多传感器信息融合在液压系统智能故障诊断中的应用

针对采矿工程机械液压系统故障诊断方法存在的局限性，提出了一种基于多传感器信息融合的智能故障诊断方尊。该方法采用模糊神经网络融合诊断中心作为故障诊断的执行机构，算法上采用BP算法。通过一实例论证了在液压系统故障诊断中采用多传感器信息融合故障诊断方法比采用单传感器信息故障诊断方法更具有准确性和可靠性。     

多传感器信息融合技术与液压系统状态监测、故障诊断

本文从多传感器信息融合系统概念、信息融合的层次和方法等方面对多传感器信息融合技术的现状进行了阐述，提出了基于多传感器信息融合技术的液压系统状态监测与故障诊断的系统框图，并介绍了诊断系统的组成、工作原理及主要特点。     

基于D-S理论和AMESim技术的液压缸泄漏故障诊断仿真研究

将D-S数据融合技术引入液压缸泄漏故障诊断领域,通过异类传感器获取液压缸泄漏故障下的多模信息,将多源信息进行融合,有效解决了单传感器判别精度不高的问题.利用AMESim软件分别对液压缸的内泄漏和外泄漏故障状态以及正常工作状态进行仿真,提取其压力、流量、行程信号,并利用数据融合技术进行故障诊断判别.     

基于多传感器数据融合的液压泵故障诊断研究

将D—S证据理论应用于多传感器数据融合，提出了多传感器数据融合一般化方法，并将其应用于液压泵故障诊断。通过数据融合诊断结果与单传感器诊断结果的比较，证明多传感器数据融合能明显提高故障诊断的准确率。     

基于主特征模式的机电系统故障诊断算法(英文)

机电设备运行状态的监测对保障系统稳定可靠运行、预防重大事故发生有重要意义.针对传统诊断方法由于故障信息不足导致的诊断精确度差,提出了一种基于主特征模式识别的故障诊断方法.基于多源特征信息融合,研究了基于多传感器系统的特征融合故障诊断模型,讨论了反映系统运动状态特征的指标体系及故障诊断算法.文中以滚动轴承系统故障诊断为例,首先计算了各传感器获取信号的时域特征参数,然后,借助主特征模式对特征信息进行融合与降维处理,实验测试数据显示出与传统诊断方法相比较该算法有更好的故障诊断性能.研究结果表明了该方法在重型机电设备故障诊断中应用的可行性与合理性.     

基于数据融合与虚拟仪器技术的液压系统故障诊断研究

本文对某型机械化桥液压系统的故障失效模式进行了全面的分析，提出了一种基于多传感器数据融合与虚拟仪器技术的故障诊断系统，通过对液压系统供油回路的信号测试过程及信息融合方案的设计分析，阐明了液压系统故障检测和诊断的实现过程。     

多传感器信息融合在移动机器人导航中的应用

通过实例描述了多传感器在移动机器人导航中的应用，建立了基于信息融合的导航体系结构，并详细描述了各个模块及其功能，最后通过MATLAB／SIMULINK环境下进行仿真实验，结果表明了多传感器信息融合方法在导航中的有效性。     

基于特征信息融合的离散小波SVM齿轮故障诊断方法研究

针对齿轮振动信号故障特征微弱及故障样本不足,提出基于特征信息融合的小波-SVM(支持向量机)故障诊断方法,用于多类齿轮故障诊断。该方法采用离散小波变换对齿轮的振动信号进行处理来构造特征向量,将多路信号融合后输入到SVM的多故障分类器中进行故障识别。实验结果表明:该方法能够在训练样本数量少的情况下,快速获得良好的分类结果,且其故障诊断准确率在96.67%以上;峰值和峰值因子对齿轮故障最敏感,以峰值或峰值因子为特征量的多传感器信息融合,其诊断准确率达95%。该方法更适合于实际齿轮故障诊断应用,并为多类齿轮故障快速诊断的进一步创新研究提供了理论基础。     

