基于证据理论的多信息融合故障诊断研究

针对列车智能控制系统故障诊断中的多故障特征信息输入时的时变、不确定性和空间分布性，从D-S证据理论的基本概念和证据的融合推理方法出发，提出了一种列车智能控制系统多信息融合故障诊断的系统结构。讨论了基于D-S证据理论的列车智能控制系统多信息融合故障诊断方法。故障诊断实例的结果表明该方法能够有效地提高诊断的可信度，减小诊断的不确定性。     

多传感器数据融合技术在故障诊断中的应用

利用多传感器数据融合的方法进行故障诊断,建立融合故障诊断系统.将故障诊断系统按数据融合的方法分为数据级融合模块、特征级融合模块和决策级融合模块.数据级融合模块主要对多传感器的测量信号进行处理,提取出故障诊断的特征信息.特征级融合模块采用3个结构相同的并行神经网络,一是进行局部诊断;二是获得决策级D-S证据理论的基本概率赋值.决策级采用D-S证据理论的方法对特征级局部诊断的结果加以融合,得到最终的诊断结果.利用此系统在汽轮机转子试验台架上进行了故障诊断,得到了令人满意的结果.     

基于信息融合的电力变压器故障诊断

电力变压器故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。把信息融合引入变压器故障诊断中,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型。对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位,提高故障诊断结果的准确性,最大限度地减小不确定性。     

多智能传感器技术在机车轴承故障诊断中的应用分析

分析了传统故障诊断方法中存在的不确定性,利用多智能传感器技术进行机车轴承故障诊断,建立融合诊断系统.该系统采用决策级融合方法来处理由于单个参数带来的诊断的不确定性.     

信息融合的故障诊断技术及应用

介绍了信息融合的种类和层次,信息融合的基本特点,融合系统的构成及关键技术;分析了融合技术处理多源信息的能力,将数据融合技术与故障诊断原理融为一体,通过数据层信息融合、特征层信息融合、决策层信息融合,实现了基于数据融合技术的变压器故障诊断;减少了传感器不确定性误差的影响,解决了变压器故障诊断中不确定推理过程,提高了变压器故障诊断的确诊率。     

基于多传感器数据融合的电机故障诊断

针对传统电机故障诊断方法中存在的不确定性,本文提出基于多传感器数据融合的方法来处理传统电机故障诊断基于单个参数诊断带来的不确定性,介绍数据融合故障诊断系统的结构模型,并应用于某异步电动机的故障诊断,实验结果表明,基于多传感器的数据融合方法可以减少传统故障诊断中的不确定性.     

运用信息融合的电路故障诊断方法研究

针对采用传统故障诊断方法进行电子电路故障元件诊断存在不确定性问题,从DS证据理论的基本概念和证据的融合推理方法出发,提出了采用多信息融合进行电路故障诊断的新方法.该方法通过测量待诊断电路中元件的工作温度、电压这两个参数,获取传感器对待诊断元件的信度函数,然后利用DS联合规则得出融合信度函数,进而确定故障元件.故障诊断实例的结果表明,诊断结论的可信度明显提高,不确定性明显减小,该诊断方法较传统方法更准确有效.     

信息融合技术在变频调速系统故障诊断中的应用

针对变频调速系统中常用的电动机故障诊断方法难以准确判断故障类型的问题,提出了一种基于多传感器信息融合的电动机断条故障诊断方法。该方法通过小波包分析提取电动机断条故障特征信息,然后利用D-S证据理论融合计算故障特征信息以进行故障识别。诊断测试试验表明,该方法提高了电动机故障诊断的精度,并能满足诊断的实时性要求。     

基于D-S融合的混合专家知识系统故障诊断方法

复杂流程工业过程知识类型多样且含有多种不确定性,针对这些问题提出一种基于D-S融合的混合知识系统故障诊断方法.根据可利用信息的类型建立不同的专家知识系统并进行不确定性推理.通过分析当前信息的数据特点,自适应分配不同专家知识系统可靠性权重,通过权重D-S证据理论融合各专家知识系统的结论.这种方法不仅使用了专家的知识和经验,而且结合了生产过程积累的大量数据信息,提高了信息的利用率.通过融合多个专家知识系统的结论,提高了不确定性系统故障诊断的正确率.将该方法应用于某湿法冶金浓密过程故障诊断,取得了良好的诊断效果.     

基于信息融合的舵回路故障诊断

对直升机舵回路常见的几种故障诊断时,传统的单信息诊断方法已经不能满足快速诊断需求.该文基于D-S证据理论,提出了利用测试信息、模型信息和历史信息等异类信息进行不解体融合诊断的方法,并分别采用灰关联分析法和重要度分析法为诊断信息构造基本可信度.根据舵回路的工作原理,建立实物系统进行故障模拟和诊断.实验结果表明,经过异类信息融合诊断后,显著地降低了故障诊断的不确定性,提高了故障模式的识别率,充分显示了利用信息融合进行诊断的有效性.     

