設(shè)備故障診斷中的證據(jù)融合與決策方法
定 價：88 元
叢書名：普通高等教育“十三五”規(guī)劃教材
- 作者：徐曉濱 ... [等] 著
- 出版時間：2017/5/1
- ISBN：9787030520203
- 出 版 社：科學(xué)出版社
- 中圖法分類：TH17
- 頁碼：266頁, [2] 頁圖版
- 紙張：膠紙版
- 版次：1
- 開本：16K
本書主要內(nèi)容涉及基于Dempster-Shafer證據(jù)理論的信息融合與決策方法研究，及其在設(shè)備故障診斷中的應(yīng)用。正文中所提出的融合與決策方法屬于智能信息處理的范疇。本書第1章綜述了各種工業(yè)系統(tǒng)/設(shè)備故障診斷技術(shù)的發(fā)展現(xiàn)狀及未來發(fā)展趨勢，第2章介紹了Dempster-Shafer證據(jù)理論的基本概念、準(zhǔn)則、基本原理，并對其近年來最新的發(fā)展方向：區(qū)間值信度結(jié)構(gòu)、證據(jù)動態(tài)更新和證據(jù)推理的相關(guān)理論與方法等進(jìn)行了介紹。以典型旋轉(zhuǎn)機(jī)械、電子電路等設(shè)備的故障診斷與可靠性評估為背景，基于證據(jù)理論中的最新研究成果，第3章~第14章中提出了一系列診斷證據(jù)融合、更新與故障決策的方法，解決多源不確定性故障信息環(huán)境下的故障檢測、故障定位及故障識別等故障診斷中的分類決策問題。第15章~第16章針對診斷證據(jù)的生成，這一證據(jù)理論故障診斷方法中的基礎(chǔ)性問題，給出了面向應(yīng)用的兩種診斷證據(jù)生成方法。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
隨著信息技術(shù)和自動化技術(shù)的快速發(fā)展，現(xiàn)代工業(yè)中系統(tǒng)的集成度和復(fù)雜度越來越高，如航空航天、制造、運(yùn)輸、化工等行業(yè)。這類系統(tǒng)往往構(gòu)造十分復(fù)雜，各模塊之間的聯(lián)系非常緊密。長時間高負(fù)荷的持續(xù)運(yùn)轉(zhuǎn)及隨著時間變化的內(nèi)外部條件等因素的影響，時常會導(dǎo)致各種類型故障的發(fā)生，而關(guān)鍵部件一旦出現(xiàn)故障則可能引起連鎖反應(yīng)，輕者造成整個系統(tǒng)不能正常運(yùn)行，重者造成重大的人員傷亡和巨大的經(jīng)濟(jì)損失。例如，近年來國內(nèi)外發(fā)生的多起大型石油化工裝置及危險品的爆炸、電力系統(tǒng)的大規(guī)模停電、列車脫軌及碰撞等惡性事故，產(chǎn)生了嚴(yán)重的社會影響，造成了諸多不安定因素。面向復(fù)雜工業(yè)系統(tǒng)的故障診斷技術(shù)可以提升系統(tǒng)的運(yùn)行安全性，有效降低或避免重大或一般性安全事故發(fā)生的概率，為視情維修、維護(hù)策略的制定提供必要的信息與依據(jù)，它是實(shí)現(xiàn)從“診斷維護(hù)中要效益”的重要途徑。故障監(jiān)測與診斷技術(shù)已經(jīng)發(fā)展了40余年，在諸多領(lǐng)域得到了廣泛研究和成功應(yīng)用，如航空航天，陸路、水路交通，石油化工，機(jī)械設(shè)備，供電系統(tǒng)，半導(dǎo)體制造等。
