基于FCM-GRA的故障诊断方法研究

杨志， 卢敏童

(合肥工业大学机械工程学院，合肥 230009)

基于FCM-GRA的故障诊断方法研究

杨志， 卢敏童

(合肥工业大学机械工程学院，合肥 230009)

针对复杂机械产品的故障诊断问题，文中提出基于FCM和灰色关联分析(GRA)的两阶段的故障诊断方法。第一阶段用模糊聚类方法得到标准故障序列。第二阶段运用灰色关联分析方法分析标准故障序列与实时数据的灰色关联度，根据灰色关联序实现故障识别。最后以电喷发动机怠速不稳故障为实例验证模型的有效性。

复杂机械产品;故障诊断;模糊聚类;灰色关联分析

0 引 言

复杂机械产品是由不同种类、数量繁多的零部件或由多个相互联系的子系统构成的系统。复杂机械产品的故障的发生可能由多种因素共同引发，也有可能是由其他故障引发的次生故障，甚至可能是子系统集成的问题，这都提高了故障诊断的难度，同时也增加了风险。因此，有必要对复杂机械产品进行及时准确的故障诊断，减少故障及次生故障带来的损失，保证安全具有重要意义。

故障诊断就是确定系统是否存在故障并确定故障发生的原因和时间，定位故障元件，确定故障类型以及故障严重程度，再根据识别结果采取相应的恢复、维护措施。复杂机械产品的故障诊断问题受到国内外学者的广泛关注，智能诊断方法如灰色关联分析[1-5]、模糊聚类分析[6-9]、支持向量机[10]、神经网络[11-12]等方法取得了不错的效果。但单一算法用于故障诊断都存在其局限性，实现算法间的优势互补，是故障诊断的一个发展趋势。针对复杂机械产品的故障诊断问题，本文以模糊聚类和灰色关联分析为基础，建立电喷发动机的怠速不稳的故障状态模型，以期在复杂机械产品故障诊断的实际应用方面提供新的思路。

1 模型构建理论基础

1.1 模糊聚类理论概述

传统的分类是非此即彼的关系，而现实中的许多事物同时具有多种类别事物的某些特征,事物类别之间也存在重叠类的可能性，对于这些问题运用模糊划分更为贴切。模糊聚类分析是应用模糊数学方法确定事物之间的亲疏程度从而实现事物分类的方法。

1.2 FCM算法

传统的模糊聚类方法一般步骤如下：1）特征参数标准化处理。各特征参数在量纲上存在的差异会给计算、比较和建立的模型带来不确定性。2）模糊聚类分析获取聚类中心和隶属度矩阵。用消除量纲后的数据作为模糊聚类分析方法的输入,并根据目标函数最小化原则,设定误差阈值或迭代次数作为收敛条件。

1.3 灰色关联分析

灰色关联分析根据标准序列和比较序列曲线之间的几何相似程度来判断事物联系是否紧密，曲线越接近，事物之间的关联性就越大。灰色关联度只需少量样本数据，计算量小，且不要求具有特定的分布。

2 基于FCM-GRA的故障诊断原理

基于FCM-GRA的两阶段的复杂机械故障诊断方法的流程如图1所示，首先对历史数据进行聚类得到聚类中心作为标准序列。再计算实时数据与标准序列的灰色关联度，根据灰色关联序得出可能的故障类型，最终实现故障的诊断，达到消除故障的目的。

2.1 数据预处理

设备监控现场收集的数据中，不同的特征参数在量纲方面存在很大的差异，会给计算、建模带来不利影响。文中采取平移-标准差变换消除量纲的影响。

图1 基于FCM-GRA的故障诊断原理

2.2 基于历史及在线数据的模糊聚类

传统的模糊聚类方法存在对不同特征，不同样本同等对待的问题，忽略了不同的特征参数和不同样本对分类的不同影响，而且需要根据先验知识确定聚类数目[13]。本文运用ReliefF方法[14]进行特征选取与加权。改进的模糊聚类的隶属度矩阵uij和聚类中心Centeri的更新公式：

2.3 模糊聚类基础上的灰色关联分析

3 实例验证

3.1 研究对象简介

电喷发动机是用电子控制装置替代传统的机械系统以控制发动机的供油过程，喷油器的燃油由电子系统控制喷入发动机进气系统。

本文以某电喷发动机怠速不稳故障为实例，建立基于加权模糊聚类和灰色关联分析的两阶段的复杂机械产品的故障诊断模型识别由点火系故障、喷油器故障、真空泄漏等原因引起的怠速不稳故障，原始数据见文献［15］。

