發(fā)布時(shí)間：2021-02-23 22:56

　　復(fù)雜設(shè)備的故障特征具有不確定性,非線性等特點(diǎn).針對故障預(yù)測具有不確定性,將模糊數(shù)學(xué)中的直覺模糊集和灰色模型相結(jié)合設(shè)計(jì)故障預(yù)測的方法.新方法利用隸屬度函數(shù)設(shè)計(jì)了描述系統(tǒng)運(yùn)行正常的正常直覺模糊子集和運(yùn)行異常的異常直覺模糊子集,利用灰色模型計(jì)算系統(tǒng)運(yùn)行的預(yù)測值,并計(jì)算預(yù)測值的正常隸屬度;再分別計(jì)算預(yù)測值的正常隸屬度與正常直覺模糊子集和異常直覺模糊子集的貼近程度來實(shí)現(xiàn)故障預(yù)報(bào).該方法通過三容水箱系統(tǒng)T2水箱水位變化預(yù)測三容水箱系統(tǒng)是否出現(xiàn)故障和通過UH-60行星齒輪盤裂紋何時(shí)開始增大的故障進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)驗(yàn)證了該方法的可行性,可及時(shí)準(zhǔn)確地預(yù)測出系統(tǒng)故障. 

【文章來源】：計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017,26(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

三容水箱系統(tǒng)

計(jì)算機(jī)系統(tǒng)應(yīng)用http://www.c-s-a.org.cn2017年第26卷第4期32專論·綜述SpecialIssue外還有0.3%的概率,把標(biāo)準(zhǔn)差擴(kuò)大到±4σ)m為觀測數(shù)據(jù)時(shí)刻1到時(shí)刻20的均值.其中灰色模型是以每10個(gè)觀測數(shù)據(jù)為一組進(jìn)行預(yù)測,貼近度是使用公式(11)計(jì)算的,其中Qix和Riz分別為正、異常直覺模糊子集的非隸屬度,即為1減正、異常隸屬度,在此基礎(chǔ)上考慮了非隸屬度情況進(jìn)行實(shí)驗(yàn).根據(jù)本文算法步驟得到實(shí)驗(yàn)結(jié)果見圖2(取k=6時(shí)的預(yù)報(bào)結(jié)果,k的取值參考文獻(xiàn)[10]),表1列出了對應(yīng)圖2的具體貼近度數(shù)據(jù),其貼近度是子集元素個(gè)數(shù)為6進(jìn)行計(jì)算的,因此表中所顯示的時(shí)刻是6的倍數(shù).表1本文方法對三容水箱(T2)的故障預(yù)報(bào)時(shí)的貼近度時(shí)間點(diǎn)24303642485460667278正常貼近度0.99780.97750.92910.84820.69180.49330.31560.17310.06300.0180異常貼近度0.02980.05020.09850.17940.33590.53430.71210.85450.96460.9900預(yù)報(bào)故障否否否否否是是是是是表2文獻(xiàn)[10]方法的三容水箱(T2)故障預(yù)報(bào)及貼近度時(shí)間點(diǎn)24303642485460667278正常貼近度0.99880.98810.95840.91160.78970.64010.47550.30720.14800.0565異常貼近度0.02880.03950.06920.11610.23800.38760.55220.72040.96370.9712預(yù)報(bào)故障否否否否否否是是是是表3文獻(xiàn)[16]方法的三容水箱(水箱T2)預(yù)報(bào)結(jié)果時(shí)間點(diǎn)k62636465666768697071T2液位0.27830.27420.27610.27230.27420.27050.27170.26850.26980.2666故障概率0.37090.45260.52500.57340.64250.72110.71330.83261.00001.0000預(yù)報(bào)故障無無有有有有有有有有圖2本文方法對三容水箱(T2)的預(yù)報(bào)結(jié)果對比算法--基于模糊貼近度的粒子濾波故障預(yù)測方法[10]的故障預(yù)報(bào)及貼近度見表2.從本文方法的表1(用了非隸屬度的直覺模糊集情況)和對比方法結(jié)果的表2(未用非隸屬度的模糊集情況)?

無無有有有有有有有有圖2本文方法對三容水箱(T2)的預(yù)報(bào)結(jié)果對比算法--基于模糊貼近度的粒子濾波故障預(yù)測方法[10]的故障預(yù)報(bào)及貼近度見表2.從本文方法的表1(用了非隸屬度的直覺模糊集情況)和對比方法結(jié)果的表2(未用非隸屬度的模糊集情況)中可以看出,本文方法考慮了非隸屬度的貼近度計(jì)算,增加了對非隸屬度的權(quán)重,從而得到的預(yù)報(bào)結(jié)果比基于模糊貼近度的粒子濾波故障預(yù)測提前了6個(gè)時(shí)間點(diǎn).本文方法的三容水箱(T2)實(shí)驗(yàn)結(jié)果為k=6時(shí)在時(shí)刻54處預(yù)報(bào)故障(見圖2),比對比的基于改進(jìn)余弦相似度的粒子濾波故障預(yù)報(bào)[15](見圖3)提前了9個(gè)時(shí)間點(diǎn),比基于隨機(jī)攝動(dòng)粒子濾波器的故障預(yù)報(bào)算法[16](見表3)提前了10個(gè)時(shí)間點(diǎn).圖3文獻(xiàn)[15]方法對三容水箱(水箱T2)的預(yù)報(bào)結(jié)果本文方法與基于基于模糊隸屬度的粒子濾波故障預(yù)測[9]和基于模糊貼近度的粒子濾波故障預(yù)測[10]在三容水箱(水箱T2)實(shí)驗(yàn)中算法運(yùn)行效率對比如表4.從表4中可以看出,本文的算法在三容水箱實(shí)驗(yàn)中的運(yùn)行速度比文獻(xiàn)[9]和文獻(xiàn)[10]算法快很多.


本文編號(hào)：3048374