一种多传感器信息融合的电路故障诊断方法

一种多传感器信息融合的电路故障诊断方法

1.电子电路故障诊断领域信息集成技术已经成为一个非常活跃的研究领域。它在机器人系统、图像分析和处理、目标自动识别、卫星遥感等领域得到了广泛应用，但信息整合技术很少在电子电路故障诊断领域应用。鉴于电子电路元件的参数离散性、运行环境不稳定性等因素,使用单一传感器来确定电子电路信息就可能存在不确定性,这样必然造成不能准确诊断故障,乃至漏检、误诊现象2.证据理论信息集成算法d-s2.1d-s证据理论方法D-S证据理论是鉴于某一事件发生后的结果,寻求该事件发生的原因。针对不确定性推理的多属性诊断问题,D-S证据理论是一个融合主观不确定性信息判断的有效手段。运用D-S证据理论方法是:第一步是预先对多个传感器或信息源数据(证据)进行处理;第二步是对各个证据的基本可信度分配值进行估算;第三步是依据D-S证据理论合成规则,对联合所有证据作用下基本可信度分配值进行估算;最后是根据相关判定原则来确定以可信度最大值作为信息融合结果D-S证据理论运用于实际电路故障诊断过程:第一步,对电路故障产生的若干症状进行分析,估算这些症状下各个故障可能发生的概率;运用多传感器测试待诊断电路,从而获得各个传感器测试症状分别属于各类故障的信度函数m2.2多传感器数据集成算法2.2.1信度函数的获取信度函数分配是一种人为推理,是一种人对故障模式假设的可信程度推断,该推断极易受各种因素的制约,因此不同思路会形成不同信度函数分配公式。传感器对目标模式A式(1)中:N是传感器总数;N传感器j不确定性的信度函数:在式(1)、(2)中,主要是确定传感器j对A2.2.2隶属度函数的形式必须根据传感器的工作特性和被测参数的特性,确定隶属度函数根据观察的实验数据,并且结合隶属度函数的待定系数法,定义隶属度函数表达式:在式(3)中,e2.2.3综合d-s缺陷确定规则(1)综合d-s算法表示包含完全冲突假设A在实际电路故障诊断中,焦元A(2)确定故障元件的信度函数值1不确定信度函数要小于某一门限,如取0.15。2诊断的故障元件的信度函数值必须大于不确定信度函数值,如取≮0.45。3诊断的故障元件和其它元件的信度函数值之间差值必须大于某一门限,如取0.45。4诊断的故障元件要有最大信度函数值,必须大于某一阀值;若阀值过小或过大,则容易产生故障误判或漏判现象。3.放大电路故障诊断的示例图2为待诊断故障电路图,该电路是一个小信号放大电路,其中三个运算放大器LM318为待诊断元件,称为A3.1数据收集利用红外测温仪检测待诊断元件A3.2计算可靠性函数依据所测量值和故障隶属函数来确定相关系数C3.3消除了故障元件不确定性,能不进根据表1的数据来看,在待诊断元件A由此可见,多传感器信息融合后信度函数值降低了其它类型的信度函数值,提高了实际目标的信度函数值,进而有效地减少了故障元件的不确定性。若用电压或温度传感器来单独识别时难于判断的故障元件,融合后就能完全准确识别出来。因此,采用基于D-S证据理论的多传感器数据融合方法,可以明显提升电路故障诊断的可靠性和准确性4.多传感器信息融合故障诊断实例本文介绍了基于D-S证据理论的信息融合算法,提出了一种多传感器信息融合的电路故障诊断方法,故障诊断的重要依据来自于电压和温度这二个物理量,采用多传感器信息融合进行故障诊断,并将其应用于电路的故障诊断之中。故障诊断实例结果表明,多传感器信息融合克服了基于