CN105203130A - 一种基于信息融合的船舶组合导航系统故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于信息融合的船舶组合导航系统故障诊断方法。确定舰船组合导航系统的故障识别框架；利用多组传感器输出故障的基本概率赋值，作为诊断故障的证据；计算证据间的冲突系数，证据支持度、确定度、决策度，证据权重；根据证据权重对证据进行加权平均处理，得到加权平均证据；利用冲突系数，改进Dempster融合规则对加权平均证据进行融合，输出最终的融合结果；按照决策规则对最终的融合结果进行判断，输出诊断结果。本发明能够准确地度量证据间冲突，通过证据权重对证据进行加权平均处理，能够降低冲突证据对融合结果的影响，通过冲突系数改进融合规则，能够得到合理的融合结果。

Description

一种基于信息融合的船舶组合导航系统故障诊断方法

技术领域

本发明属于设备故障诊断领域，尤其涉及一种基于信息融合的船舶组合导航系统故障诊断方法。

背景技术

随着航海高新技术的发展，将组合导航系统配置到舰船上已经成为必要的发展趋势。无论从性能上还是从功能上讲，组合导航系统的表现都比单一的导航设备更加完善。即使工作在条件较为苛刻的环境中，组合导航系统提供的位置都较为精确，精度都较高，鲁棒性也很强。正因为组合导航系统拥有如此强大的功能，所以一旦出现故障，造成的后果也是不堪设想的。而故障诊断技术的出现为提高组合导航系统运行的可靠性和导航精度提供了一条新途径。

近年来，随着人工智能技术的发展，越来越多的专家、学者将信息融合技术应用在故障诊断领域。尤其是D-S证据理论以其在不确定信息的表示、度量和融合等方面的优势，在故障诊断领域中得到了广泛应用。在实际的故障诊断中，由于船舶组合导航系统结构的复杂性、运行条件的多样性以及运行环境的不同，会有冲突情况发生，如：基于不同特征诊断的结果有时会有冲突；基于不同位置的传感器获取的诊断结果有时也会有冲突。而D-S证据理论中的Dempster融合规则在证据高冲突情况下，会导致诊断的准确性与合理性下降，难以满足舰船组合导航系统的故障诊断需求。

发明内容

本发明的目的是提供一种能够提高故障诊断准确性的，基于信息融合的船舶组合导航系统故障诊断方法。

一种基于信息融合的船舶组合导航系统故障诊断方法，包括以下步骤，

步骤一：确定船舶组合导航系统的故障识别框架Θ＝{A₁,A₂,…,A_n}，A_i代表故障识别框架Θ中的第i个故障，i＝1,2,…,n，n为故障个数；

步骤二：根据故障的发生机理和故障特征，用m组传感器识别故障的特征参数，输出故障的基本概率赋值m_j(A_i)，作为诊断故障的证据，j＝1,2,…,m；

步骤三：根据故障的最大基本概率赋值，判断证据间的关系，计算证据间的冲突系数；

(1)当第i条证据和第j条证据的最大基本概率赋值都支持同一故障时，第i条证据和第j条证据之间的冲突系数k_ij'：

${k_{ij}}^{\′}=\frac{n}{4n-4}\underset{A_i\∈\mathrm{\Θ}}{\Σ}|m_i\left(A_i\right)-m_j\left(A_i\right)|$

其中，m_i(A_i)、m_j(A_i)分别表示第i、j条证据中第i个故障A_i的基本概率赋值；

(2)当第i条证据和第j条证据的最大基本概率赋值分别支持不同的故障时，第i条证据和第j条证据之间的冲突系数k_ij'：

${k_{ij}}^{\′}=\frac{1}{4}\underset{A_i\∈\mathrm{\Θ}}{\Σ}|m_i\left(A_i\right)-m_j\left(A_i\right)|+\frac{1}{2};$

步骤四：根据证据间的冲突系数，计算证据支持度：

${\mathrm{SD}}_j=\underset{i=1,i\≠j}{\overset{k}{\Σ}}(1-{k_{ij}}^{\′})$

其中，SD_j表示第j条证据的支持，k为证据个数；

步骤五：用故障的基本概率赋值之和表征证据确定度：

${\mathrm{CD}}_j=\underset{i=1}{\overset{n}{\Σ}}{m}_j\left(A_i\right);$

步骤六：用故障的最大基本概率赋值与最小基本概率赋值之差的绝对值表征证据决策度，

DD_j＝|maxm_j(A_i)-minm_j(A_i)|

其中，DD_j表示第j条证据的决策度，maxm_j(A_i)、minm_j(A_i)分别表示第j条证据中最大基本概率赋值、最小基本概率赋值；

步骤七：根据证据支持度、确定度和决策度，计算证据权重：

${\mathrm{\ω}}_j=\frac{{\mathrm{SD}}_j+{\mathrm{CD}}_j\·{\mathrm{DD}}_j}{\underset{j=1}{\overset{k}{\Σ}}({\mathrm{SD}}_j+{\mathrm{CD}}_j\·{\mathrm{DD}}_j)};$

