一种航空发动机磨损故障模糊融合诊断方法

为提高航空发动机滚动轴承的磨损故障诊断的精度,综合利用多种油液分析方法的优点,提出一种航空发动机磨损故障的模糊融合诊断方法。首先,针对光谱分析、铁谱分析、颗粒计数分析、理化分析数据的各自特点,基于自定义隶属度函数对油液分析数据进行模糊化处理,从而得到表征光谱分析、铁谱分析、颗粒计数分析、理化分析数据的证据可信度和规则可信度,并得到综合可信度;然后利用D-S证据理论实现对多种油样分析数据的决策级融合诊断。将提出的融合诊断方法应用于航空发动机磨损故障诊断,利用某型发动机不同磨损时期的油液仿真分析数据对算法进行验证,证明了所提的方法具有很高的诊断精度和灵敏度。     

航空发动机磨损故障的智能融合诊断

提出了航空发动机磨损故障的智能融合诊断方法。对油样分析中多种数据源信息的特点进行分析，根据不同的诊断目的对多种分析方法进行了相应的组合；利用基于规则的专家系统诊断技术，分别实现发动机磨损故障的定位、定性及定因的单项诊断；在此基础上，利用D—S证据理论，实现了发动机磨损故障的融合诊断；最后用算例验证了方法的正确性和有效性。     

应用于破碎机故障诊断系统中的信息融合技术

本文以该设备故障诊断为研究对象在对国内外研究现状进行深入分析的基础上给出一种基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法并进行实际检验。以信息融合的基本思路,将多子神经网络和D-S证据理论综合起来设计出一套综合诊断方法,将两种方法相结合应用于故障诊断中,取得了较好的诊断效果。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

多传感器信息融合技术在液压系统故障诊断中的应用

针对单参数诊断复杂系统中出现的信息不完整和不确定性问题,提出基于BP神经网络和D-S证据理论的多传感器信息融合故障诊断方法。为了简化BP神经网络结构,首先利用两并行BP神经网络对故障数据进行诊断;之后,D-S通过证据理论融合局部诊断结果,实现对于不准确信息的准确判断,获得准确诊断结果。该方法适用于特定类型火箭发射器液压驱动伺服系统(HDSS)的故障诊断,实现了对于液压伺服驱动系统中主要部件的故障定位和诊断,有效提高了系统可靠性。     

基于神经网络与D-S证据理论的故障诊断

在集成神经网络故障诊断的基础上,引入证据理论,提出将神经网络(NN)与D-S证据理论结合的故障诊断方法(NN-DS诊断方法).多个征兆域分别用神经网络进行局部诊断,从每一个网络都可以得到各自的诊断结果,再用D-S证据理论对这些诊断结果进行全局融合,得到综合诊断结果.算例分析表明了该方法的正确性.     

基于粗糙集－集成神经网络的航空发动机磨损故障诊断方法

将粗糙集理论和神经网络相结合并应用到航空发动机磨损故障诊断中,依据属性的重要性和决策表的相容性,用自组织神经网络完成连续数据离散处理这一关键环节,采用粗糙集理论对征兆信息进行属性约简,获取征兆的主要特征,为神经网络结构简化和子神经网络的构成等奠定了基础,通过基于D-S证据理论的方法得到最终的融合结果。将该方法用于某型航空发动机的磨损故障诊断专家系统中,实验证明了该方法的有效性。     

基于神经网络与D-S证据理论的故障诊断

在集成神经网络故障诊断的基础上,引入证据理论,提出将神经网络(NN)与D-S证据理论结合的故障诊断方法(NN-DS诊断方法).多个征兆域分别用神经网络进行局部诊断,从每一个网络都可以得到各自的诊断结果,再用D-S证据理论对这些诊断结果进行全局融合,得到综合诊断结果.算例分析表明了该方法的正确性.     

