小波——人工神经网络信息融合故障诊断方法

基于小波变换的时频域局部化特性及人工神经网络的非线性映射特性，将小波变换和人工神经网络的优点结合起来，用加权法实现信息的初级融合，用小波变换实现特征提取，再用人工神经网络实现信息的二级融合，介绍物构造方法和信息处理的步骤。     

设备故障诊断中的信息融合技术

简要综述了数据集成与信息融合的一般过程及融合结构。针对故障诊断过程，在数据融合与规则融合基础上，提出了灰色融合和模糊融合两种信息融合方法，并给出了并行决策融合模型。     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

基于深度学习的无人驾驶汽车导航传感器异常诊断方法

近年来,无人驾驶汽车（Unmanned autonomous vehicle,UAV）作为未来智能交通系统（Intelligent transportation system,ITS）的重点发展方向已成为业内研究的热点。作为一种新兴智能交通工具,无人汽车的行驶完全依赖于导航传感器提供的精确位置和路径数据。GPS传感器因计算机黑客的恶意网络攻击或物理故障而造成导航位置数据异常或篡改给无人车的安全行驶带来了巨大的威胁和挑战。针对无人汽车GPS传感器易受攻击的现实问题,提出一种基于深度学习的无人车GPS传感器异常检测新方法。该方法通过改进传统一维卷积神经网络（1D Convolutional neural network,1D-CNN）的拓扑结构,设计出1DGAP-CNN算法框架,使其满足快速实时性的诊断要求。首先,原始的多传感器位置数据直接输入到提出的算法中进行数据融合和预处理;其次,提出的算法自动的进行特征提取、降维减参和模式辨识;最后,模型直接输出诊断结果,整个诊断过程由模型自主完成。结果表明,提出的方法相比于主流的智能诊断算法具有更高的诊断准确率和更快的检测速度。     

基于信息融合的齿轮箱故障诊断技术研究

对齿轮箱的故障诊断和信息融合进行了简要概述,将信息融合技术和D-S证据推理运用于齿轮箱的故障诊断中,提出了一种可行有效的融合方法.     

基于信息融合的机械故障诊断技术研究

机械故障诊断技术是一项跨学科的技术。将信息融合思想引入到机械故障诊断领域。基于现有的结论,描述了信息融合的一般过程,并提出了一种基于信息融合的故障诊断模型。     

An Intelligent Fault Diagnosis Method of Multi-Scale Deep Feature Fusion Based on Information Entropy

For a single-structure deep learning fault diagnosis model,its disadvantages are an insufficient feature extraction and weak fault classification capability.This paper proposes a multi-scale deep feature fusion intelligent fault diagnosis method based on information entropy.First,a normal autoencoder,denoising autoencoder,sparse autoencoder,and contractive autoencoder are used in parallel to construct a multi-scale deep neural network feature extrac-tion structure.A deep feature fusion strategy based on information entropy is proposed to obtain low-dimensional features and ensure the robustness of the model and the quality of deep features.Finally,the advantage of the deep belief network probability model is used as the fault classifier to identify the faults.The effectiveness of the proposed method was verified by a gearbox test-bed.Experimental results show that,compared with traditional and existing intelligent fault diagnosis methods,the proposed method can obtain representative information and features from the raw data with higher classification accuracy.     

基于D-S证据理论的航空发动机磨损故障智能融合诊断方法

油样分析方法目前已成为航空发动机磨损故障诊断的重要手段,但单一油样分析技术的诊断准确率均有限,为了提高故障诊断的精度,本文提出了基于D-S证据理论的发动机磨损故障智能融合诊断方法。首先用BP神经网络实现发动机磨损故障的单项智能诊断,然后,充分利用神经网络诊断结果,用D-S证据理论实现了磨损故障的融合诊断。最后,算例验证了本文方法的有效性。     

数据仓库技术在齿轮故障诊断中的应用

以齿轮箱的历史故障数据为依据,提出了齿轮故障诊断数据仓库的功能架构,并对数据的收集、集成、存储等方面进行了研究,建立了齿轮故障诊断模型。为齿轮故障诊断提供了一种新的方法。     

深度学习融合模型在机械故障诊断中的应用

为了解决浅层学习与传统深度学习模型因机械装备结构复杂、工作环境噪声和大数据等因素引起的诊断困难问题,提出了一种基于降噪自编码器和深度信念网络的融合模型,来实现高效准确的故障诊断。首先,降噪自编码器用于处理原始信号的随机噪声并学习低层特征;其次,深度信念网络用基于所学习的低层特征来学习深层特征;最后,将深度特征输入粒子群支持向量机中,对诊断模型进行训练。所提出的方法被应用于滚动轴承的故障诊断,结果表明与现有方法相比,该方法更加有效和鲁棒。     

