一种基于证据融合的执行器故障诊断方法

在工业过程闭环控制系统中,由于控制器的调节作用,执行器的故障特征在一定程度上受到掩盖和干扰,而单一的诊断方法总是存在误判现象.鉴于此,提出一种基于证据融合的诊断算法.首先,利用基于信号分析的方法计算表征故障特征的指标,针对“一票否决”现象对指标结果加以改进;然后,采用DS证据理论融合基于最小二乘支持向量机(LS-SVM)的概率分类特征实现优势互补,将指标表达的故障机理信息与概率分类挖掘的数据特征信息相结合,规避单一方法的局限性,从而提高诊断的准确率;最后,基于双容水箱系统的实验表明,所提出方法能够有效学习闭环系统中执行器的故障数据特征,提升诊断能力,克服单一方法的误判问题,具有较高的应用价值.

A method of actuator fault diagnosis based on evidence fusion