1.一種基于金屬裂紋監(jiān)測的多路傳感器的數(shù)據(jù)融合方法,其特征在于,包括:
步驟1)通過多路傳感器分別采集被測設(shè)備金屬表面的聲發(fā)射信號(hào),并提取所述聲發(fā)射信號(hào)的特征參數(shù);
步驟2)結(jié)合實(shí)測的實(shí)驗(yàn)數(shù)據(jù),優(yōu)化選取故障分類器模型的核函數(shù)、核寬度參數(shù)及懲罰因子;
步驟3)將步驟1)中提取的特征參數(shù)輸入至經(jīng)步驟2)優(yōu)化處理后的故障分類器模型內(nèi)進(jìn)行模式識(shí)別,判斷各聲發(fā)射信號(hào)表示為故障信號(hào)或正常信號(hào);
步驟4)根據(jù)時(shí)間歷程逐一檢測各聲發(fā)射信號(hào),如果當(dāng)前的聲發(fā)射信號(hào)表示為正常信號(hào),則繼續(xù)檢測下一個(gè)聲發(fā)射信號(hào);如果當(dāng)前的聲發(fā)射信號(hào)表示為故障信號(hào),則將時(shí)間窗的右邊界移至當(dāng)前時(shí)間點(diǎn),并統(tǒng)計(jì)時(shí)間窗內(nèi)的所有傳感器采集到的故障信號(hào)后輸送至數(shù)據(jù)融合模塊;
步驟5)利用數(shù)據(jù)融合模塊在統(tǒng)一識(shí)別框架下構(gòu)造證據(jù)的基本概率指派函數(shù)及證據(jù)組合規(guī)則,對(duì)當(dāng)前時(shí)間窗內(nèi)的各傳感器采集到的全部故障信號(hào)合成證據(jù)集,依據(jù)組合結(jié)果做出最終決策。
2.根據(jù)權(quán)利要求1所述的基于金屬裂紋監(jiān)測的多路傳感器的數(shù)據(jù)融合方法,其特征在于,所述步驟2)中的故障分類器模型采用基于支持向量數(shù)據(jù)描述的故障分類器模型,該故障分類器模型表示為:
fSVDD(z,a,R)=I(||z-a||2≤R2)=I((z·z)-2Πiai(z·xi)+Σi,jaiaj(xi·xi)≤R2)
其中,a表示超球面的球面中心坐標(biāo),R表示超球面的半徑,z表示采集的聲發(fā)射信號(hào)的特征向量,ai、aj、xi分別表示第i個(gè)朗格朗日系數(shù)、第j個(gè)朗格朗日系數(shù)和第i個(gè)支持向量,I為指示函數(shù),此處的A指命題,若A為真時(shí),則判定為正常信號(hào),若A為假時(shí),則判定為故障信號(hào)。
3.根據(jù)權(quán)利要求1所述的基于金屬裂紋監(jiān)測的多路傳感器的數(shù)據(jù)融合方法,其特征在于,所述的步驟5)包括:
步驟501)依據(jù)單值故障分類器的輸出信息,客觀構(gòu)造證據(jù)關(guān)于各命題的基本概率指派函數(shù)為:
其中,金屬裂紋故障的統(tǒng)一識(shí)別框架定義為Θ={A1,A2},命題A1表示正常,命題A2表示故障,第i個(gè)故障脈沖的分類器輸出的核空間相對(duì)距離值為Di,該故障脈沖識(shí)別的可靠度為ωi,假設(shè)單個(gè)傳感器有效時(shí)間內(nèi)共收集M個(gè)故障脈沖,得證據(jù)集{mi(·)}(i=1,2,...,M);
步驟502)采用下述的Dempster-Shafer證據(jù)組合公式進(jìn)行證據(jù)合成:
其中,Ki,j表示證據(jù)間的沖突大小,A表示證據(jù)i和證據(jù)j組合后的焦元,B、C分別表示證據(jù)i和證據(jù)j的焦元,mi、mj分別表示證據(jù)i和證據(jù)j的基本概率指派函數(shù);
步驟503)根據(jù)步驟502)獲得的證據(jù)組合結(jié)果做出最終決策,設(shè)B1、B2分別是金屬裂紋故障的統(tǒng)一識(shí)別框架Θ的兩個(gè)命題集合,Θ={B1,B2}基本概率指派值分別為
則診斷的結(jié)果為命題B1,否則不做決策;其中,上式中的ε1,ε2為事先給定的閾值,命題B1表示正?;蚬收?,它是指最終得到的基本概率指派函數(shù)中概率值最大的命題,不做決策指不滿足決策條件,結(jié)果為正?;蚬收?。