An application of the Pythagorean fuzzy sets in the fault diagnosis

• Autorzy: Nguyen Hoang

Identyfikatory

DOI

10.2478/jok-2022-0041

Warianty tytułu

PL

Zastosowanie zbiorów rozmytych Pitagorasa w technicznej diagnostyce

• Języki publikacji: EN

Abstrakty

EN

In this paper, a comprehensive review and critical analyses of methods based on the ordinary fuzzy set, Atanassov’s intuitionistic fuzzy set, and its extensions have been conducted to show their limitations and defects. Then, a novel similarity measure based on the generalized score function has been introduced that incorporates the significance (importance) of information, making it more intuitive to compare them. The proposed method is employed for the fault diagnosis of steam turbine generator unit under Pythagorean fuzzy environment. Ten fault types of rotating machines are established as failure patterns in nine different vibration frequency ranges, expressed in terms of Pythagorean fuzzy numbers. The superiority of the proposed method in dealing with uncertain and vague information is shown by comparing it with some existing measures in numerical examples.

PL

W artykule dokonano kompleksowego przeglądu i analiz krytycznych metod opartych na klasycznym zbiorze rozmytym lub intuicjonistycznym zbiorze rozmytym Atanassova i ich rozszerzeniach w celu wykazania ich ograniczeń i wad. Następnie wprowadzono na podstawie miary wiedzy, nową miarę podobieństwa, która uwzględnia znaczenie (ważność) informacji, czyniąc je bardziej intuicyjnymi przy ich porównywaniu. Zaproponowaną metodę weryfikuje się w przypadku diagnozowania uszkodzeń zespołu turbogeneratora w rozmytym środowisku. Dziesięć typów uszkodzeń turbogeneratora jest określanych jako wzorce uszkodzeń wyrażonych za pomocą liczb rozmytych Pitagorasa opisujących ich symptomy w dziewięciu różnych zakresach częstotliwości drgań. Poprzez porównanie z niektórymi istniejącymi miarami w kilku przykładach liczbowych pokazano przewagę proponowanej metody w opisaniu niedokładnych i niepewnych informacji.

Słowa kluczowe

EN

Pythagorean fuzzy sets; score function; similarity measure; fault diagnosis; steam turbine generator

PL

zbiory rozmyte Pitagorasa; miara wiedzy; miara podobieństwa; diagnostyka techniczna; turbo-generator

• Wydawca: Wydawnictwo Instytutu Technicznego Wojsk Lotniczych
• Czasopismo: Journal of KONBiN
• Rocznik: 2022
• Tom: Vol. 52, iss. 4
• Strony: 63--74
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Nguyen Hoang

• Gdynia Maritime University (Uniwersytet Morski w Gdyni)

Bibliografia

• 1. Bakioglu G., Atahan A.O.: AHP integrated TOPSIS and VIKOR methods with Pythagorean fuzzy sets to prioritize risks in self-driving vehicles. Appl. Soft Comput. 2021, 99, 106948.
• 2. Chen S.M. and Chang C.H.: A novel similarity between Atanassov’s intuitionistic fuzzy sets based on transformation techniques with applications to pattern recognition, Information Sci., 291, 96-114, 2015.
• 3. Hoang, D.T., Kang, H.J.: A motor current signal-based bearing fault diagnosis using deep learning and information fusion. IEEE Trans. Instrum. Meas. 2019, 69, 3325–3333.
• 4. Hoang D.T., Tran X.T., Van, M., Kang H.J.: A Deep Neural Network-Based Feature Fusion for Bearing Fault Diagnosis. Sensors, 2021, 21, 244.
• 5. Jiao J., Zhao M., Lin J., Ding C.: Deep Coupled Dense Convolutional Network With Complementary Data for Intelligent Fault Diagnosis, IEEE Trans. Ind. Electron., 66 (12) (2019) 9858-9867.
• 6. Li C., Sanchez V., Zurita G., Lozada M.C., Cabrera D.: Rolling element bearing defect detection using the generalized synchrosqueezing transform guided by time–frequency ridge enhancement. ISA Trans. 2016, 60, 274–284.
• 7. Li Y.H., Olson D.L. and Qin D.: Similarity measures between intuitionistic fuzzy (vague) sets: A comparative analysis. Pattern Recognition Letters, vol. 28, 278-285, 2007.
• 8. Nguyen H.: A new knowledge-based measure for intuitionistic fuzzy sets and its application in multiple attribute group decision making, Expert. Syst. Appl., vol. 42, no. 22, pp. 8766–8774, 2015.
• 9. Papakostas G.A., Hatzimichailidis A.G. and Kaburlasos V.G.: Distance and similarity measures between intuitionistic fuzzy sets: A comparative analysis from a pattern recognition point of view, Pattern Recognit. Lett. 34, 1609-1622, 2013.
• 10. Peng X., Yang Y.: Some results for pythagorean Fuzzy Sets, Int. J. Intell. Syst. 30 (2015) 1133–1160.
• 11. Rauber T.W., de Assis Boldt F., Varejão F.M.: Heterogeneous feature models and feature selection applied to bearing fault diagnosis. IEEE Trans. Ind. Electron. 2014, 62, 637–646.
• 12. Shi L.L., Ye J.: Study on fault diagnosis of turbine using an improved cosine similarity measure of vague sets. Journal of Applied Sciences 13 (10), 1781-1786 (2013).
• 13. Xu G., Hou D., Qi H. and Bo L.: High-speed train wheel set bearing fault diagnosis and prognostics: A new prognostic model based on extendable useful life. Mech. Syst. Signal. Proc. 2021, 146, 107050.
• 14. Yager R.R.: Pythagorean fuzzy subsets, in: IFSA World Congress and NAFIPS Annual Meeting (IFSA/NAFIPS), IEEE, 2013, pp. 57–61.
• 15. Ye Z., Yu J.: Deep morphological convolutional network for feature learning of vibration signals and its applications to gearbox fault diagnosis. Mech. Syst. Signal Process. 2021, 161, 107984.
• 16. Zhang H. and Yu L.: New distance measures between intuitionistic fuzzy sets and interval-valued fuzzy sets. Inform. Sci., 245, 181-196, 2013.
• 17. Zhang R., Wang J., Zhu X., Xia M. and Yu Y.: Some Generalized Pythagorean Fuzzy Bonferroni Mean Aggregation Operators with Their Application to Multiattribute Group Decision Making, Complexity, vol. 2017, Article ID 5937376, 16 pages, 2017.
• 18. Zhang X., Xu Z.: Extension of TOPSIS to multiple criteria decision making with Pythagorean fuzzy sets, Int. J. Intell. Syst. 29 (12) (2014) 1061–1078.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).