從單傳感器獲得的故障信息是有限的，因此在對復(fù)雜工業(yè)系統(tǒng)進(jìn)行故障診斷時，往往需要設(shè)置大量不同種類的傳感器收集設(shè)備的運(yùn)行狀態(tài)信息，并對信息進(jìn)行融合，然后根據(jù)融合結(jié)果做出故障決策。實(shí)際中，由于存在一些不可避免的因素，如環(huán)境噪聲對測量的干擾、傳感器觀測誤差及性能下降，對系統(tǒng)機(jī)理模型的了解程度不足等，獲取的監(jiān)測信息或知識具有不完整、不確定和非精確等特性。因此，迫切需要一種有效的融合機(jī)制來減少，甚至消除這種非精確與不確定性對故障決策的影響。Dempster-Shafer證據(jù)理論（簡稱證據(jù)理論）在處理不確定信息方面具有很好的魯棒性，其利用基本信度賦值（BBA）表示和度量信息的非精確性和不確定性，并提供Dempster組合規(guī)則來融合以BBA形式表示的證據(jù)，有效降低信息的不確定性，提供比任何單源信息更為精準(zhǔn)的融合結(jié)果。因此，證據(jù)理論已經(jīng)被廣泛用于不確定環(huán)境下，典型工業(yè)設(shè)備的故障診斷，如旋轉(zhuǎn)機(jī)械、電力電子、控制系統(tǒng)以及傳感器網(wǎng)絡(luò)等。近年來在證據(jù)理論中出現(xiàn)了諸多新的發(fā)展方向，如區(qū)間值信度結(jié)構(gòu)、證據(jù)動態(tài)更新和證據(jù)推理的新理論與新方法等，對于提升原有診斷證據(jù)融合與故障決策方法，在不確定性故障信息的合理化描述、多診斷證據(jù)的靜態(tài)和動態(tài)融合，以及診斷證據(jù)的可靠性和重要性評估等方面的能力，具有積極的推動作用。新理論與新方法的出現(xiàn)，勢必會促進(jìn)信息融合故障診斷與決策技術(shù)的迅速發(fā)展，并有望將新技術(shù)和方法應(yīng)用于實(shí)際，提升工業(yè)系統(tǒng)的智能化水平。
本書第1章綜述各種工業(yè)系統(tǒng)故障診斷技術(shù)的發(fā)展現(xiàn)狀及未來發(fā)展趨勢，第2章介紹Dempster-Shafer證據(jù)理論的基本概念、準(zhǔn)則、基本原理，并對其近年來最新的發(fā)展方向進(jìn)行介紹。第3～14章中，以旋轉(zhuǎn)機(jī)械、電子電路等系統(tǒng)的故障診斷與可靠性評估為背景，分別基于這些出現(xiàn)的新理論與新方法，提出一系列診斷證據(jù)融合、更新與故障決策的最新方法，解決多源不確定性環(huán)境下的故障檢測、故障定位及故障識別等故障診斷中的分類決策問題。
本書所涉及研究成果得到眾多科研機(jī)構(gòu)的支持，其中特別感謝國家自然科學(xué)基金重點(diǎn)項目“面向工業(yè)大系統(tǒng)安全高效運(yùn)行的報警設(shè)計與消除方法及應(yīng)用（61433001）”、“大型船舶動力系統(tǒng)運(yùn)營壽命周期故障預(yù)測與智能健康管理（U1509203）”、“機(jī)主人輔模式下智能汽車故障診斷、預(yù)測與容錯控制研究（U1664264）”和面上項目“鐵路自動閉塞系統(tǒng)信度級故障預(yù)測的信息融合方法（61374123）”，以及浙江省科學(xué)技術(shù)廳公益技術(shù)應(yīng)用研究項目（2012C21025、2016C31071）。徐曉濱同志在清華大學(xué)博士后及英國曼徹斯特大學(xué)認(rèn)知與決策研究中心訪學(xué)期間，分別在周東華教授、吉吟東教授、Yang Jianbo教授和Xu Dongling教授等指導(dǎo)下進(jìn)行了許多研究工作，受益匪淺。研究生張鎮(zhèn)、馮海山、周哲、宋曉靜、史健、劉征、李世寶和鄭進(jìn)等參加了本書的部分章節(jié)的寫作、文字錄入和修改工作，謹(jǐn)向他們表示衷心的感謝！
由于作者理論水平有限以及研究工作的局限性，特別是信息融合理論本身正處在不斷地發(fā)展之中，書中難免存在一些不足。懇請廣大讀者批評指正。
目錄
前言
第1章 緒論 1
1.1 引言 1
1.1.1 提高工業(yè)系統(tǒng)運(yùn)行安全性是社會的迫切需求 1
1.1.2 工業(yè)系統(tǒng)的運(yùn)行安全性受到國家高度重視與支持 4
