基于K-S匹配與證據(jù)理論的復合故障診斷的研究.pdf

1、隨著現(xiàn)代工業(yè)系統(tǒng)和制造裝備逐漸向著大型化、復雜化和精密化的方向發(fā)展，大型旋轉(zhuǎn)機械設備在現(xiàn)代工業(yè)中占有舉足輕重的地位，它們良好的運行狀況直接關系到整個工廠安全正常的生產(chǎn)運作。人們迫切希望能及時了解系統(tǒng)的運行狀態(tài)，提高系統(tǒng)的可靠性和有效性。目前有許多的學者致力于對旋轉(zhuǎn)機械復合故障診斷進行研究，復合故障已經(jīng)成為當前研究的熱點。由于多重故障并發(fā)時，其表現(xiàn)形式是多種多樣的，不同故障特征相互混雜呈現(xiàn)出多耦合、模糊性等特征，給故障診斷帶來了極大的挑戰(zhàn)

2、。隨著信息技術和人工智能的逐漸發(fā)展，新的技術不斷地移植、應用到機械故障診斷中，豐富了故障診斷的理論與技術，推動著故障診斷向跟高層次發(fā)展。國內(nèi)外相關研究工作大多集中在故障預測、故障模型設計、故障目標跟蹤等方面。本文在研讀大量文獻的基礎上，結(jié)合課題的相關研究背景，采用的是一種基于 K-S和證據(jù)理論相結(jié)合的集成診斷方法，進行的工作主要如下：
　　（1）在實際工況下運行的旋轉(zhuǎn)機械，其發(fā)生的故障通常都是復合故障，現(xiàn)有的診斷方法對這一問題很難

3、處理。本文通過 K-S匹配計算故障的相似度，然后通過證據(jù)理論處理其沖突，結(jié)果表明，該方法能快速地判斷機組上常見的軸系復合故障。
　?。?）鑒于Kolmogorov–Smilnov在雙樣本數(shù)據(jù)匹配具有的優(yōu)點，本文用 K-S對無量綱數(shù)據(jù)樣本的累積分布函數(shù)曲線檢驗，通過線線匹配，能較好地識別出故障。
　?。?）針對旋轉(zhuǎn)機械復合故障的復雜性以及不確定性，本文充分利用證據(jù)理論處理不確定信息方面的優(yōu)勢，對 K-S匹配后的結(jié)果進行證據(jù)理論