基于信息融合技术的某新型自行火炮发动机电控系统故障诊断

多传感器故障诊断过程中,由于多方面的原因,如测量噪声的存在、诊断知识的不完全等等,使得故障诊断存在着不确定性,影响到诊断结果的可靠性和准确度;通过分析某新型自行火炮发动机电控系统的故障特点,研究了一种基于BP神经网络及信息融合技术的多传感器故障诊断方法,将该自行火炮发动机电控系统的故障诊断过程分为子系统和系统级两级诊断,子系统采用BP神经网络实现故障模式分类,系统级运用D-S证据理论对整个系统故障进行综合决策评判;应用表明,在某个子神经网络识别存在差异的情况下,采用D-S证据理论进行融合可以有效地提高识别的准确性。     

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.     

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.     

基于粒子滤波的分布式故障诊断

针对非线性、非高斯环境下多传感器的系统故障诊断问题,提出了一种新的基于粒子滤波的分布式故障诊断方法。通过粒子滤波得到的状态估计值的全概率分布信息可用于故障检测。首先建立系统分布式故障诊断模型,由于通信限制,假设各传感器只能向信息融合中心传输二进制数。在各观测值独立同分布的条件下,提出了分布式故障诊断算法,包括本地判决的设计和融合中心的准则设计。仿真结果表明了所提出算法的有效性和优越性。     

基于信息融合的电机音频故障诊断

针对目前电机音频故障诊断单传感器信号分析可靠性不足的缺点,将信息融合技术与神经网络相结合,建立电机故障诊断系统。采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,运用D-S证据理论合成算法对各证据理论进行决策级融合,构建了电机故障音频多源信息诊断系统模型,并对此模型进行了验证,取得了良好的诊断效果。     

基于信息融合的汽车衡称重传感器故障诊断

传统汽车衡不具备故障诊断功能,任一称重传感器发生故障都将导致称重系统失效.为此提出了一种基于信息融合的汽车衡称重传感器故障诊断方法,利用径向基函数神经网络(RBFNN)逼近汽车衡多路称重传感器之间的函数关系,预测各传感器的输出,并给出RBFNN的训练算法;以各传感器的预测信号与实测信号为输入,建立了融合检测模型,采用表决融合检测准则,完成故障传感器寻址、故障类型识别、故障程度判决和故障传感器正常输出估计等故障诊断.大量实验与现场检定证明,采用这种方法的汽车衡准确实现了称重传感器故障诊断,任一称重传感器失效后的汽车衡性能优于正常状态下4级秤的指标,其最大称重误差0.7%,提高了系统可靠性.     

一种基于博弈融合模型的PID参数整定方法

将多传感器信息融合理论应用于大型非线性系统的PID控制中。引入博弈算法解决了传统信息融合系统中信息冲突环境下的决策问题，实现了融合中心的多传感器交互决策。并将该模型用于丰满水电系统调速器PID控制的参数在线调整。经计算机仿真实验表明，该模型可以有效地解决原PID控制参数整定困难而导致的系统转速和频率振荡等问题。     

分布式检测系统的一种软决策融合算法

在分布式检测系统中,为了进一步提高系统的性能,各传感器可以向融合中心发送多位二进制判决信息.对于这种发送多位判决信息的软决策融合系统,提出了一种对各传感器观测空间进行再划分的方法,它将各传感器的观测空间按照其检测概率和虚警概率进行再划分.这种划分方法能够简化融合中心的计算,且计算机仿真结果表明,应用该方法后融合系统的检测性能有明显的提高.     

模糊专家系统在故障诊断中的应用研究

文章提出了一种新的模糊逻辑与专家系统相结合的融合评估模型。该模型将评估过程视为模糊推理过程,并以此构建融合中心的结构模型。在融合算法的研究中,以模糊专家系统的算法实现融合中心的多传感器评估。在实验中将该模型用于丰满水电仿真系统的故障诊断过程。经分析表明,此模型优于传统的专家系统故障诊断模型。     

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。     

智能故障诊断专家系统开发平台研制

针对故障诊断专家系统实用性与通用性的矛盾,在简要分析专家系统工作原理的基础上,提出了一种以用户为中心的通用性故障诊断专家系统设计方案。研制通用性故障诊断专家系统开发平台,将规则推理、模糊决策、多传感器信息融合算法融为一体,形成阶梯式故障推理机制;对不同的诊断对象,只要设置好必要知识模块,就可自行生成专用故障诊断系统,并能自动输出诊断结果。     

智能故障诊断专家系统开发平台

针对故障诊断专家系统实用性与通用性的矛盾，在简要分析专家系统工作原理的基础上，提出了一种以用户为中心的通用性故障诊断专家系统设计方案。将规则推理、模糊决策、多传感器信息融合算法融为一体，形成一阶梯式故障推理机制；对不同的诊断对象，只要设置好必要知识模块，就可自行生成一专用故障诊断系统，并能自动输出诊断结果。     

基于节点识别的协作频谱检测算法

在认知无线网络协作频谱感知过程中,感知节点所处的恶劣信道环境会导致本地频谱检测结果发生偏差,有时一些故障节点或恶意节点发送的误导信息来干扰认证网络融合中心的全局判决.根据认知网络感知节点的历史感知信息,将感知节点分为可信节点、不可信节点和故障或恶意节点,提出了一种基于节点识别的协作频谱检测算法.在该算法中,融合中心舍弃故障或恶意节点,使其不得参与数据融合,同时也不考虑不可信节点当前发送的本地检测结果.这样,一方面消除了故障或恶意节点对全局频谱判决的影响,另一方面降低了融合中心计算复杂度.仿真结果表明,该算法能有效克服故障或恶意节点的干扰,提高认证网络协作频谱检测性能.     

基于信息融合的雷达发射设备故障快速诊断研究

利用单一信息对雷达发射设备进行故障检测和诊断时，可靠性和准确性低。针对雷达发射设备器件温度反映发射机工作性能明显的特点，提出了基于电传感器和温度传感器等多传感器信息融合的快速故障诊断方法。给出了故障诊断中信息融合的模型和算法，讨论了多传感器信息融合的雷达发射设备故障快速诊断系统的组成和简单工作原理。在提高复杂电子装备故障诊断可靠性和准确性上提供了一条有效途径。     

模糊数据融合故障诊断在电缆监测中的应用

针对路灯电缆工作状态的综合性和复杂性,为了准确判断其工作状态,提出了一种应用多传感器模糊数据融合技术的故障诊断方法。该方法采用多传感器监测电缆的电压、电流、通信状态、通电状态等参量,将多个传感器获得的多元信息模糊化后,经过融合运算和故障诊断规则,对电缆的工作状态作出准确估计并用于信息决策。实验结果表明,该方法能够有效提高电缆工作状态故障诊断的准确性。     

信息融合技术在大型发电机故障诊断中的应用

研究大型发电机故障诊断问题,大型发电机组故障具有复杂性和多样性,单从某一方面进行故障诊断,诊断结果比较低。为提高了大型发电机故障诊断准确率,提出一种基于信息融合技术的大型发电机故障诊断方法。首先对故障特征进行提取和降维,然后采用多个支持向机对大型发电机组故障进行初步诊断,获得相互独立的证据,最后对各证据采用DS证据理论融合算法进行融合,从而实现对大型发电机故障的准确诊断。仿真结果表明,采用信息融合的故障诊断系统有效地提高了大型发电机故障的诊断精度,增加故障诊断结果的置信度。     

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.