故障诊断新方法：静态融合与动态更新证据

"基于诊断证据静态融合与动态更新的故障诊断方法" 本文主要介绍了一种融合静态证据融合和动态更新的故障诊断技术，用于提高故障诊断的准确性和效率。作者团队包括徐晓滨、张镇、李世宝和文成林，该研究发表于2016年1月的《自动化学报》第42卷第1期。 在静态融合阶段，研究采用了Dempster组合规则来整合不同时刻的多条局部诊断证据，这些局部证据可能来自不同的传感器或诊断算法。通过这种方式，可以得到一个综合的静态融合证据。同时，他们提出了一个基于证据距离的故障信度静态收敛指标，这个指标能够评估证据融合的质量和故障识别的可靠性。 进入动态更新阶段，研究利用条件化的线性组合更新规则，结合当前时刻的静态融合证据对历史证据进行更新，以获取更全面和及时的全局性诊断证据。这里，他们引入了一个基于S函数的故障信度动态收敛指标，这个指标能够反映出诊断证据随时间变化的收敛情况。 在两个阶段中，作者提出了优化学习方法来确定最佳参数，如静态融合中的局部诊断证据的静态折扣系数和动态更新中的历史与当前证据的更新权重系数。这些参数的优化有助于提高整个诊断过程的性能。 最终，基于最大信度原则，利用更新后的诊断证据作出诊断决策。为了验证这种方法的有效性，研究者在电机柔性转子实验台上进行了实际的诊断实验，并将新方法与现有的典型融合诊断方法进行了比较分析。 关键词涉及故障诊断、信息融合、工业报警系统、证据理论和证据更新。参考文献格式为：徐晓滨，张镇，李世宝，文成林.基于诊断证据静态融合与动态更新的故障诊断方法.自动化学报,2016,42(1):107−121，DOI: 10.16383/j.aas.2016.c150403。 这项工作对于理解如何在复杂系统中有效集成和更新诊断信息，以及提升故障诊断系统的性能具有重要的理论和实践意义。通过静态和动态策略的结合，该方法能够在不断变化的环境中提供更加准确和及时的故障识别。