1.1.3 故障診斷技術(shù)為系統(tǒng)安全可靠運(yùn)行提供有力保障 5
1.1.4 信息融合是建立故障診斷與決策方法的必然選擇 5
1.2 故障診斷技術(shù)發(fā)展概況 6
1.2.1 定性分析的方法 7
1.2.2 基于解析模型的方法 9
1.2.3 數(shù)據(jù)驅(qū)動的方法 11
1.3 基于信息融合的故障診斷與決策方法 14
1.4 證據(jù)理論的最新進(jìn)展為融合診斷技術(shù)提供推動力 17
參考文獻(xiàn) 19
第2章 Dempster-Shafer證據(jù)理論 28
2.1 引言 28
2.2 Dempster-Shafer證據(jù)理論的基本原理 28
2.2.1 證據(jù)理論的基本概念 28
2.2.2 證據(jù)折扣因子 30
2.2.3 可傳遞信度模型 30
2.2.4 證據(jù)的隨機(jī)集表示與隨機(jī)集擴(kuò)展準(zhǔn)則 31
2.3 證據(jù)理論中的融合決策準(zhǔn)則 33
2.4 證據(jù)理論中的新進(jìn)展 34
2.4.1 區(qū)間值信度結(jié)構(gòu) 34
2.4.2 證據(jù)更新規(guī)則 36
2.4.3 證據(jù)推理與置信規(guī)則庫推理 38
2.5 本章小結(jié) 42
參考文獻(xiàn) 43
第3章 基于區(qū)間值信度結(jié)構(gòu)的信息融合故障診斷方法 45
3.1 引言 45
3.2 基于隨機(jī)集似然測度的故障模式匹配方法 46
3.2.1 故障樣板模式及待檢模式隸屬度函數(shù)的確定 47
3.2.2 基于隨機(jī)集似然測度的故障模式匹配方法 48
3.3 基于MLHS從匹配區(qū)間中生成區(qū)間證據(jù)的方法 50
3.4 基于區(qū)間型診斷證據(jù)融合的故障決策 54
3.5 故障診斷實(shí)例 54
3.6 本章小結(jié) 59
參考文獻(xiàn) 59
第4章 基于證據(jù)相似性度量的沖突性區(qū)間證據(jù)融合方法 61
4.1 引言 61
4.2 區(qū)間證據(jù)的沖突及其對融合結(jié)果的影響 62
4.3 基于區(qū)間證據(jù)相似性的沖突證據(jù)度量及融合 63
4.3.1 擴(kuò)展型Pignistic概率轉(zhuǎn)換 63
4.3.2 基于區(qū)間歐氏距離的區(qū)間證據(jù)相似性度量 64
4.3.3 修正后區(qū)間證據(jù)的融合 65
4.4 典型算例分析 65
4.5 本章小結(jié) 68
參考文獻(xiàn) 68
第5章 基于條件化證據(jù)線性更新的單變量報警器優(yōu)化設(shè)計方法 70
5.1 引言 70
5.2 工業(yè)系統(tǒng)異常檢測與報警器設(shè)計中的性能指標(biāo) 73
5.2.1 FAR、MAR和AAD的一般性定義 73
5.2.2 常用報警器設(shè)計方法中的FAR、MAR和AAD概率定義 77
5.3 基于條件化證據(jù)線性更新的報警器優(yōu)化設(shè)計 78
5.3.1 基于模糊閾值獲取報警證據(jù) 79
5.3.2 基于證據(jù)距離的線性更新組合權(quán)重優(yōu)化 81
5.4 基于全局報警證據(jù)的報警決策 85
5.5 實(shí)驗驗證與對比分析 88
5.6 本章小結(jié) 97
參考文獻(xiàn) 98
第6章 基于證據(jù)可靠性評估的多變量報警證據(jù)融合方法 101
6.1 引言 101
6.2 基于Pignistic概率距離的證據(jù)可靠性折扣因子優(yōu)化方法 102
6.3 多變量報警證據(jù)融合與報警決策 104
6.3.1 單變量報警證據(jù)可靠性折扣因子的優(yōu)化 105