步骤八：根据证据权重对证据进行加权平均处理，得到加权平均证据：

$\stackrel{\‾}{m}=\[{\mathrm{\ω}}_1,{\mathrm{\ω}}_2,\mathrm{...},{\mathrm{\ω}}_k\]\·\left[\begin{array}{cccc}{m}_1\left(A_1\right)& m_1\left(A_2\right)& \mathrm{...}& m_1\left(A_n\right)\\ m_2\left(A_1\right)& m_2\left(A_2\right)& \mathrm{...}& m_2\left(A_n\right)\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ m_k\left(A_1\right)& m_k\left(A_2\right)& \mathrm{...}& m_k\left(A_n\right)\end{array}\right];$

步骤九：利用冲突系数k_ij'，改进Dempster融合规则，并用改进后的Dempster融合规则对加权平均证据融合k-1次，输出最终的融合结果，

$m\left(A_i\right)=\frac{1}{1-{k_{ij}}^{\′}}\underset{B\∩C=A_i}{\Σ}{m}_i\left(B\right)m_j\left(C\right)$

$m{\left(A_i\right)}^{\′}=\frac{m\left(A_i\right)}{\underset{i=1}{\overset{n}{\Σ}}m\left(A_i\right)};$

步骤十：按照最大的基本概率赋值对应的故障即是船舶组合导航系统当前故障的决策规则，对最终的融合结果进行判断，输出诊断结果。

有益效果

本发明利用最大基本概率赋值判断证据间的关系，根据基本概率赋值定义冲突系数，能够合理、准确地度量证据间的冲突。

通过冲突系数确定的证据支持度，能够准确地表征证据之间的支持度；利用基本概率赋值确定的证据确定度、决策度，能够合理地反映证据自身的实用性。

通过证据权重对证据进行加权平均处理，能够降低冲突证据对融合结果的影响。

通过冲突系数改进Dempster融合规则，克服了Dempster融合规则的不足，能够得到合理的融合结果。

附图说明

图1为本发明的流程图。

图2为基本概率赋值表。

图3为融合结果表。

具体实施方式

下面将结合附图对本发明做进一步详细说明。

本发明所采用的技术方案是一种基于信息融合的舰船组合导航系统故障诊断方法，如图1所示，该方法包括以下步骤：

(1)确定舰船组合导航系统的故障识别框架Θ＝{A₁,A₂,…,A_n}，A_i代表故障识别框架Θ中的第i个故障，i＝1,2,…,n，n为故障个数。

(2)根据故障的发生机理和故障特征，用m组传感器识别故障的特征参数，输出故障的基本概率赋值m_j(A_i)，作为诊断故障的证据，j代表第j组传感器，也代表第j条证据，j＝1,2,…,m，A_i代表第i个故障，i＝1,2,…,n，n为故障个数。

(3)根据故障的最大基本概率赋值，判断证据间的关系，计算证据间的冲突系数。

1)当第i条证据和第j条证据的最大基本概率赋值都支持同一故障时，用如下公式计算第i条证据和第j条证据之间的冲突系数k_ij'：

${k_{ij}}^{\′}=\frac{n}{4n-4}\underset{A_i\∈\mathrm{\Θ}}{\Σ}|m_i\left(A_i\right)-m_j\left(A_i\right)|---\left(1\right)$

其中，m_i(A_i)、m_j(A_i)分别表示第i、j条证据中第i个故障A_i的基本概率赋值，n为故障个数，Θ为故障识别框架。

2)当第i条证据和第j条证据的最大基本概率赋值分别支持不同的故障时，用如下公式计算第i条证据和第j条证据之间的冲突系数k_ij'：

${k_{ij}}^{\′}=\frac{1}{4}\underset{A_i\∈\mathrm{\Θ}}{\Σ}|m_i\left(A_i\right)-m_j\left(A_i\right)|+\frac{1}{2}---\left(2\right)$

