外文翻譯--基于模煳測(cè)量和模煳積分融合技術(shù)的機(jī)械故障診斷 (譯文）

1、C1中文 中文 7330 字 出處： 出處：Mechanical Systems and Signal Processing, 2009, 23(3): 690-700附件 C：譯文基于模糊測(cè)量和模糊積分融合技術(shù)的機(jī)械故障診斷Xiao feng Liu, Lin Ma, Joseph MathewCRC for Integrated Engineering Asset Management, School of Engineering

2、Systems, Queensland University of Technology,GPOBox2434, Brisbane QLD 4001, Australia摘要 摘要：模糊測(cè)量和模糊積分理論是有傳統(tǒng)的測(cè)量理論派生出來(lái)的一個(gè)新理論，它把標(biāo)準(zhǔn)和它們之間的相互作用考慮了進(jìn)來(lái)，而且在分類等應(yīng)用上有很好的潛力。本文介紹了一種新穎的用模糊測(cè)量和模糊積分對(duì)機(jī)械故障診斷的數(shù)據(jù)融合方法它包括特征層數(shù)據(jù)融合模型和決策層數(shù)據(jù)融合模型，模糊 c

3、方法分析思想也被用來(lái)識(shí)別特征組和故障原型之間的關(guān)系來(lái)建立特征和給定故障之間的標(biāo)識(shí)。我們使用了滾動(dòng)軸承和電馬達(dá)來(lái)是模型生效，記錄的信號(hào)和之后的特征和使用模糊測(cè)量和模糊積分?jǐn)?shù)據(jù)融合技術(shù)的決策層結(jié)合體包含了不同的特征來(lái)得到診斷結(jié)果。最終結(jié)果表明計(jì)劃的方法在軸承和馬達(dá)故障診斷中表現(xiàn)優(yōu)異。關(guān)鍵詞 關(guān)鍵詞：模糊測(cè)量，模糊積分，模糊 c 方法，數(shù)據(jù)融合，故障診斷1 介紹現(xiàn)代機(jī)械復(fù)雜性的快速有快速增加的態(tài)勢(shì)，而由此帶來(lái)的對(duì)可靠性，實(shí)用性安全性和經(jīng)濟(jì)性的

4、要求也與日俱增，因此基于狀態(tài)的維修（CBM）逐步成為機(jī)械維修策略的主流。有效的 CBM 只能在適當(dāng)精確的診斷預(yù)測(cè)中才能實(shí)現(xiàn)，而且故障診斷和預(yù)測(cè)對(duì)基于外出站信號(hào)處理算法的多參數(shù)數(shù)據(jù)解釋有很強(qiáng)的依賴性。統(tǒng)計(jì)學(xué)方法、聚類分析、神經(jīng)網(wǎng)絡(luò)、基于模型思想、遺傳算法、混合系統(tǒng)等在機(jī)械環(huán)境監(jiān)測(cè)和故障診斷中不同的方法相繼被采用[1-6]。其中聚類分析是一種可以得到最佳診斷結(jié)果的迭代劃分方法，而在不同的故障模式之間通常沒(méi)有可標(biāo)記精確邊界的分類中模糊聚類分析

5、表現(xiàn)得比傳統(tǒng)聚類方法更為實(shí)用——模糊方法可以對(duì)與處理模糊信息類似的非二叉樹(shù)的故障圖進(jìn)行分類[7]。模糊聚類分析方法是把故障類型當(dāng)成模糊的組來(lái)考慮，每個(gè)那個(gè)故障的類型賦值為 0 或者 1 被分配給所有成員以達(dá)到描述屬于那個(gè)類的是哪種程度的故障。在對(duì)結(jié)果的 C 劃分中，模糊 C 方法（FCM）是最理想的模糊聚類方法，C3模型，本文的這兩個(gè)模糊積分采用的是 Sugeno 積分和 Choquest 積分。2.1FCM 和模糊積分FCM 是一種最

6、理想的模糊聚類理論，這種不被監(jiān)督的算法是用來(lái)把數(shù)據(jù)組劃分得很少而且可表示，它是通過(guò)最小化以下的誤差歸納公式來(lái)計(jì)算聚類的中心的：21 1( , )N cmm ij ijj iJ U V u d? ?? ??C 表示聚類數(shù)，m 表示成員的指數(shù)，N 是數(shù)據(jù)點(diǎn)，dij 是數(shù)據(jù)點(diǎn) j 和聚類中心i 之間的距離，在一般情況下 dij 指歐幾里得幾何上的距離，U={uij}是數(shù)據(jù)點(diǎn) j和聚類 i 的模糊成員矩陣，V 表示的是聚類中心矢量。函數(shù) f 的

7、 Sugeno 積分：X→[0,1]關(guān)于 Sugeno 模糊測(cè)量 gλ用以下公式定義：1 1 ( ( ),..., ( )) ( ) ( ) ( ( ) ( ))nn i i i A i S f x f x f x g f x g A ? ? ? ? ? ? ? ? ? Ai 表示指數(shù)已經(jīng)被排列，所以 和表示最大化，而 表示最小化[22]。函數(shù) f 的 Choquet 積分[11]：X→[0,1]關(guān)于模糊測(cè)量μ以下公式定義：這里的 f(

8、xi)可以作為把可靠度的源數(shù)據(jù) xi 變?yōu)橐粋€(gè)很特殊的單位，模糊測(cè)量的 gλ或μ可以從及其重要的源信息 xi 被看做最終賦值或者決策決定。這個(gè)研究要使用成員的平均值或 FCM 分析的故障識(shí)別率來(lái)作為不同故障用途行列數(shù)據(jù)使模糊密度變?yōu)榻Y(jié)構(gòu)體 gλ模糊測(cè)量，而識(shí)別率是由識(shí)別的特定故障與識(shí)別故障的總數(shù)的比率來(lái)確定的。R 表示識(shí)別率，nr 表示正確識(shí)別的故障數(shù)，n 表示錯(cuò)誤總數(shù)，不管識(shí)別率或成員平均值反映了特征組或者識(shí)別器對(duì)于一個(gè)故障的重要性。