技术特征：
1.一种基于粗糙集和证据理论的故障诊断方法，其特征在于，包括如下步骤：s1、根据原始数据表中带标签数据的参数名称和数据类别，得到条件属性集，所述条件属性集表示为c＝{c1，c2，c3，...，c
n
}，其中n为输入的条件属性的维度；s2、根据系统常见故障状态得到决策属性集，所述决策属性集表示为d＝{d1，d2，d3，...，d
m
}，其中m为输出的决策属性的维度；s3、基于所述条件属性集和所述决策属性集，建立基于不同工况下第i条原始采集数据样本的输入条件属性与决策属性相对应的数据决策表，所述数据决策表表示为s；s4、对所述数据决策表进行属性的约简处理，获得约简决策表；s5、根据所述约简决策表，获得约简决策表中所有条件属性对每个决策属性的基本置信度，所述基本置信度用于进行故障诊断。2.根据权利要求1所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，s1中所述原始数据表中的原始数据类型为连续的条件属性时，按照标准参数范围对原始数据进行离散化处理；正常区间范围数据离散化后设置条件属性码为1，低于正常区间范围下限则设置条件属性码为0，高于正常区间范围上限则设置其条件属性码为2。3.根据权利要求2所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，所述离散化处理采用额定工况下参数指标范围，对于非额定工况下采集的参数数据，根据数据采集时对应的设备工况点，并结合变工况参数变化曲线来确定参数的正常区间范围。4.根据权利要求1所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，s2中所述决策属性集为已知的故障状态，其与条件属性之间的推理关系为非线性或非一一映射关系，对于条件属性与决策属性间存在简单一一映射关系的决策属性直接剔除。5.根据权利要求1所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，s4中所述属性的约简处理的方法包括：基于粗糙集的等价属性定义进行的属性约简处理，剔除数据决策表中的冗余属性及相关数据信息。6.根据权利要求5所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，所述等价属性为在保持知识库分类能力不变的前提下，对数据决策表中存在的冗余条件属性及其相关信息进行简约的原则；所述等价属性定义为：其中，x为样本数据向量，其数据维度取决于原始采集数据的输入条件属性维度n；x为所有样本数据向量构成的样本数据集，x＝{x1，x2，x3，...，x
k
}，其中k为样本数据的数量；c
i
为条件属性，c
i
(x)为样本数据x在属性下c
i
的值，c＝{c1，c2，c3，...，c
n
}为所有条件属性集合。7.根据权利要求1所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，s5中获取所述基本置信度的方法包括：采用基于证据置信度的基本置信度分配方法。8.根据权利要求1所述的基于粗糙集和证据理论的故障诊断方法，其特征在于，所述基本置信度的计算方法如下：其中，i＝1,2,...,n，y
i
＝{y|y∈u∧y
d
＝d
i
}，d
i
∈v
d
，u为原始数据表。
9.一种基于粗糙集和证据理论的故障诊断系统，其特征在于，包括：条件属性模块、决策属性模块、决策表模块、处理模块、计算模块；所述条件属性模块用于根据原始数据表中带标签数据的参数名称和数据类别，得到条件属性集；所述决策属性模块用于根据系统常见故障状态得到决策属性集；所述决策表模块用于基于所述条件属性集和所述决策属性集，建立基于不同工况下第i条原始采集数据样本的输入条件属性与决策属性相对应的数据决策表；所述处理模块用于对所述数据决策表进行属性的约简处理，获得约简决策表；所述计算模块用于根据所述约简决策表，获得约简决策表中所有条件属性对每个决策属性的基本置信度。
技术总结
本发明公开了一种基于粗糙集和证据理论的故障诊断方法及系统，包括如下步骤：S1、根据原始数据表中带标签数据的参数名称和数据类别，得到条件属性集；S2、根据系统常见故障状态得到决策属性集；S3、基于条件属性集和决策属性集，建立基于不同工况下第i条原始采集数据样本的输入条件属性与决策属性相对应的数据决策表；S4、对数据决策表进行属性的约简处理，获得约简决策表；S5、根据约简决策表，获得约简决策表中所有条件属性对每个决策属性的基本置信度。本发明通过粗糙集与D-S证据理论相结合，克服了决策证据在基本置信度分配的主观性过强的缺陷。过强的缺陷。过强的缺陷。
技术研发人员：贾宝柱 廖志强 孔德峰
受保护的技术使用者：广东海洋大学
技术研发日：2022.05.31
技术公布日：2022/9/6