面向多故障诊断的分层架构及其实现

多故障并发时,故障征兆表现复杂,并非多个单故障征兆的简单叠加,而且故障振动信号往往具有非稳态性,加大了多故障诊断的难度.为此,提出了一个面向多故障诊断的分层架构.联合应用互信息最大化准则与灰色关联分析,对待诊断的多故障与潜在的单故障模式之间的关联特性进行定量评价,据此建立候选故障集合;在此基础上,分别提取候选故障与多故障模式的小波变换能量矩特征,用于自组织映射网络的训练与测试;借助自组织映射网络的拓扑映射能力,在特征空间对耦合特征解耦分离的同时实现多故障模式的判别.实验结果表明,所提方法应用于多故障诊断是有效的.而且,它可以在多故障并发情况下对所识别出的各个单故障的严重程度进行排序,有利于制定合理的维修决策.更多还原