本书主要内容涉及基于Dempster-Shafer证据理论的信息融合与决策方法研究，及其在设备故障诊断中的应用。正文中所提出的融合与决策方法属于智能信息处理的范畴。本书第1章综述了各种工业系统/设备故障诊断技术的发展现状及未来发展趋势，第2章介绍了Dempster-Shafer证据理论的基本概念、准则、基本原理，并对其近年来最新的发展方向：区间值信度结构、证据动态更新和证据推理的相关理论与方法等进行了介绍。以典型旋转机械、电子电路等设备的故障诊断与可靠性评估为背景，基于证据理论中的最新研究成果，第3章~第14章中提出了一系列诊断证据融合、更新与故障决策的方法，解决多源不确定性故障信息环境下的故障检测、故障定位及故障识别等故障诊断中的分类决策问题。第15章~第16章针对诊断证据的生成，这一证据理论故障诊断方法中的基础性问题，给出了面向应用的两种诊断证据生成方法。
更多科学出版社服务，请扫码获取。
随着信息技术和自动化技术的快速发展，现代工业中系统的集成度和复杂度越来越高，如航空航天、制造、运输、化工等行业。这类系统往往构造十分复杂，各模块之间的联系非常紧密。长时间高负荷的持续运转及随着时间变化的内外部条件等因素的影响，时常会导致各种类型故障的发生，而关键部件一旦出现故障则可能引起连锁反应，轻者造成整个系统不能正常运行，重者造成重大的人员伤亡和巨大的经济损失。例如，近年来国内外发生的多起大型石油化工装置及危险品的爆炸、电力系统的大规模停电、列车脱轨及碰撞等恶性事故，产生了严重的社会影响，造成了诸多不安定因素。面向复杂工业系统的故障诊断技术可以提升系统的运行安全性，有效降低或避免重大或一般性安全事故发生的概率，为视情维修、维护策略的制定提供必要的信息与依据，它是实现从“诊断维护中要效益”的重要途径。故障监测与诊断技术已经发展了40余年，在诸多领域得到了广泛研究和成功应用，如航空航天，陆路、水路交通，石油化工，机械设备，供电系统，半导体制造等。
从单传感器获得的故障信息是有限的，因此在对复杂工业系统进行故障诊断时，往往需要设置大量不同种类的传感器收集设备的运行状态信息，并对信息进行融合，然后根据融合结果做出故障决策。实际中，由于存在一些不可避免的因素，如环境噪声对测量的干扰、传感器观测误差及性能下降，对系统机理模型的了解程度不足等，获取的监测信息或知识具有不完整、不确定和非精确等特性。因此，迫切需要一种有效的融合机制来减少，甚至消除这种非精确与不确定性对故障决策的影响。Dempster-Shafer证据理论（简称证据理论）在处理不确定信息方面具有很好的鲁棒性，其利用基本信度赋值（BBA）表示和度量信息的非精确性和不确定性，并提供Dempster组合规则来融合以BBA形式表示的证据，有效降低信息的不确定性，提供比任何单源信息更为精准的融合结果。因此，证据理论已经被广泛用于不确定环境下，典型工业设备的故障诊断，如旋转机械、电力电子、控制系统以及传感器网络等。近年来在证据理论中出现了诸多新的发展方向，如区间值信度结构、证据动态更新和证据推理的新理论与新方法等，对于提升原有诊断证据融合与故障决策方法，在不确定性故障信息的合理化描述、多诊断证据的静态和动态融合，以及诊断证据的可靠性和重要性评估等方面的能力，具有积极的推动作用。新理论与新方法的出现，势必会促进信息融合故障诊断与决策技术的迅速发展，并有望将新技术和方法应用于实际，提升工业系统的智能化水平。
本书第1章综述各种工业系统故障诊断技术的发展现状及未来发展趋势，第2章介绍Dempster-Shafer证据理论的基本概念、准则、基本原理，并对其近年来最新的发展方向进行介绍。第3～14章中，以旋转机械、电子电路等系统的故障诊断与可靠性评估为背景，分别基于这些出现的新理论与新方法，提出一系列诊断证据融合、更新与故障决策的最新方法，解决多源不确定性环境下的故障检测、故障定位及故障识别等故障诊断中的分类决策问题。
本书所涉及研究成果得到众多科研机构的支持，其中特别感谢国家自然科学基金重点项目“面向工业大系统安全高效运行的报警设计与消除方法及应用（61433001）”、“大型船舶动力系统运营寿命周期故障预测与智能健康管理（U1509203）”、“机主人辅模式下智能汽车故障诊断、预测与容错控制研究（U1664264）”和面上项目“铁路自动闭塞系统信度级故障预测的信息融合方法（61374123）”，以及浙江省科学技术厅公益技术应用研究项目（2012C21025、2016C31071）。徐晓滨同志在清华大学博士后及英国曼彻斯特大学认知与决策研究中心访学期间，分别在周东华教授、吉吟东教授、Yang Jianbo教授和Xu Dongling教授等指导下进行了许多研究工作，受益匪浅。研究生张镇、冯海山、周哲、宋晓静、史健、刘征、李世宝和郑进等参加了本书的部分章节的写作、文字录入和修改工作，谨向他们表示衷心的感谢！