3.2 Matlab建模分析过程

输入数据，根据Si,Sb,J指标综合选取特征为平均电压、最高电压、最低电压、平均电压。对特征选取后的数据进行标准化处理再用ReliefF方法求得特征权重。样本集中，第1～第3个样本为正常数据C1，第4～第9个样本为点火系故障C2，第10～第15个样本为喷油器故障C3，第16～第18为真空泄漏，现分别从C1、C2，喷油器故障C3、C4中随机选取2、4、4、2个样本作为模型的训练集，其余的样本作为待检测样本，最终基于模糊聚类和灰色关联分析故障诊断的结果如图2。根据隶属度最大原则确定得出待检测样本的故障类型，与实际的故障类型完全相符。

图2 基于WFCM-GRA的故障诊断结果

图3 基于传统模糊聚类方法的故障诊断结果

3.3 结果分析

作为对比，选取传统的模糊聚类方法对故障样本进行聚类，根据隶属度最大原则确定得出待检测样本的故障类型如图3，从结果可以看出，传统的模糊聚类方法（用系统自带的fcm函数表示）出现了很多误分类的情况，诊断准确率很低。

4 结语

本文融合了模糊聚类和灰色关联分析方法的优点，建立了FCM-GRA的两阶段复杂机械产品的故障诊断模型，并成功应用于电喷发动机的怠速不稳故障诊断中，相对于单一使用传统的模糊聚类方法在诊断准确率上具有明显的优势。文中提出的方法随着历史数据的积累，标准序列也更加精确，可满足在线和离线故障诊断的需要。同时，文中提出的方法，也为运用多种方法进行复杂机械产品的故障诊断以发挥不同算法的优点，实现优势互补，提高诊断准确率和效率提供了一种思路。

[1] 周剑波,鲁峰,黄金泉.基于灰色关联分析的航空发动机气路部件故障诊断[J].推进技术,2011,32(1):140-145.

[2] 孙树峰,章钦栋,黄克,等.基于灰色关联度分析法的微铣削毛刺研究[J].中国机械工程,2015,26(15):2036-2040.

[3] 鲁峰,黄金泉.基于灰色关联聚类的特征提取算法[J].系统工程理论与实践,2012,32(4):872-876.

[4] 张文斌,苏艳萍,普亚松,等.基于集合经验模式分解能量分布与灰色相似关联度的齿轮故障诊断[J].机械工程学报,2014,50(7):70-77.

[5] 贾爱芹,陈建军.模糊灰色关联法在制动系故障诊断中的应用[J].振动、测试与诊断,2011,31(6):690-693.

[6] 王彦岩,杨建国,宋宝玉.基于小波和模糊C-均值聚类算法的汽油机爆震诊断研究[J].内燃机工程,2011,32(4):56-61.

[7] 张玲玲,曾锐利,贾继德,等.基于整工作循环阶比跟踪谱与FCM的发动机故障诊断[J].汽车工程,2014,36(8):1024-1028.

[8] BAHRAMPOUR S,MOSHIRI B,SALAHSHOOR K.Weighted and constrained possibilistic C-means clustering for online fault detection and isolation[J].Applied Intelligence,2011,35(2):269-284.

[9] 徐超,张培林,任国全,等.基于改进半监督模糊C-均值聚类的发动机磨损故障诊断[J].机械工程学报,2011,47(17):55-60.

[10]XU Qihua,GENG Shuai,SHI Jun.Aero-engine fault diagnosis applying new fast support vector algorithm [J].Journal of Aerospace Power,2012,27(2):1604-1612.

[11]SHATNAWI Y,AL-KHASSAWENEH M.Fault Diagnosis in Internal Combustion Engines Using Extension Neural Network[J].IEEE Transactions on Industrial Electronics,2013,61(3):1434-1443.

[12]白士红,杜新成.复合神经网络在柴油机故障诊断中的应用[J].中国工程机械学报,2014,12(1):73-75,80.

[13] 张可,周东华,柴毅.复合故障诊断技术综述[J].控制理论与应用,2015,32(9):1143-1157.

[14] 黄莉莉,汤进,孙登第,等.基于多标签ReliefF的特征选择算法[J].计算机应用,2012,32(10):2888-2890,2898.

[15]刘杰.电喷汽车发动机故障诊断技术研究[D].重庆:重庆交通大学,2009.

（编辑浩 然）

Research on Fault Diagnosis Method Based on the FCM and GRA

YANG Zhi,LU Mintong
(School ofMechanical Engineering,Hefei UniversityofTechnology,Hefei 230009,China)

Fault diagnosis for complex machinery products,two-stage method of fault diagnosis is proposed based on FCM and grey relational analysis(GRA).Fuzzy clustering method is used to get standard sequences of faults in first stage.Grey correlation analysis method is used to calculate the grey correlation of standard sequences and real-time data,and realize fault recognition based on grey correlation sequence in second stage.Taking idling fault of EFI engine as example,the validity of the model is verified.

complex machinery products；fault diagnosis；grey relational analysis(GRA)

TH 17

A

1002－2333（2018）01－0021－03

杨志(1990—)，男，硕士研究生，研究方向为制造过程监测与控制。

2017-03-24