其中，m_i(A_i)、m_j(A_i)分别表示第i、j条证据中第i个故障A_i的基本概率赋值，Θ为故障识别框架。

(4)根据证据间的冲突系数，计算证据支持度，计算公式如下：

${\mathrm{SD}}_j=\underset{i=1,i\≠j}{\overset{k}{\Σ}}(1-{k_{ij}}^{\′})---\left(3\right)$

其中，SD_j表示第j条证据的支持度，k_ij'表示第i条证据和第j条证据之间的冲突系数，k为证据个数。

(5)用故障的基本概率赋值之和表征证据确定度，计算公式如下：

${\mathrm{CD}}_j=\underset{i=1}{\overset{n}{\Σ}}{m}_j\left(A_i\right)---\left(4\right)$

其中，CD_j表示第j条证据的确定度，m_j(A_i)表示第j条证据中第i个故障A_i的基本概率赋值，n为故障个数。

(6)用故障的最大基本概率赋值与最小基本概率赋值之差的绝对值表征证据决策度，计算公式如下：

DD_j＝|maxm_j(A_i)-minm_j(A_i)|(5)

其中，DD_j表示第j条证据的决策度，maxm_j(A_i)、minm_j(A_i)分别表示第j条证据中最大基本概率赋值、最小基本概率赋值，A_i代表故障识别框架Θ中的第i个故障，i＝1,2,…,n，n为故障个数。

(7)根据证据支持度、确定度和决策度，计算证据权重，计算公式如下：

${\mathrm{\ω}}_j=\frac{{\mathrm{SD}}_j+{\mathrm{CD}}_j\·{\mathrm{DD}}_j}{\underset{j=1}{\overset{k}{\Σ}}({\mathrm{SD}}_j+{\mathrm{CD}}_j\·{\mathrm{DD}}_j)}---\left(6\right)$

其中，ω_j表示第j条证据的权重，SD_j、CD_j、DD_j分别表示第j条证据的支持度、确定度、决策度，k为证据个数。

(8)根据证据权重对证据进行加权平均处理，得到加权平均证据，计算公式如下：

$\stackrel{\‾}{m}=\[{\mathrm{\ω}}_1,{\mathrm{\ω}}_2,\mathrm{...},{\mathrm{\ω}}_k\]\·\left[\begin{array}{cccc}{m}_1\left(A_1\right)& m_1\left(A_2\right)& \mathrm{...}& m_1\left(A_n\right)\\ m_2\left(A_1\right)& m_2\left(A_2\right)& \mathrm{...}& m_2\left(A_n\right)\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ m_k\left(A_1\right)& m_k\left(A_2\right)& \mathrm{...}& m_k\left(A_n\right)\end{array}\right]---\left(7\right)$

其中，表示加权平均证据,ω_j表示第j条证据的权重，m_j(A_i)表示第j条证据中第i个故障A_i的基本概率赋值，j＝1,2,…,k，k为证据个数，i＝1,2,…,n，n为故障个数。

(9)利用冲突系数k_ij'，改进Dempster融合规则，并用改进后的Dempster融合规则对加权平均证据融合k-1次，k为证据个数，输出最终的融合结果，计算公式如下：

$m\left(A_i\right)=\frac{1}{1-{k_{ij}}^{\′}}\underset{B\∩C=A_i}{\Σ}{m}_i\left(B\right)m_j\left(C\right)---\left(8\right)$

$m{\left(A_i\right)}^{\′}=\frac{m\left(A_i\right)}{\underset{i=1}{\overset{n}{\Σ}}m\left(A_i\right)}---\left(9\right)$

(10)按照最大的基本概率赋值对应的故障即是舰船组合导航系统当前故障的决策规则，对最终的融合结果进行判断，输出诊断结果。

本发明针对舰船组合导航系统故障诊断问题，公开了一种基于信息融合的舰船组合导航系统故障诊断方法。本发明的主要特征在于：确定舰船组合导航系统的故障识别框架；利用多组传感器输出故障的基本概率赋值，作为诊断故障的证据；计算证据间的冲突系数，证据支持度、确定度、决策度，证据权重；根据证据权重对证据进行加权平均处理，得到加权平均证据；利用冲突系数，改进Dempster融合规则对加权平均证据进行融合，输出最终的融合结果；按照决策规则对最终的融合结果进行判断，输出诊断结果。本发明能够准确地度量证据间冲突，通过证据权重对证据进行加权平均处理，能够降低冲突证据对融合结果的影响，通过冲突系数改进融合规则，能够得到合理的融合结果。

