基于K-S匹配與證據(jù)理論的復(fù)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(fù)雜化和精密化的方向發(fā)展，大型旋轉(zhuǎn)機(jī)械設(shè)備在現(xiàn)代工業(yè)中占有舉足輕重的地位，它們良好的運(yùn)行狀況直接關(guān)系到整個(gè)工廠安全正常的生產(chǎn)運(yùn)作。人們迫切希望能及時(shí)了解系統(tǒng)的運(yùn)行狀態(tài)，提高系統(tǒng)的可靠性和有效性。目前有許多的學(xué)者致力于對旋轉(zhuǎn)機(jī)械復(fù)合故障診斷進(jìn)行研究，復(fù)合故障已經(jīng)成為當(dāng)前研究的熱點(diǎn)。由于多重故障并發(fā)時(shí)，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(shù)和人工智能的逐漸發(fā)展，新的技術(shù)不斷地移植、應(yīng)用到機(jī)械故障診斷中，豐富了故障診斷的理論與技術(shù)，推動(dòng)著故障診斷向跟高層次發(fā)展。國內(nèi)外相關(guān)研究工作大多集中在故障預(yù)測、故障模型設(shè)計(jì)、故障目標(biāo)跟蹤等方面。本文在研讀大量文獻(xiàn)的基礎(chǔ)上，結(jié)合課題的相關(guān)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(jìn)行的工作主要如下：
　　（1）在實(shí)際工況下運(yùn)行的旋轉(zhuǎn)機(jī)械，其發(fā)生的故障通常都是復(fù)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(jì)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(jī)組上常見的軸系復(fù)合故障。
　?。?）鑒于Kolmogorov–Smilnov在雙樣本數(shù)據(jù)匹配具有的優(yōu)點(diǎn)，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(yàn)，通過線線匹配，能較好地識別出故障。
　?。?）針對旋轉(zhuǎn)機(jī)械復(fù)合故障的復(fù)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(jìn)行證據(jù)理論