统,基于标量加权的最优信息融合算法,给出了一种分布式标量加权最优信息融合Kalman滤波器。采用分布式的结构,某些传感器出现故障,可由剩余的传感器继续融合估计,避免了集中式估计由于某个传感器出现故障而使整个系统不能工作的缺点,所以它具有可靠性。本文在文献[5]的基础上,将真实值与信息融合估计值进行比较,得到故障诊断系统的残差,通过仿真图形中的毛刺,进行故障诊断的判断。

1标量加权线性最小方差最优信息融合准则

文献[6]给出了一种标量加权融合算法,与一般的矩阵加权相比它是一种次优融合准则,但由于它只需计算加权标量系数,避免了计算加权矩阵,从而减小了计算量。特别是当系统状态维数较高时,可明显减小计算负担。且它仍能在总体上改善每个局部估计,因而它具有工程应用价值。

2多传感器标量加权最优信息融合

Kalman滤波器考虑带L个传感器的离散随机系统,并在状态空间模型中加入故障干扰f(t),得到如下(4)~(6)式含有扰动和故障的多传感器系统:其中:x(k)∈Rn是状态向量,y(k)∈Rm是观测向量,w(t),vi(t)分别为系统的系统噪声和第i个传感器的观测噪声,f(t)为白噪声描述的故障信号,且A,B,Bf,Ci,Dfi是适当维数的矩阵。下标(i)表示第i个传感器,L表示传感器个数。假设w(t)和vi(t)(i=1,2,…L)是带零均值的相关白噪声。为了方便推理及计算,本文采用增广的方法,将系统扩维增广得到新系统方程如下:其中:BW(t)=BwW(t)+Bff(t),V(t)=vi(t)+Dfifi(t),i=1,2,…L。其它定义假设条件同上给出。在扩维后的系统方程下,使用Kalman滤波方法,对增广后的系统进行滤波设计,从而得到带有故障信息的状态估计,并得到相应的滤波器和滤波误差,从而进行残差χ2检验。定理1增广系统(7)~(9)在假设下有最优Kalman滤波器其中:为系统的滤波估计,kf(t)为滤波增益,Px(t+1│t+1)为滤波误差方差阵。定理2增广系统(7)~(9)在假设下,系统有如下递推的Kalman滤波误差方差阵在不存在故障时,系统应满足状态方程式,即为X(k)的无偏估计,所以残差ε(k)是零均值高斯白噪声向量;当传感器发生故障,那么系统就不再满足状态方程式,因此残差均值不再为零。故对系统测量信号的均值作假设检验,即可判决传感器是否有故障。

3仿真研究

取系统噪声方差Qw值为1,yi(t),i=1,2是两个传感器的观测信号,vi(t),i=1,2是传感器的观测噪声,并分别取方差为Qv1=1,Qv2=9。初始值设为x(0)=[00]T,故障诊断仿真结果如下:仿真中首先取故障信息为零,来验证滤波融合算法。图1中分别给出的是状态的误差方差,最下面一条曲线为信息融合后的误差曲线,可以看出融合后的误差明显低于单个传感器,图2这种,中间的红色曲线为融合后的滤波估计,从图中可以看出,融合后的曲线在两条估计曲线中间,综合了两条曲线的值,使得滤波估计更加准确,从而验证了标量加权算法的有效性。当没有故障存在的情况下,残差几乎为零如图3,当出现异常情况时,残差则不为零,如图4所示,则可以判断出故障。

4结束语

在实际故障诊断中,单传感器往往存在着不稳定性,而多传感器则可以克服这些不足。本文对多传感器故障信息模型给出了一种分布式标量加权的最优信息融合Kalman滤波器,给出了滤波误差方差阵的计算公式。通过实验仿真看出故障信息可以被成功检测。验证了融合算法的有效性。

作者：王金玉 刘彤 王涛 周丽丽 杨喆 单位：黑龙江省科学院自动化研究所