基于信息融合的异步电动机故障迹象智能预测系统的研究

异步电动机故障机理较复杂,利用单个信息只能判断异步电动机系统可能在某些方面有故障征兆,结论具有一定的不确定性,特别是异步电动机在早期有劣化迹象时,各个方面的表现都比较弱,需要全面综合众多信息进行有效融合。针对上述问题,提出了一种基于信息融合的异步电动机故障迹象智能预测系统的设计方案,分析了D-S证据理论的原理,并在其基础上给出了基于单个信息和基于多个信息融合的异步电动机故障诊断结果。实际应用表明,该系统具有一定的有效性。     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

神经网络信息融合用于电梯故障诊断的研究

针对传统电梯故障诊断系统实时性有限、故障定位准确率低等问题,将多信息融合技术引入到电梯故障诊断中来,建立了基于模糊神经网络和D-S证据理论相结合的故障诊断模型。为了提高神经网络的训练速度和推广能力,采用了正则化算法对BP网络算法进行修改,并且利用D-S证据理论对神经网络的诊断结果进行决策融合,仿真结果表明了此方法有效地提高了故障诊断的准确率。     

基于神经网络信息融合的智能故障诊断方法

飞行状态时的飞机舵面故障诊断系统,含有系统和测量噪声及其时变、非线性等特点,采用常规的故障诊断方法很难实现对飞机舵面故障的准确诊断和告警,为了更好的实现对飞机舵面系统的故障诊断,将神经网络信息融合的智能故障诊断方法首次运用到舵面系统故障诊断中.该智能诊断方法应用神经网络的非线性拟合能力扩展舵面相关线位移传感器测量信息,同时采用D-S算法将相关传感器的输出信息进行融合,最后信息融合诊断策略根据这些信息确定出舵面相应的故障类型,从而可以对舵面故障信号进行有效识别和诊断.建立了某机舵面系统故障诊断的数学模型,并利用该模型对提出的智能故障诊断方法进行仿真验证,最后的仿真实验结果表明:该故障诊断结构形式对于舵面常见的故障能够进行识别和告警,诊断效果令人满意.     

基于群决策的道岔控制电路故障诊断方法

高速铁路道岔是与高速列车直接接触的重要信号设备，其控制电路的故障检测手段目前仍停留在简单仪器与人的经验相结合的方式.为了实现道岔控制电路故障的智能诊断，提高故障诊断的准确率并降低单一诊断方法带来的不确定性，本文提出一种基于群决策的诊断方法:首先根据道岔控制电路的特点，总结了典型的11个故障模式和对应的8个故障特征；其次，分别采用模糊理论、神经网络和支持向量机（Support vector machine，SVM）对道岔控制电路进行故障诊断；然后引入群决策理论将三种方法视为决策专家，通过群基数效应集结方式实现决策级上的信息融合从而得到群专家综合评判的诊断结果.从仿真数据的验证来看，该方法比单一方法的故障诊断的准确率要高，表明了本文所提方法能够实现三种方法的互补融合，也提高了故障诊断的准确率，在该领域有着良好的应用前景.     

基于信息融合原理的智能故障诊断模型

针对传统设备故障诊断方法中存在的局限性,文章在对设备智能故障原理和方法初步探索和研究的基础上,提出了基于信息融合原理的智能故障诊断方法。该方法利用多源异质传感器采集设备的各种特征信息,并采用模糊神经网络融合诊断中心作为诊断判决的执行机构,从而实现准确诊断设备故障诊断原因以及对设备运行工况进行态势评估的过程。并且通过对单传感器与多传感器信息融合诊断结果的对比表明多传感器信息融合诊断比单个传感器具有更高的准确性。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

水下机器人软件可靠性及故障诊断方法研究

针对于智能水下机器人在软件系统故障诊断过程中广泛存在的不确定性和复杂关联性,采用改进的软件FMEA方法,对AUV智能规划决策控制系统进行了可靠性分析和研究,在总结了AUV主要软件故障模式的基础上,提出了一种基于FMEA的三层贝叶斯网络诊断模型。通过贝叶斯网络的推理机制,分别对单一故障和复合故障进行了推理实验。实验结果表明,采用上述方法能有效地提高水下机器人系统软件可靠性以及故障诊断能力。     

Agent oriented intelligent fault diagnosis system using evidence theory

Multi sensors fusion is a very important process for fault diagnosis system. Information obtained from multi sensors need to be fused because no single sensor can get all the information for fault diagnosis. Moreover, information from different sensors may be uncertainty, inaccuracy, or even conflicting. Evidence theory can be used for information fusion, which is regarded as an extension form of Bayesian reasoning, but it has a better fusion result by simple reasoning process using belief function without knowing the prior probability. All the information collected from multi sensors in the system can be described as the evidence for diagnosis so that the fault diagnosis problem can then be modeled as a problem of evidence fusion and decision. In this paper, the classical Dempster-Shafer evidence theory is discussed, and the disadvantages of the combination rule are also analyzed. The notion of support degree of focal element is suggested in order to evaluate the conflicts between multi sensors. The new combination rule is then built to allocate the conflicted information from multi sensors based on the support degree of focal element. Furthermore, the decision rules for fault diagnosis are also proposed, as well as the architecture of the agent oriented intelligent fault diagnosis system. Finally, a case study is given to illustrate the performance of the proposed model.