基于信息融合技术的烟气轮机故障诊断系统研究

为保障烟气轮机的安全可靠运行．实现科学维护,采用了多传感器信息融合技术的故障诊断方法。通过提取烟气轮机上携带故障特征的多类信息,并在决策层上采用神经网络与D-S证据理论相结合的方法对这些信息进行有效的融合。     

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.     

船舶柴油机摩擦磨损监测与故障诊断关键技术研究进展

为了保障船舶柴油机的安全运行,研发了一种基于多尺度传感器信息融合技术的船舶柴油机故障诊断系统.在此基础上,从摩擦学与动力学耦合的角度,对船舶柴油机摩擦学系统状态监测与故障诊断关键技术研究进展进行了分析,指出了尚待解决的问题和今后的重要研究方向.     

基于多传感器数据融合的液压泵故障诊断

针对液压泵故障诊断特性参数多、故障诊断不精确、不完整和模糊性强的特点,提出应用阶比分析方法等数据预处理方法去除嗓声干扰和提取参数特征,然后利用决策层融合方法对故障信息进行融合,完成液压泵的故障诊断。应用实践表明,采用D-S证据理论进行决策层数据融合的故障诊断方法,能够有效地提高液压泵故障诊断的精度和效率。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于多源信息融合的往复式压缩机故障诊断方法

往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明：使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。     

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D-S证据理论的高炮自动机融合诊断

针对某型高炮自动机系统运动呈阶段性的特点,设计基于D-S证据理论的高炮自动机故障融合诊断方法。利用传感器测试的数据提取描述系统状态的特征参数,提出改进的Minkowski距离方法产生证据,并根据组合规则进行融合。实例分析结果表明:该方法可以有效提取自动机故障信息,确定故障部位,提高了故障诊断的效率。     

改进的D—S数据融合方法在车辆目标识别中的应用研究

为了解决车辆目标识别的数据融合问题,本文引入了Dempsgter-Shafer证据理论方法作为数据融合方法,并提出了时空数据融合的思想,把D－S方法与时空数据融合的思想相结合,得到了时间域、空间域和时空域D－S数据融合的方法,并用于目标识别中,通过实验得以经过融合后的识别结果比单传感器的识别结果要好,证明了上述方法的有效性。     

Application of Dempster–Shafer theory in fault diagnosis of induction motors using vibration and current signals

This paper presents an approach for the fault diagnosis in induction motors by using Dempster–Shafer theory. Features are extracted from motor stator current and vibration signals and with reducing data transfers. The technique makes it possible for on-line application. Neural network is trained and tested by the selected features of the measured data. The fusion of classification results from vibration and current classifiers increases the diagnostic accuracy. The efficiency of the proposed system is demonstrated by detecting motor electrical and mechanical faults originated from the induction motors. The results of the test confirm that the proposed system has potential for real-time applications.     

An evidence-based approach to damage location on an aircraft structure

This paper discusses the use of evidence-based classifiers for the identification of damage. In particular, a neural network approach to Dempster–Shafer theory is demonstrated on the damage location problem for an aircraft wing. The results are compared with a probabilistic classifier based on a multi-layer perceptron (MLP) neural network and shown to give similar results. The question of fusing classifiers is considered and it is shown that a combination of the Dempster–Shafer and MLP classifiers gives a significant improvement over the use of individual classifiers for the aircraft wing data.     

采用D-S证据推理的电机转子故障诊断

提出了采用D-S(Dempster-Sharer)证据理论对感应电机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子三相电流信号进行小波包分解,利用节点系数的均方根值构建电机转子故障的特征矢量(证据体);利用明氏距离测度构造基本可信度分配函数,求取证据体对转子故障所赋予的基本概率分配函数值,然后根据D-S证据融合规则进行融合处理,实现了对电机转子故障的准确识别.试验结果表明,该方法可实现转子断条故障的可靠诊断.     

基于图像分割和证据理论的零件图像识别

提出了一种零件图像识别的方法,即对零件图像进行二值化处理,分割成若干个区域并统计各区域的相对像素系数,作为神经网络的训练样本和测试样本。神经网络的输出作为D—S证据推理的基本概率分配,依据证据理论的合成规则可提高零件的识别结果。     

Reliability analysis based on the principle of maximum entropy and Dempster–Shafer evidence theory

The Probability density functions (PDFs) of some uncertain parameters are difficult to determine precisely due to insufficient information. Only the varying intervals of such parameters can be obtained. A method of reliability analysis based on the principle of maximum entropy and evidence theory was proposed to address the reliability problems of random and interval parameters. First, the PDFs and cumulative distribution functions of interval parameters were obtained on the basis of the principle of maximum entropy and Dempster–Shafer evidence theory. Second, the normalized means and standard deviations of interval parameters were obtained using the equivalent normalization method. Third, two explicit iteration algorithms of reliability analysis were proposed on the basis of the advanced firstorder and second-moment method to avoid solving the limit state function and obtain the reliability index. Finally, the accuracy and efficiency of the proposed methods were verified through a numerical example and an engineering case.     

基于D-S证据理论技术的发动机转子故障诊断

从D-S证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,将信息融合思想引入到故障诊断领域,并应用D-S证据理论方法,解决在多传感器条件下的数据融合问题.最后,给出了一个发动机转子多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性.     

信息融合技术在刀具磨损监测中的应用

随着信息融合技术的不断发展,信息融合越来越多的被用于监测领域。本文把信息融合技术应用于刀具监测过程中,建立了多传感器信息融合刀具监测系统模型,并详细论述了基于神经网络、贝叶斯理论和D-S理论的信息融合方法。     

基于粗糙集和ART2 神经网络的多传感器信息融合

神经网络是信息融合的一种重要方法,粗糙集理论是处理不完备信息的一种技术。本文提出了一种基于粗糙集和ART2神经网络的多传感器信息融合方法。ART2网络是一种无监督神经网络,能够实现对输入的任何模式信号自动识别和分类。而对信息融合中常遇到的数据超载问题,提出采用粗糙集与神经网络结合的方法解决。文章给出了基于粗糙集理论的组合神经网络的模型结构,最后用一个脱机手写体数字识别的实例验证了该方法的有效性。