本发明提出了一种基于信息融合的舰船组合导航系统故障诊断方法，为了更清楚地描述本发明的实施方案，下面通过一个具体的例子对本发明做出详细说明。

(1)现对一由卫导系统(GPS)和惯导系统(INS)构成的紧组合导航系统进行故障诊断，根据历史故障记录，可知该组合导航系统可能发生的故障有x向陀螺故障A₁、y向陀螺故障A₂、x向加速度计故障A₃、y向加速度计故障A₄和GPS接收机故障A₅，则该组合导航系统的故障识别框架Θ＝{A₁,A₂,A₃,A₄,A₅}。

(2)用5组传感器对发生故障的组合导航系统进行监测，输出每个故障A_i的基本概率赋值m_j(A_i)，i＝1,2,…,5，j＝1,2,…,5，如图2所示。

(3)根据故障的最大基本概率赋值，判断证据间的关系，计算证据间的冲突系数。

由步骤(2)中的图2可知，

证据1的最大基本概率赋值为m₁(A₁)＝0.5，即证据1在很大程度上支持故障A₁。

证据2的最大基本概率赋值为m₂(A₂)＝0.9，即证据2在很大程度上支持故障A₂。

证据3的最大基本概率赋值为m₃(A₁)＝0.6，即证据3在很大程度上支持故障A₁。

证据4的最大基本概率赋值为m₄(A₁)＝0.6，即证据4在很大程度上支持故障A₁。

证据5的最大基本概率赋值为m₅(A₁)＝0.6，即证据5在很大程度上支持故障A₁。

证据1、证据3、证据4、证据5之间是一致的，根据公式(1)，分别计算出它们之间的冲突系数：

k₁₃′＝0.0625，

k₁₄′＝0.0625，

k₁₅′＝0.0625，

k₃₄′＝0，

k₃₅′＝0，

k₄₅′＝0。

证据1、证据3、证据4、证据5都和证据2不一致，可见证据2是一条冲突证据，根据公式(2)，分别计算出它们之间的冲突系数：

k₂₁′＝0.85，

k₂₃′＝0.9，

k₂₄′＝0.9，

k₂₅′＝0.9。

(4)根据公式(3)，分别计算证据1、证据2、证据3、证据4、证据5的支持度如下：

SD₁＝2.9625，

SD₂＝0.45，

SD₃＝3.0375，

SD₄＝3.0375，

SD₅＝3.0375。

(5)根据公式(4)，分别计算证据1、证据2、证据3、证据4、证据5的确定度如下：

CD₁＝1，

CD₂＝1，

CD₃＝1，

CD₄＝1，

CD₅＝1。

(6)根据公式(5)，分别计算证据1、证据2、证据3、证据4、证据5的决策度如下：

DD₁＝0.4，

DD₂＝0.9，

DD₃＝0.5，

DD₄＝0.5，

DD₅＝0.5。

(7)根据公式(6)，分别计算证据1、证据2、证据3、证据4、证据5的权重如下：

ω₁＝0.2194，

ω₂＝0.0881，

ω₃＝0.2308，

ω₄＝0.2308，

ω₅＝0.2308。

(8)根据公式(7)，对证据进行加权平均处理，得到加权平均证据如下：

$\begin{array}{c}\stackrel{\‾}{m}=\left[\mathrm{0.2194,0.0881,0.2308,0.2308,0.2308}\right]\·\left[\begin{array}{ccccc}0.5& 0.2& 0.1& 0.1& 0.1\\ 0.1& 0.9& 0& 0& 0\\ 0.6& 0.1& 0.1& 0.1& 0.1\\ 0.6& 0.1& 0.1& 0.1& 0.1\\ 0.6& 0.1& 0.1& 0.1& 0.1\end{array}\right]\\ =\left[\begin{array}{ccccc}0.5339& 0.1924& 0.0912& 0.0912& 0.0912\end{array}\right]\end{array}$

(9)根据公式(8)和公式(9),融合加权平均证据 $\stackrel{\‾}{m}=\left[\begin{array}{ccccc}0.5339& 0.1924& 0.0912& 0.0912& 0.0912\end{array}\right]$ 4次，得到融合结果m_1,2(A_i)、m_1,2,3(A_i)、m_1,2,3,4(A_i)、m_1,2,3,4,5(A_i)，i＝1,2,…,5，如图3所示。