由于作者理论水平有限以及研究工作的局限性，特别是信息融合理论本身正处在不断地发展之中，书中难免存在一些不足。恳请广大读者批评指正。
目录
前言
第1章 绪论 1
1.1 引言 1
1.1.1 提高工业系统运行安全性是社会的迫切需求 1
1.1.2 工业系统的运行安全性受到国家高度重视与支持 4
1.1.3 故障诊断技术为系统安全可靠运行提供有力保障 5
1.1.4 信息融合是建立故障诊断与决策方法的必然选择 5
1.2 故障诊断技术发展概况 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 数据驱动的方法 11
1.3 基于信息融合的故障诊断与决策方法 14
1.4 证据理论的最新进展为融合诊断技术提供推动力 17
参考文献 19
第2章 Dempster-Shafer证据理论 28
2.1 引言 28
2.2 Dempster-Shafer证据理论的基本原理 28
2.2.1 证据理论的基本概念 28
2.2.2 证据折扣因子 30
2.2.3 可传递信度模型 30
2.2.4 证据的随机集表示与随机集扩展准则 31
2.3 证据理论中的融合决策准则 33
2.4 证据理论中的新进展 34
2.4.1 区间值信度结构 34
2.4.2 证据更新规则 36
2.4.3 证据推理与置信规则库推理 38
2.5 本章小结 42
参考文献 43
第3章 基于区间值信度结构的信息融合故障诊断方法 45
3.1 引言 45
3.2 基于随机集似然测度的故障模式匹配方法 46
3.2.1 故障样板模式及待检模式隶属度函数的确定 47
3.2.2 基于随机集似然测度的故障模式匹配方法 48
3.3 基于MLHS从匹配区间中生成区间证据的方法 50
3.4 基于区间型诊断证据融合的故障决策 54
3.5 故障诊断实例 54
3.6 本章小结 59
参考文献 59
第4章 基于证据相似性度量的冲突性区间证据融合方法 61
4.1 引言 61
4.2 区间证据的冲突及其对融合结果的影响 62
4.3 基于区间证据相似性的冲突证据度量及融合 63
4.3.1 扩展型Pignistic概率转换 63
4.3.2 基于区间欧氏距离的区间证据相似性度量 64
4.3.3 修正后区间证据的融合 65
4.4 典型算例分析 65
4.5 本章小结 68
参考文献 68
第5章 基于条件化证据线性更新的单变量报警器优化设计方法 70
5.1 引言 70
5.2 工业系统异常检测与报警器设计中的性能指标 73
5.2.1 FAR、MAR和AAD的一般性定义 73
5.2.2 常用报警器设计方法中的FAR、MAR和AAD概率定义 77
5.3 基于条件化证据线性更新的报警器优化设计 78
5.3.1 基于模糊阈值获取报警证据 79
5.3.2 基于证据距离的线性更新组合权重优化 81
5.4 基于全局报警证据的报警决策 85
5.5 实验验证与对比分析 88
5.6 本章小结 97
参考文献 98
第6章 基于证据可靠性评估的多变量报警证据融合方法 101
6.1 引言 101
6.2 基于Pignistic概率距离的证据可靠性折扣因子优化方法 102
6.3 多变量报警证据融合与报警决策 104
6.3.1 单变量报警证据可靠性折扣因子的优化 105
6.3.2 基于Dempster证据组合规则的多变量报警证据在线融合 107
6.4 仿真实验与对比分析 107
6.5 本章小结 119
参考文献 120
第7章 基于扩展型类Jeffery证据更新的故障诊断方法 121
7.1 引言 121
7.2 扩展型类Jeffery证据更新规则 122
7.3 基于扩展型类Jeffery证据更新规则的动态诊断方法 123
7.3.1 生成诊断证据的模糊规则推理方法 124
7.3.2 基于扩展型类Jeffery证据更新规则的动态诊断 131
7.3.3 基于Pignistic概率的故障决策 131
7.4 高速铁路典型轨道电路系统功能及其故障特点 132
7.5 轨道电路的仿真模型与故障模拟 134
7.5.1 轨道电路Simulink仿真模型 134
7.5.2 故障模拟与故障特征设置 135
7.6 轨道电路软故障诊断实验 137
7.6.1 通过故障模拟生成故障特征样本集合 137
7.6.2 构建模糊规则库 140
7.6.3 利用待检样本进行模糊推理获得诊断证据 141
7.6.4 基于证据更新的动态诊断与故障决策 142
7.6.5 诊断结果的对比分析 143
7.7 本章小结 144
