基于D—S证据理论和模糊数学的多传感器数据融合算法

本文提出了一种基于模糊数学和Ｄ－Ｓ证据理论的多传感器数据融合技术的故障诊断系统,该系统选用以决策层为主,特征层为辅的方法。通过比较基于多传感器数据融合进行故障诊断的结果与单传感器进行故障诊断的结果,说明了此种算法的优越性,它避免了单一传感器的局限性,减少了各传感器不确定的影响。     

基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

基于多传感器集成融合技术的敏捷虚拟测试诊断系统研究

通过对多传感器数据融合理论和机电设备故障诊断特点的分析,提出了用多传感器数据融合的方法进行了智能故障诊断的系统框架,诊断系统的建立采用敏捷虚拟测试技术,其拓扑结构具有多层次性,开放性,灵活敏捷等优点,融合中心采用多种融合诊断策略,综合诊断处理的方法使得诊断结果具有更高的置信度。     

数据融合技术在液压挖掘机质量诊断中的应用

随着多传感器复杂大系统的不断出现,多传感器数据融合技术已受到广泛关注。在分析数据融合基本原理和结构形式的基础上,建立了液压挖掘机故障诊断的数据融合模型,结合虚拟仪器技术对诊断数据进行了融合分析,并应用于液压系统供油主路故障诊断实验,给出了阀芯位移与故障映像流程图和供油主路诊断流程图,结果表明该方法较好地满足了液压挖掘机质量诊断的需要,具有一定的有效性和实用性。     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

信息融合技术在电路板无损检测中的应用

红外热成像技术是增强电路板检测系统能力的有效方法之一,信息融合技术为故障诊断提供一种新的途经.本文在电路板故障检测分析的基础上,介绍了电路板无损检测系统的组成结构,提出了一种基于数据融合的故障诊断方法,分析了多传感器数据融合算法,并将该算法有效地应用于电路板无损检测系统中,提高了系统诊断能力.     

多传感器信息融合的燃气轮机状态监测系统

为了克服单源传感器在燃气轮机状态监测与故障诊断中存在的局限性,在研究基于多传感器信息融合原理的基础上,开发一种燃气轮机状态监测及故障诊断系统。利用系统设置的多传感器信息融合结构模型,对多源传感器采集的信息进行预处理及特征征兆提取,并应用故障诊断综合评判规则对所有提取的有效信息进行故障决策。通过对某海上石油作业区的燃气轮机发电机组进行运行状态测试,获取比单源传感器系统更为可靠和全面诊断结论,具有更强的工程应用价值。     

基于多传感器融合信息的故障诊断

研究了多传感器信息融合技术应用于复杂设备系统状态监测和故障诊断的方法。简述了多传感器信息决策层融合及 Dempster- Shafer证据理论的基本内涵 ,研究了基于 Dem pster- Shafer证据理论的决策层信息融合进行状态监测和故障诊断的算法 ,利用这一方法对柴油机的工作过程多种故障进行了诊断识别应用 ,其分析结果表明 ,该方法可有效地提高柴油机故障诊断的准确性和可靠性。     

基于盲均衡的轴承故障诊断研究

通过理论分析,将无线通信领域内基于多传感器的SIMO系统盲均衡技术应用于齿轮箱故障诊断的多路振动信号的融合.在某单级减速齿轮箱内植入滚动轴承内圈故障,试验证明,由融合后的传感器数据得到的故障特征更为突出.     

多传感器信息融合技术在液压系统故障诊断中的应用

针对单参数诊断复杂系统中出现的信息不完整和不确定性问题,提出基于BP神经网络和D-S证据理论的多传感器信息融合故障诊断方法。为了简化BP神经网络结构,首先利用两并行BP神经网络对故障数据进行诊断;之后,D-S通过证据理论融合局部诊断结果,实现对于不准确信息的准确判断,获得准确诊断结果。该方法适用于特定类型火箭发射器液压驱动伺服系统(HDSS)的故障诊断,实现了对于液压伺服驱动系统中主要部件的故障定位和诊断,有效提高了系统可靠性。