在大型油浸式电力变压器故障诊断中信息融合技术的应用

根据变压器运行原理和结构特点，将信息融合思想引入到变压器的故障诊断中，建立基于信息融合技术的故障诊断模式，即通过曲面拟合算法和证据推理技术从不同侧面，充分利用各种特征信息对变压器的故障进行诊断，来有效地提高确诊率。     

基于信息融合的控制系统故障诊断

介绍了多传感器数据融合的基本概念，主要优点，结构以及它的方法和应用，对故障诊断进行了简要叙述，介绍了故障诊断信息融合过程；分析了多传感器数据融合和故障诊断的特点以及适合于控制系统故障诊断的信息融合的层次结构，并在此基础上提出了一种基于信息融合和故障诊断系统的结构。     

电力变压器在线监测与故障诊断系统的研究

针对电力变压器在线监测系统对数据传输可靠性和实时性的要求,提出了一种基于C8051F020单片机控制的变压器在线监测系统,进行了电源电路及信号调理电路的设计。建立了基于信息融合技术的变压器智能故障诊断模式,将各种特征信息融合后对变压器的故障进行诊断,提高了诊断的可靠性和准确性。     

基于信息融合技术的装备故障诊断系统研究

武器装备及其运行环境的复杂性决定了其故障诊断也非常复杂，尽管随着检测、信号处理、智能技术的进步。故障诊断技术得到了很大的发展，但是目前的故障诊断技术仍存在很大的不确定性。运用信息融合技术的基本理论，针对武器装备故障诊断的特点与要求，提出了武器装备状态监澍中多传感器信息和人工观澍事实进行融合处理的方法。建立了基于信息融合的武器装备故障诊断系统流程。并对信息融合技术应用于武器装备状态的实时监测的应用前景进行了探讨。     

基于神经网络信息融合技术的模拟电路故障诊断

研究了神经网络信息融合技术在模拟电路故障诊断中的应用。利用BP神经网络建立信息融合中心,对多传感器数据进行融合处理,减少模拟电路故障诊断的不确定性。对标准电路的输出电压与电源电流特征信息,及两者融合信息的故障诊断性能比较,表明神经网络信息融合方法用于模拟电路故障诊断是有效和可行的。     

多源传感器数据融合的电气设备故障诊断研究

随着信息自动化技术不断更新换代,电气设备被广泛应用于工业生产过程之中,电气设备可靠性对工业的生产稳定和安全发挥着十分重要的作用。为实现设备的故障诊断诊断及预测,通过数据融合方法对多源传感器检测到的信息进行分类处理,对数据融合的故障诊断模型与方法和数据融合技术在电气设备故障诊断中的应用进行分析,为设备故障分析提供科学依据。     

基于RS优化的电力变压器故障诊断方法

针对现有的故障诊断技术应用在电力变压器故障诊断中存在的冗余信息过多,诊断结果不准确等问题将粗糙集理论与概率神经网络相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再经概率神经网络进行故障模式分类,可简化故障诊断网络规模,且相比于单一的概率神经网络的诊断方法,能够更精确地诊断出变压器故障类型,其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。     

数据融合技术在输电线网故障诊断中的应用

数据融合作为一门信息综合处理技术起初应用于军事领域，被引入到技术科学领域只有近十的年的历史。本文开始简述了数据融合的定义，接着阐明了将数据融合应用于输电线网故障诊断可行性的理论依据，然后论述了多种数据融合方法，如人工神经网络、专家系统、模糊理论、小波分析等在输电线网故障中的应用。     

应用数据融合实现电子电路的故障诊断

在电路故障诊断中,可通过直流分析、交流分析和灵敏度分析等方法,对电路的故障进行诊断.但由于不同的诊断方法对不同的故障敏感度不同,使得每种方法都带有局限性.为此,本文提出了采用数据融合进行电路故障诊断的新方法,介绍了D-S证据理论算法在电路故障诊断中的应用,给出了具体算法和仿真实例.理论分析和仿真结果表明,将数据融合技术用于电路的故障诊断是可行的.不同的诊断方法提供的信息经多次融合、反复抽取有用信息后,大大降低了判断的盲目性,提高了电路故障诊断的准确性.     

