基于K近邻证据融合的故障诊断方法

为了兼顾数据建模的准确性和诊断的实时性,提出一种K近邻诊断证据融合新方法.利用故障特征 的历史样本构建随机模糊变量(RFV)形式的故障样板模式,由KNN算法获取测试样本的K个近邻历史样本,并定义它们的RFV待检模式;经样板和待检模式的匹配获取K个诊断证据,再将各特征的K个诊断证据融合,并作出故障决策;使用RFV实现对故障数据的精准建模,利用K个历史样本丰富诊断信息,并增加诊断的时效性.诊断效果在电机转子试验台上得到了验证.