第2期 崔铁军，等：多因素集对分析的系统故障模式识别方法 ·391· 5结束语 [5]潘宏侠，张玉学.基于SST时频图纹理特征的供输弹系 统故障诊断).振动与冲击，2020,396)：132-137,175 1)建立了多因素影响下的系统故障识别方 PAN Hongxia,ZHANG Yuxue.Fault diagnosis of the 法。首先根据背景材料建立故障模式识别系统； ammunition supply system based on the texture features 分析故障样本模式与故障标准模式的关系；确定 of SST time-frequency distribution image[J].Journal of 关系联系度的各系数值，通过故障分布统计确 vibration and shock,2020,39(6):132-137,175. 定；计算联系度；计算识别度；最终确定故障样本 [6]刘倪铭，宁联辉，高亮，等.混合多端直流输电系统故障 模式与故障标准模式的归属关系。完成故障样本 线路识别方法).智慧电力，2020,48(3)：1-6. 识别。 LIU Niming,NING Lianhui,GAO Liang,et al.Fault line identification method for multi-terminal hybrid DC trans- 2)通过实例分析展示了方法流程，并获得了 mission system[J].Smart power,2020,48(3):1-6. 故障样本识别结果。研究一电气系统，主要故障 [7]杨健，杨力，盛武.分布式光纤扰动传感系统故障模式 原因为漏电和短路，相关因素为温度、湿度和气 识别仿真.计算机仿真，2020,37(1)：444-447. 压。已具有两个故障标准模式，并获得3个故障 YANG Jian,YANG Li,SHENG Wu.Simulation of fault 样本模式。经过分析得到故障样本模式的联系度 pattern recognition method for distributed optical fiber 和识别度，结果表明故障样本模式”1属于故障标 disturbance sensing systemJ.Computer simulation, 准模式s,0 2020,371):444-447. 3)给出了该方法的优点。将因素分为直接因 [8]屈子程，高亮，康保林，等.基于多源数据的电力系统故 素和背景因素；通过联系度确定关系，联系度系 障全信息诊断模型)，电力系统保护与控制，2019， 数通过故障在故障空间中的分布进行确定；联系 47(22):59-66. 数可表示系统故障发生的确定性和不确定性。 QU Zicheng,GAO Liang,KANG Baolin,et al.A power system fault full information diagnosis model based on 参考文献： multi-source data[J].Power system protection and con- trol,2019,47(22:59-66 [1]崔铁军，马云东.多维空间故障树构建及应用研究[) [9]巫健，禹宁，江冰.一种基于模式识别的光纤通信系统 中国安全科学学报，2013,23(4)32-37,62. 故障诊断方法.半导体光电，2019,40(4)：581-584， CUI Tiejun,MA Yundong.Research on multi-dimension- 589 al space fault tree construction and application[.China WU Jian,YU Ning,JIANG Bing.A fault diagnosis meth- safety science journal,2013,23(4):32-37,62. od for optical fiber communication system based on pat- [2]王盼宝.孙红梅，郝鑫，等.基于线路电流二阶导数的中 tern recognition[J].Semiconductor optoelectronics,2019. 压直流系统故障识别方法).电力系统保护与控制， 40(4):581-584,589 202048(131-13 [10]赵鑫，蔡琦，王晓龙.基于DTW算法的参数缺失时的 WANG Panbao,SUN Hongmei,HAO Xin,et al.DC line 核动力系统故障诊断技术凹.原子能科学技术，2019 fault identification scheme for a medium-voltage DC 53(6):1070-1077 power system based on the second derivative of line cur- ZHAO Xin,CAI Qi,WANG Xiaolong.Fault diagnosis rent[J].Power system protection and control,2020, of nuclear power system based on DTW algorithm for 48(13):1-13. incomplete parameter[J].Atomic energy science and [3]熊中杰，邱颖宁，冯延晖，等.基于机器学习的风电机组 technology,2019,53(6):1070-1077 变桨系统故障研究).太阳能学报，2020,41(5少85-90. [11]王靖岳，王浩天，郭立新.齿轮传动系统故障诊断技术 XIONG Zhongjie,QIU Yingning,FENG Yanhui,et al. 的研究进展).机械传动，2016,40(8)：185-192 Fault analysis of wind turbine pitch system based on ma- WANG Jingyue,WANG Haotian,GUO Lixin.Re- chine learning[J].Acta energiae solaris sinica,2020, search progress of fault diagnosis technology of gear 41(585-90. transmission system[J].Journal of mechanical transmis- [4]蒋佳炜，胡以怀，方云虎，等.船舶动力装置智能故障诊 sion,2016,40(8):185-192 断技术的应用与展望】.中国舰船研究，2020,15(1)： [12]董磊，石瑞敏，曾志强.基于复杂网络聚类的提升机主 56-67 轴系统故障诊断[).振动、测试与诊断，2016,36(4)： JIANG Jiawei,HU Yihuai,FANG Yunhu,et al.Applica- 688-693. tion and prospects of intelligent fault diagnosis techno- DONG Lei,SHI Ruimin,ZENG Zhigiang.Fault dia- logy for marine power system[J].Chinese journal of ship gnosis for spindle system of hoist based on complex net- research,2020,15(1)56-67 work clustering[J].Journal of vibration,measurement5 结束语 1) 建立了多因素影响下的系统故障识别方 法。首先根据背景材料建立故障模式识别系统； 分析故障样本模式与故障标准模式的关系；确定 关系联系度的各系数值，通过故障分布统计确 定；计算联系度；计算识别度；最终确定故障样本 模式与故障标准模式的归属关系。