多传感器信息的决策融合法及其在电磁检测中的应用

介绍多传感器信息的决策融合原理及其常用方法，重点分析了基于目标检测理论的决策融合法和基于Dempster-Shafer(D-S)证据理论的决策融合法，并分别以融合实例讨论了它们在漏磁和涡流无损检测中的应用。多传感器信息的决策融合法有效提高了多源信息的利用程度，具有较高的可靠性和稳健性。     

基于多传感器信息融合的外圆磨削加工过程监视

多传感信息融合是一个多级别、多层次的智能化信息处理过程。为此,根据系统的某些检测得到故障表征（故障模式）,开展了对故障进行识别和定位控制方法的研究。针对外圆磨削过程的监测系统,介绍了一种基于层次结构的信息融合故障诊断模型和框图系统。从原始信号中提取特征量,从各特征量的相互作用关系中制定控制决策。实际应用效果表明,基于多传感器信息融合的外圆磨削加工过程监视,控制系统是有效的。     

基于小波包能量和层次熵的D-S证据理论的轴承故障诊断技术

针对齿轮箱轴承故障识别率低、故障信号不平稳的问题,提出层次熵与小波包能量多源数据融合轴承故障诊断方法。采用小波包对轴承正常、内圈、外圈、滚动体故障等4种振动信号进行三层小波包分解并重构,计算各频段样本熵（即层次熵）和小波包能量作为故障特征向量集;应用归一化方法对2种特征向量处理后分别建立BP神经网络模型实现轴承不同故障模式的诊断;最后应用D-S证据理论,通过小波包能量和层次熵以及两者融合信息的故障诊断结果比较,表明基于神经网络和D-S证据理论相结合方法用于复杂机械的故障诊断是可行和有效的。     

远程智能故障诊断技术的现状与展望

研究了远程故障诊断系统的体系结构和智能故障诊断方法。并阐述了其关键技术。对其体系结构，主要研究了C／S、B／S和多层混合模式；对智能故障诊断方法，主要研究了基于神经网络、模糊推理及模糊数学、遗传算法和诊断Agent的智能故障诊断方法；对其关键技术，主要研究了分布处理技术、数据库技术、虚拟现实技术、信息处理技术和信息融合技术。最后对远程智能故障诊断技术的发展趋势进行了展望。     

OMAP5910在便携式故障诊断系统中的应用

针对目前广泛应用的故障诊断系统的一些不便和不足,采用嵌入式技术设计一种基于OMAP5910平台的便携式故障诊断系统,该系统不仅便于携带,而且数字信号处理功能强大,能够运行基于信息融合技术的故障诊断算法,并阐述了嵌入式Linux的移植和基于双核的应用程序的开发过程.     

中板轧机性能测试及多源诊断信息获取研究

通过对轧制不同规格钢板的轧制力、轧制扭矩、转速、压下量、轧制电流及轧机刚度等动态参数的测试,获取了轧制过程的多源信息,并发现该轧机现行轧制工艺及设备状况存在的诸多问题.本文利用信息融合理论和信号处理技术,研究了轧制过程中扭矩、轧制力和电机电流信号的关联特性及诊断信息获取方法,研究结果表明:电流信号中不但蕴含着反映轧制力和扭矩特征的信息,而且含有轧制工艺(压下量、温度和速度等)及设备状况的信息.研究结论对开展轧机多源信息状态监测和故障诊断方法研究有指导意义.     

基于证据推理的旋转机械故障诊断模型

针对实际工况运行下的旋转机械各故障对应的量纲一的指标的范围难以严格区分的问题,提出了一种基于量纲一的指标和证据推理（Evidence Reasoning,ER）的旋转机械融合故障诊断模型。该模型利用ER算法在处理概率不确定性、模糊不确定性及非线性融合等方面的优势,通过信息变换技术将输入信号变换成信度分布结构,应用解析ER算法对输入数据进行融合,最后通过一种简单的决策规则得到诊断结果。实证分析结果表明：该方法可以有效地提高旋转机械设备故障诊断的识别率。     

基于遗传算法优化BP神经网络的液压系统故障诊断

液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络（GA-BP）的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明：GA-BP故障诊断算法相对于传统的BP神经网络具有更好的诊断性能。