基于多传感器信息融合的滚动轴承故障诊断

为了提高滚动轴承故障诊断的准确性,引入了一种多传感器信息融合的诊断方法。将多传感器所采集的振动信号处理后,由粒子群神经网络进行故障局部诊断,以获得彼此独立的证据,再采用证据理论对各证据进行融合。试验结果表明,该方法可有效地提高诊断可信度,降低诊断的不确定性。     

基于遗传编程的信息融合技术及其在车桥故障诊断中的应用研究

为得到更有效的故障识别分类器，文中采集来自多个传感器的数据，并计算它们的无量纲统计特征值，然后运用GP方法在由这些统计特征值和操作符组成的搜索空间中寻优。将优化得到的复合特片作为故障识别的分类器，并根据不同的检测环境，选取不同的终端符集，从而降低检测环境对诊断结果的影响。将这一理论应用到所研制开发的驱动桥性能测试系统中，效果比单一特征及不考虑检测环境的识别更精确可靠，取得了良好的效果。     

无线传感器网络多级融合的机械故障诊断方法

针对无线传感器网络(wireless sensor networks,简称WSNs)在机械故障诊断应用中大量振动信号不能实时传输的问题,提出基于无线传感器网络多级分层信息融合的机械故障诊断方法。采用簇树网络结构扩大网络监测覆盖范围,将WSNs信息融合分为数据级融合、特征级融合及决策级融合3个级别,终端节点对原始振动信息进行数据级融合以提取特征信息,簇头节点对特征信息进行特征级融合得到模式识别结果,网关节点对识别结果进行决策级融合以评估机械设备运行状态。实验表明,该方法能有效应用于机械故障诊断。     

基于信息融合的异步电动机故障诊断方法

针对交流异步电动机故障诊断，扩展了多传感器信息融合技术的理论，分析了异步电动机建模环境的不确定性导致这些诊断结果混叠甚至误诊的原因，提出了针对异步电动机采用新型的测试传感器和多传感器信息融合进行故障诊断的实现方法框架。     

火电厂锅炉常见故障的数据挖掘诊断方法

针对火电厂主要大型设备之一锅炉的常见故障,提出了一种新的诊断方法:数据挖掘方法。该方法通过建立一个智能化的数据挖掘工具,直接从火电厂SCADA系统历史数据库的大量实时数据中获取故障诊断知识进行故障诊断。数据挖掘工具的核心是:采用粗糙集的约简方式,将数据库中抽取的故障诊断规则简化为基于最小变量集的决策表。由于决策表直接采用数据库中的变量来表达,有利于现场操作人员的理解与应用。该方法避免了为诊断故障而附加的专门测试或试验,降低了费用,同时减少了试验对设备造成的潜在危险。将这一方法应用于火电厂锅炉的一个复杂故障事例,结果表明:其诊断的精度可以满足现场应用的要求。     

集成神经网络在设备诊断中的应用

本文从诊断工程实际出发 ,从信息融合的角度提出了集成神经网络的概念 ,并讨论了实现的策略。诊断实例表明 ,集成神经网络的建立 ,充分利用了各种信息 ,可有效提高确诊率     

基于可加性模糊系统的多传感器数据融合诊断

基于可加性模糊集系统理论,提出一种多传感器模糊融合诊断方法,采用补块覆盖法逼近函数和可加性模糊融合算法进行信号的特征融合。实验证明该诊断模型提高了诊断的准确性。     

基于粗糙集理论的电力变压器故障诊断研究

粗糙集理论是一种较新的数据处理工具，可以有效地分析和处理不完备信息。运用粗糙集理论研究了因各种复杂因素造成的不完备信号模式下电力变压器故障诊断的方法。该方法利用油色谱分析得到的各种气体浓度百分比作为故障分类的条件属性集，考虑各种故障情况，建立决策表。利用决策表的约简方法进行化简，区分关键信号与冗余信号，导出故障诊断规则，从而达到不完备信号模式下快速准确地故障诊断的目的。通过实际应用表明，该方法简单、有效、具有良好的容错性能。     

数据挖掘算法在提升机远程故障诊断系统中的应用

以矿井提升机运行过程控制系统为研究对象,提出了一种基于数据挖掘算法的提升机远程故障诊断系统模型,介绍了该模型的结构和实现方法,并对数据挖掘算法进行了改进.     

基于传感器数据融合的车辆目标匹配

利用毫米波雷达和相机数据融合检测前方障碍物的方法,可以为智能驾驶汽车提供准确可靠的感知信息。因而,基于多传感器数据融合的目标匹配的重要性逐渐凸显。为实现二者的目标匹配,首先构建了相机和毫米波雷达的时间融合模型和空间融合模型,实现二者数据的时间一致和空间对准,然后对毫米波雷达数据和图像数据进行处理,通过对毫米波雷达数据的预处理且引入有效目标决策算法,获取毫米波雷达的有效目标数据;利用基于深度学习的目标检测算法,实现对图像中车辆目标的检测。最后设计了二者的目标匹配算法,并通过实验验证了该方法的有效性。