完成故障样本 识别。 rS 1 2) 通过实例分析展示了方法流程，并获得了 故障样本识别结果。研究一电气系统，主要故障 原因为漏电和短路，相关因素为温度、湿度和气 压。已具有两个故障标准模式，并获得 3 个故障 样本模式。经过分析得到故障样本模式的联系度 和识别度，结果表明故障样本模式 r1 属于故障标 准模式 。 3) 给出了该方法的优点。将因素分为直接因 素和背景因素；通过联系度确定关系，联系度系 数通过故障在故障空间中的分布进行确定；联系 数可表示系统故障发生的确定性和不确定性。 参考文献： 崔铁军, 马云东. 多维空间故障树构建及应用研究 [J]. 中国安全科学学报, 2013, 23(4): 32–37, 62. CUI Tiejun, MA Yundong. Research on multi-dimension￾al space fault tree construction and application[J]. China safety science journal, 2013, 23(4): 32–37, 62. [1] 王盼宝, 孙红梅, 郝鑫, 等. 基于线路电流二阶导数的中 压直流系统故障识别方法 [J]. 电力系统保护与控制, 2020, 48(13): 1–13. WANG Panbao, SUN Hongmei, HAO Xin, et al. DC line fault identification scheme for a medium-voltage DC power system based on the second derivative of line cur￾rent[J]. Power system protection and control, 2020, 48(13): 1–13. [2] 熊中杰, 邱颖宁, 冯延晖, 等. 基于机器学习的风电机组 变桨系统故障研究 [J]. 太阳能学报, 2020, 41(5): 85–90. XIONG Zhongjie, QIU Yingning, FENG Yanhui, et al. Fault analysis of wind turbine pitch system based on ma￾chine learning[J]. Acta energiae solaris sinica, 2020, 41(5): 85–90. [3] 蒋佳炜, 胡以怀, 方云虎, 等. 船舶动力装置智能故障诊 断技术的应用与展望 [J]. 中国舰船研究, 2020, 15(1): 56–67. JIANG Jiawei, HU Yihuai, FANG Yunhu, et al. Applica￾tion and prospects of intelligent fault diagnosis techno￾logy for marine power system[J]. Chinese journal of ship research, 2020, 15(1): 56–67. [4] 潘宏侠, 张玉学. 基于 SST 时频图纹理特征的供输弹系 统故障诊断 [J]. 振动与冲击, 2020, 39(6): 132–137, 175. PAN Hongxia, ZHANG Yuxue. Fault diagnosis of the ammunition supply system based on the texture features of SST time-frequency distribution image[J]. Journal of vibration and shock, 2020, 39(6): 132–137, 175. [5] 刘倪铭, 宁联辉, 高亮, 等. 混合多端直流输电系统故障 线路识别方法 [J]. 智慧电力, 2020, 48(3): 1–6. LIU Niming, NING Lianhui, GAO Liang, et al. Fault line identification method for multi-terminal hybrid DC trans￾mission system[J]. Smart power, 2020, 48(3): 1–6. [6] 杨健, 杨力, 盛武. 分布式光纤扰动传感系统故障模式 识别仿真 [J]. 计算机仿真, 2020, 37(1): 444–447. YANG Jian, YANG Li, SHENG Wu. Simulation of fault pattern recognition method for distributed optical fiber disturbance sensing system[J]. Computer simulation, 2020, 37(1): 444–447. [7] 屈子程, 高亮, 康保林, 等. 基于多源数据的电力系统故 障全信息诊断模型 [J]. 电力系统保护与控制, 2019, 47(22): 59–66. QU Zicheng, GAO Liang, KANG Baolin, et al. A power system fault full information diagnosis model based on multi-source data[J]. Power system protection and con￾trol, 2019, 47(22): 59–66. [8] 巫健, 禹宁, 江冰. 一种基于模式识别的光纤通信系统 故障诊断方法 [J]. 半导体光电, 2019, 40(4): 581–584, 589. WU Jian, YU Ning, JIANG Bing. A fault diagnosis meth￾od for optical fiber communication system based on pat￾tern recognition[J]. Semiconductor optoelectronics, 2019, 40(4): 581–584, 589. [9] 赵鑫, 蔡琦, 王晓龙. 基于 DTW 算法的参数缺失时的 核动力系统故障诊断技术 [J]. 原子能科学技术, 2019, 53(6): 1070–1077. ZHAO Xin, CAI Qi, WANG Xiaolong. Fault diagnosis of nuclear power system based on DTW algorithm for incomplete parameter[J]. Atomic energy science and technology, 2019, 53(6): 1070–1077. [10] 王靖岳, 王浩天, 郭立新. 齿轮传动系统故障诊断技术 的研究进展 [J]. 机械传动, 2016, 40(8): 185–192. WANG Jingyue, WANG Haotian, GUO Lixin. Re￾search progress of fault diagnosis technology of gear transmission system[J]. Journal of mechanical transmis￾sion, 2016, 40(8): 185–192. [11] 董磊, 石瑞敏, 曾志强. 基于复杂网络聚类的提升机主 轴系统故障诊断 [J]. 振动、测试与诊断, 2016, 36(4): 688–693. DONG Lei, SHI Ruimin, ZENG Zhiqiang. Fault dia￾gnosis for spindle system of hoist based on complex net￾work clustering[J]. Journal of vibration, measurement & [12] 第 2 期 崔铁军，等：多因素集对分析的系统故障模式识别方法 ·391·