6.3.2 基于Dempster證據(jù)組合規(guī)則的多變量報警證據(jù)在線融合 107
6.4 仿真實(shí)驗與對比分析 107
6.5 本章小結(jié) 119
參考文獻(xiàn) 120
第7章 基于擴(kuò)展型類Jeffery證據(jù)更新的故障診斷方法 121
7.1 引言 121
7.2 擴(kuò)展型類Jeffery證據(jù)更新規(guī)則 122
7.3 基于擴(kuò)展型類Jeffery證據(jù)更新規(guī)則的動態(tài)診斷方法 123
7.3.1 生成診斷證據(jù)的模糊規(guī)則推理方法 124
7.3.2 基于擴(kuò)展型類Jeffery證據(jù)更新規(guī)則的動態(tài)診斷 131
7.3.3 基于Pignistic概率的故障決策 131
7.4 高速鐵路典型軌道電路系統(tǒng)功能及其故障特點(diǎn) 132
7.5 軌道電路的仿真模型與故障模擬 134
7.5.1 軌道電路Simulink仿真模型 134
7.5.2 故障模擬與故障特征設(shè)置 135
7.6 軌道電路軟故障診斷實(shí)驗 137
7.6.1 通過故障模擬生成故障特征樣本集合 137
7.6.2 構(gòu)建模糊規(guī)則庫 140
7.6.3 利用待檢樣本進(jìn)行模糊推理獲得診斷證據(jù) 141
7.6.4 基于證據(jù)更新的動態(tài)診斷與故障決策 142
7.6.5 診斷結(jié)果的對比分析 143
7.7 本章小結(jié) 144
參考文獻(xiàn) 144
第8章 靜態(tài)融合與動態(tài)更新相結(jié)合的故障診斷方法 146
8.1 引言 146
8.2 證據(jù)的精細(xì)化折扣 148
8.3 基于靜態(tài)融合與動態(tài)更新的故障診斷 150
8.3.1 局部診斷證據(jù)的靜態(tài)融合及基于信度靜態(tài)收斂指標(biāo)的折扣因子系數(shù)優(yōu)化 151
8.3.2 基于條件化證據(jù)線性更新規(guī)則的更新后診斷證據(jù)獲取 152
8.3.3 基于故障信度動態(tài)收斂指標(biāo)的更新權(quán)重系數(shù)優(yōu)化 155
8.4 基于全局診斷證據(jù)的故障決策 157
8.5 故障診斷實(shí)例 158
8.5.1 靜態(tài)融合中局部診斷證據(jù)折扣因子的優(yōu)化 158
8.5.2 動態(tài)更新中相似性參數(shù)a及更新權(quán)重系數(shù)的優(yōu)化 159
8.5.3 針對測試樣本的診斷實(shí)驗及其對比分析 161
8.6 本章小結(jié) 164
參考文獻(xiàn) 165
第9章 基于相關(guān)證據(jù)融合的動態(tài)系統(tǒng)狀態(tài)估計方法 167
9.1 引言 167
9.2 證據(jù)相關(guān)性因子及相關(guān)證據(jù)融合 168
9.3 基于相關(guān)證據(jù)融合的動態(tài)系統(tǒng)狀態(tài)估計 170
9.3.1 噪聲有界下的動態(tài)系統(tǒng)模型 170
9.3.2 基于相關(guān)證據(jù)融合的動態(tài)系統(tǒng)狀態(tài)估計算法 171
9.4 液位狀態(tài)估計中的應(yīng)用 175
9.4.1 液位儀結(jié)構(gòu)及液位測量原理 176
9.4.2 動態(tài)系統(tǒng)建模 178
9.4.3 液位狀態(tài)估計實(shí)驗 178
9.5 本章小結(jié) 184
參考文獻(xiàn) 184
第10章 基于可傳遞信度模型的電路性能可靠性評估方法 186
10.1 引言 186
10.2 電路性能可靠性評估模型及蒙特卡羅方法 187
10.2.1 性能可靠性評估的概率模型 187