(10)由步骤(9)中的图3可知，在最终的融合结果中，m_1,2,3,4,5(A₁)＝0.9936是最大的基本概率赋值，因此该组合导航系统当前的故障是A₁，即x向陀螺故障。可见应用本发明的方法可以有效地消除舰船组合导航系统故障诊断中冲突证据对融合结果的影响，提高诊断结果的准确性。

Claims (1)

1.一种基于信息融合的船舶组合导航系统故障诊断方法，其特征在于：包括以下步骤，

步骤一：确定船舶组合导航系统的故障识别框架Θ＝{A₁,A₂,…,A_n}，A_i代表故障识别框架Θ中的第i个故障，i＝1,2,…,n，n为故障个数；

步骤二：根据故障的发生机理和故障特征，用m组传感器识别故障的特征参数，输出故障的基本概率赋值m_j(A_i)，作为诊断故障的证据，j＝1,2,…,m；

步骤三：根据故障的最大基本概率赋值，判断证据间的关系，计算证据间的冲突系数；

(1)当第i条证据和第j条证据的最大基本概率赋值都支持同一故障时，第i条证据和第j条证据之间的冲突系数k_ij'：

${k_{ij}}^{\′}=\frac{n}{4n-4}\underset{A_i\∈\mathrm{\Θ}}{\Σ}|m_i\left(A_i\right)-m_j\left(A_i\right)|$

其中，m_i(A_i)、m_j(A_i)分别表示第i、j条证据中第i个故障A_i的基本概率赋值；

(2)当第i条证据和第j条证据的最大基本概率赋值分别支持不同的故障时，第i条证据和第j条证据之间的冲突系数k_ij'：

${k_{ij}}^{\′}=\frac{1}{4}\underset{A_i\∈\mathrm{\Θ}}{\Σ}|m_i\left(A_i\right)-m_j\left(A_i\right)|+\frac{1}{2};$

步骤四：根据证据间的冲突系数，计算证据支持度：

${\mathrm{SD}}_j=\underset{i=1,i\≠j}{\overset{k}{\Σ}}(1-{k_{ij}}^{\′})$

其中，SD_j表示第j条证据的支持，k为证据个数；

步骤五：用故障的基本概率赋值之和表征证据确定度：

${\mathrm{CD}}_j=\underset{i=1}{\overset{n}{\Σ}}{m}_j\left(A_i\right);$

步骤六：用故障的最大基本概率赋值与最小基本概率赋值之差的绝对值表征证据决策度，

DD_j＝|maxm_j(A_i)-minm_j(A_i)|

其中，DD_j表示第j条证据的决策度，maxm_j(A_i)、minm_j(A_i)分别表示第j条证据中最大基本概率赋值、最小基本概率赋值；

步骤七：根据证据支持度、确定度和决策度，计算证据权重：

${\mathrm{\ω}}_j=\frac{{\mathrm{SD}}_j+{\mathrm{CD}}_j\·{\mathrm{DD}}_j}{\underset{j=1}{\overset{k}{\Σ}}({\mathrm{SD}}_j+{\mathrm{CD}}_j\·{\mathrm{DD}}_j)};$

步骤八：根据证据权重对证据进行加权平均处理，得到加权平均证据：

$\stackrel{\‾}{m}=\[{\mathrm{\ω}}_1,{\mathrm{\ω}}_2,...,{\mathrm{\ω}}_k\]\·\left[\begin{array}{cccc}{m}_1\left(A_1\right)& m_1\left(A_2\right)& ...& m_1\left(A_n\right)\\ m_2\left(A_1\right)& m_2\left(A_2\right)& ...& m_2\left(A_n\right)\\ ...& ...& ...& ...\\ m_k\left(A_1\right)& m_k\left(A_2\right)& ...& m_k\left(A_n\right)\end{array}\right];$

步骤九：利用冲突系数k_ij'，改进Dempster融合规则，并用改进后的Dempster融合规则对加权平均证据融合k-1次，输出最终的融合结果，

$m\left(A_i\right)=\frac{1}{1-{k_{ij}}^{\′}}\underset{B\∩C=A_i}{\Σ}{m}_i\left(B\right)m_j\left(C\right)$

$m{\left(A_i\right)}^{\′}=\frac{m\left(A_i\right)}{\underset{i=1}{\overset{n}{\Σ}}m\left(A_i\right)};$

步骤十：按照最大的基本概率赋值对应的故障即是船舶组合导航系统当前故障的决策规则，对最终的融合结果进行判断，输出诊断结果。