基于深度学习的故障诊断方法综述

海量高维度的过程测量信息给传统的故障诊断算法带来极大的计算复杂度和建模复杂度，且传统诊断算法存在难以利用高阶量进行在线估计的不足。鉴于深度学习技术强大的数据表示学习和分析能力，基于深度学习的故障诊断引起了工业界和学术界的广泛关注，并促使智能过程控制更加自动化和有效。该文从方法上将基于深度学习的故障诊断技术分为:基于栈式自编码的故障诊断方法、基于深度置信网络的故障诊断方法、基于卷积神经网络的故障诊断方法及基于循环神经网络的故障诊断方法4类，分别进行了回顾和总结，最后从数据预处理、深度网络设计和决策3个层面对这一领域进行展望，提出了“集成创新”、“数据+知识”和“多技术融合”等故障诊断思想，阐明基于深度学习技术进行复杂系统的故障诊断仍具有巨大潜力。     

异步电动机故障实时在线监测系统的研制

针对异步电动机故障诊断的特点,研制了一种异步电动机故障实时在线监测系统。该系统对所采集异步电动机的各种电压、电流、绕组温度等进行数据预处理后,通过TCP/IP数据采集通信模块传输给上位机,再结合信息融合技术和神经网络技术,判断系统状态,实现对异步电动机实时、可靠的在线故障诊断。通过以太网,基于LabVIEW界面对该系统进行了实验,结果表明其故障诊断快速、有效。     

基于数据融合的开关磁阻发电机故障诊断研究

研究了一种基于D-S证据理论的多证据数据融合决策的开关磁阻发电机(SRG)故障诊断方法。根据SRG电流、电压、转矩三个证据信号进行融合处理,提高了其故障诊断的精确性和可靠性。文章对D-S证据理论在开关磁阻发电机故障诊断中的应用进行了实例分析,结果表明该方法能够有效提高故障诊断精度。     

多传感器信息融合技术在车载自诊断系统的研究

随着汽车行业的发展,对汽车的性能检测、维修、管理提出更高的要求。通过分析多传感器数据融合技术故障诊断方法及汽车诊断系统（故障预测与健康管理）的特点,在不改变当前汽车智能检测系统硬件组成的情况下,将多传感器信息融合技术运用到汽车诊断系统,并且比较智能化分析系统的故障,以及记录下全部传感器和驱动器的数据,实现对汽车系统的实时状态监测、健康评估和故障诊断。     

基于人工免疫的PCB电路信息融合故障诊断

印制电路板(PCB)非介入式故障诊断方法,因获取信息有限,存在故障覆盖率低、定位不准等问题。多源信息融合能综合各类信息以提高电路诊断效果。文章提出采用人工免疫网络(AIS)作为信息融合技术的融合算法,实现PCB电路非介入式故障诊断。该方法以电路支路电流信息和节点电压信息为信息源,运用人工免疫系统实现基于特征层信息融合的印制电路板非介入式故障诊断。某实装电流转电压电路故障诊断仿真实验表明:基于多源信息融合的非介入式故障诊断可提高电路故障的覆盖率和定位的准确性。     

基于D-S证据理论的故障诊断方法

采用信息融合的方法,对高功率微波打击后的装备进行故障诊断。使用D-S证据理论,将信息融合应用于高功率微波(HPM)效应的故障诊断中,并用实例进行了仿真分析。结果表明：采用信息融合方法来诊断高功率微波效应后的故障是有效的,随着融合次数的增加,故障诊断的确定性增大,该方法提高了故障诊断的正确率。     

基于人工鱼群算法和LS_SVM的变压器故障诊断

针对变压器故障数据的特征信息不确定性以及传统诊断方法准确率较低的问题,文中采用人工鱼群算法和最小二乘支持向量机相结合的方法来进行变压器故障诊断。将IECTC10数据库中的DGA特征气体比值作为输入,建立基于最小二乘支持向量机的变压器故障诊断模型,并运用人工鱼群算法对最小二乘支持向量机的参数进行优化选取。然后根据诊断结果,选出分类效果最佳的多比值特征参量组合。实验验证结果显示,文中所提出的诊断方法准确率可达96.67%,拥有更高的故障诊断正确率。     

一种基于模糊逻辑的贝叶斯最优学习器

针对变压器故障信息中存在有不完整、不确定及模糊性的知识,提出一种基于模糊逻辑和贝叶斯最优分类器结合的模糊贝叶斯分类器。该方法首先利用观察信息的模糊隶属度函数建立贝叶斯最优分类器中假设的后验概率,进而计算各类故障信息分类的结果并进行加权平均后得到最佳的诊断结果。应用和研究表明该方法能解决贝叶斯分类器中模糊信息获取的“瓶颈”难题,具有很强的学习能力,是一种有效的变压器绝缘故障诊断方法。