10.2.2 系統(tǒng)可靠度的蒙特卡羅估計方法 188
10.3 基于可傳遞信度模型的電路系統(tǒng)可靠度近似估計 189
10.3.1 構(gòu)造電路參數(shù)隨機(jī)集形式的證據(jù) 190
10.3.2 構(gòu)造性能函數(shù)輸出的Pignistic近似累積概率分布 192
10.4 Pignistic近似估計的誤差分析 194
10.5 高速鐵路軌道電路調(diào)諧單元性能可靠性評估實(shí)例 196
10.5.1 軌道電路調(diào)諧單元的工作原理 196
10.5.2 軌道電路調(diào)諧單元性能可靠性評估 198
10.6 本章小結(jié) 206
參考文獻(xiàn) 206
第11章 基于置信規(guī)則庫推理的電路性能可靠度估計方法 208
11.1 引言 208
11.2 電路性能可靠度估計的置信規(guī)則庫模型 209
11.2.1 BRB系統(tǒng)輸入和輸出參考值的構(gòu)建 210
11.2.2 基于ER算法的BRB推理方法 211
11.2.3 BRB的優(yōu)化模型 212
11.3 高速鐵路軌道電路性能可靠度估計實(shí)例 213
11.3.1 軌道電路L2C2串聯(lián)共振電路工作原理 213
11.3.2 L2C2串聯(lián)共振電路性能可靠度估計 214
11.4 本章小結(jié) 217
參考文獻(xiàn) 217
第12章 基于置信規(guī)則庫推理的軌道高低不平順故障檢測方法 219
12.1 引言 219
12.2 軌道高低不平順故障及其影響分析 220
12.2.1 軌道幾何不平順的分類 220
12.2.2 軌道高低不平順及其對機(jī)車的影響 221
12.3 基于置信規(guī)則庫推理的軌道高低不平順故障檢測 222
12.3.1 BRB系統(tǒng)的輸入與輸出量分析 222
12.3.2 BRB系統(tǒng)輸入與輸出參考值的確定 224
12.3.3 初始BRB系統(tǒng)的建立 225
12.3.4 初始BRB系統(tǒng)的優(yōu)化 226
12.3.5 優(yōu)化后BRB系統(tǒng)高低不平順安全等級檢測結(jié)果測試 229
12.4 本章小結(jié) 230
參考文獻(xiàn) 231
第13章 基于可分性測度的置信規(guī)則庫構(gòu)建及軌道高低不平順幅值估計方法 233
13.1 引言 233
13.2 基于可分性測度的BRB系統(tǒng)輸入?yún)⒖贾祬^(qū)間劃分 234
13.2.1 帶權(quán)鄰接矩陣的計算 234
13.2.2 輸入?yún)⒖贾祬^(qū)間的劃分 235
13.3 基于BRB系統(tǒng)輸入輸出參考值可分關(guān)系的BRB構(gòu)建 238
13.4 初始BRB系統(tǒng)的優(yōu)化 241
13.5 優(yōu)化后BRB系統(tǒng)高低不平順幅值估計結(jié)果的測試與比較 244
13.6 本章小結(jié) 246
參考文獻(xiàn) 246
第14章 基于證據(jù)推理規(guī)則的信息融合故障診斷方法 247
14.1 引言 247
14.2 基于故障樣本似然函數(shù)歸一化的診斷證據(jù)獲取方法 248
14.3 診斷證據(jù)可靠性因子的獲取方法 250
14.4 基于雙目標(biāo)優(yōu)化模型的證據(jù)重要性權(quán)重訓(xùn)練方法 250
14.5 故障診斷實(shí)例 253
14.5.1 實(shí)驗設(shè)置 253
14.5.2 求取診斷證據(jù)及其可靠性因子 253
14.5.3 求取診斷證據(jù)的權(quán)重 256
14.5.4 測試與分析 264
14.6 本章小結(jié) 264
參考文獻(xiàn) 265
彩圖
書單推薦