参考文献 144
第8章 静态融合与动态更新相结合的故障诊断方法 146
8.1 引言 146
8.2 证据的精细化折扣 148
8.3 基于静态融合与动态更新的故障诊断 150
8.3.1 局部诊断证据的静态融合及基于信度静态收敛指标的折扣因子系数优化 151
8.3.2 基于条件化证据线性更新规则的更新后诊断证据获取 152
8.3.3 基于故障信度动态收敛指标的更新权重系数优化 155
8.4 基于全局诊断证据的故障决策 157
8.5 故障诊断实例 158
8.5.1 静态融合中局部诊断证据折扣因子的优化 158
8.5.2 动态更新中相似性参数a及更新权重系数的优化 159
8.5.3 针对测试样本的诊断实验及其对比分析 161
8.6 本章小结 164
参考文献 165
第9章 基于相关证据融合的动态系统状态估计方法 167
9.1 引言 167
9.2 证据相关性因子及相关证据融合 168
9.3 基于相关证据融合的动态系统状态估计 170
9.3.1 噪声有界下的动态系统模型 170
9.3.2 基于相关证据融合的动态系统状态估计算法 171
9.4 液位状态估计中的应用 175
9.4.1 液位仪结构及液位测量原理 176
9.4.2 动态系统建模 178
9.4.3 液位状态估计实验 178
9.5 本章小结 184
参考文献 184
第10章 基于可传递信度模型的电路性能可靠性评估方法 186
10.1 引言 186
10.2 电路性能可靠性评估模型及蒙特卡罗方法 187
10.2.1 性能可靠性评估的概率模型 187
10.2.2 系统可靠度的蒙特卡罗估计方法 188
10.3 基于可传递信度模型的电路系统可靠度近似估计 189
10.3.1 构造电路参数随机集形式的证据 190
10.3.2 构造性能函数输出的Pignistic近似累积概率分布 192
10.4 Pignistic近似估计的误差分析 194
10.5 高速铁路轨道电路调谐单元性能可靠性评估实例 196
10.5.1 轨道电路调谐单元的工作原理 196
10.5.2 轨道电路调谐单元性能可靠性评估 198
10.6 本章小结 206
参考文献 206
第11章 基于置信规则库推理的电路性能可靠度估计方法 208
11.1 引言 208
11.2 电路性能可靠度估计的置信规则库模型 209
11.2.1 BRB系统输入和输出参考值的构建 210
11.2.2 基于ER算法的BRB推理方法 211
11.2.3 BRB的优化模型 212
11.3 高速铁路轨道电路性能可靠度估计实例 213
11.3.1 轨道电路L2C2串联共振电路工作原理 213
11.3.2 L2C2串联共振电路性能可靠度估计 214
11.4 本章小结 217
参考文献 217
第12章 基于置信规则库推理的轨道高低不平顺故障检测方法 219
12.1 引言 219
12.2 轨道高低不平顺故障及其影响分析 220
12.2.1 轨道几何不平顺的分类 220
12.2.2 轨道高低不平顺及其对机车的影响 221
12.3 基于置信规则库推理的轨道高低不平顺故障检测 222
12.3.1 BRB系统的输入与输出量分析 222
12.3.2 BRB系统输入与输出参考值的确定 224
12.3.3 初始BRB系统的建立 225
12.3.4 初始BRB系统的优化 226
12.3.5 优化后BRB系统高低不平顺安全等级检测结果测试 229
12.4 本章小结 230
参考文献 231
第13章 基于可分性测度的置信规则库构建及轨道高低不平顺幅值估计方法 233
13.1 引言 233
13.2 基于可分性测度的BRB系统输入参考值区间划分 234
13.2.1 带权邻接矩阵的计算 234
13.2.2 输入参考值区间的划分 235
13.3 基于BRB系统输入输出参考值可分关系的BRB构建 238
13.4 初始BRB系统的优化 241
13.5 优化后BRB系统高低不平顺幅值估计结果的测试与比较 244
13.6 本章小结 246
参考文献 246
第14章 基于证据推理规则的信息融合故障诊断方法 247
14.1 引言 247
14.2 基于故障样本似然函数归一化的诊断证据获取方法 248
14.3 诊断证据可靠性因子的获取方法 250
14.4 基于双目标优化模型的证据重要性权重训练方法 250
14.5 故障诊断实例 253
14.5.1 实验设置 253
14.5.2 求取诊断证据及其可靠性因子 253
14.5.3 求取诊断证据的权重 256
14.5.4 测试与分析 264
14.6 本章小结 264
参考文献 265
彩图
书单推荐