基于加权D—S证据理论信息融合的故障诊断方法及其应用

针对新产品因故障概率数据掌握不充分使其故障诊断较为困难的问题,提出了一种基于加权D—S证据理论多源信息融合的故障诊断方法。该方法采用D-S证据融合,解决了缺乏故障概率分布模型或准确数学分析无效的问题,引入加权Ds证据理论融合方法进行故障诊断,用历史故障估计的正确率作为确定信息源当前检测估计值的置信程度调整,实现了故障诊断的历史数据对当前诊断结果的修正。对新型船舶气象仪故障诊断结果表明,该方法在故障概率和故障经验知识掌握不充分时,实现故障诊断是非常有效的。     

基于证据加权调整方法的神经网络及其在故障诊断中的应用

提出一种基于加权思想的证据调整方法,解决证据融合理论中的不同证据应具有不同重要性的问题,并把这种方法和基于证据理论的神经网络相结合,形成加权证据网络。仿真结果表明这种网络有很突出性能。说明了这种方法的有效性,并讨论了在故障诊断中的应用。     

基于D-S证据理论的超速离心机健康状态评估方法

超速离心机的运行健康状态评估是确保离心机安全、稳定运行的基础.介绍了超速离心机的主要状态参数及检测技术,分析了常用的健康状态评估方法.利用人工神经网络实现不同信源的超速离心机状态信息评估,再根据D-S证据理论对各子神经网络的输出结果进行融合,建立了超速离心机运行健康状态综合评估方法.实例验证了该方法的有效性和准确性.     

信息融合技术在托辊轴承故障诊断中的应用

将信息融合技术引入矿用输送机托辊轴承故障诊断中,通过对托辊轴承故障特征信息的提取,利用神经网络技术和Dempster-Shafer证据理论对其进行数据融合,实现对托辊轴承故障的融合诊断,并结合示例进行了详细论述。     

用证据理论实现机器人多感觉信息的融合

阐述了基于Ｄ－ Ｓ证据理论的多传感器信息融合算法,提出一种基于Ｄ－ Ｓ理论的推广方法以解决融合信息的相关性问题。用机器人的力觉和热觉传感器作实验,对目标物体进行了分类识别     

基于DS/AHP的工程机械维修质量评价

维修质量评价是提高工程机械维修效益的重要环节,对指导工程机械的维修具有重要意义.针对维修质量评价中不确定性因素多、难以量化的特点,提出了基于DS （Dempster-Shafer）证据理论和层次分析法（The Analytic Hierarchy Process,AHP）的维修质量评价方法.首先利用层次分析法建立了维修质量评价的层次模型,然后运用证据理论对维修质量影响因素进行信任分配,并根据信任测度的大小实现了对评价对象的排序.最后通过实例验证该方法在工程机械维修质量评价中的有效性.     

多传感信息融合在液压故障诊断中的应用

针对恶劣工作环境下多传感信息融合识别效果差和D-S证据理论中证据难获取的问题,在组建有效的传感器网络的基础上,结合改进的JDL模型并根据数据融合分级处理思想,数据层采用自适应加权最小平方估计法对数据进行清洗和特征提取,特征层通过多并行PSO-Hopfield网络的联想记忆功能进行局部诊断,决策层根据修正的D-S证据理论进行时空域融合,并且每级和最终诊断之间都有直接数据通信和反馈,使得知识库信息能为数据挖掘进行知识发现作必要的数据储备。通过仿真结果可知:该数据融合系统容错性强、能综合利用传感器信息并准确定位故障。     

基于证据理论的机械结构高效可靠性分析方法

提出一种证据理论与近似模型相结合的机械结构高效可靠性分析方法。首先基于证据理论建立可靠性分析数学模型，然后通过径向基函数构建极限状态函数的近似模型，并利用样本点局部加密来提高近似模型的精度，最后基于一阶近似可靠性分析方法对近似可靠性分析问题进行求解，从而获得衡量机械结构可靠性的可信度和似真度。算例结果表明该方法不但能保证计算结果精度，还提高了计算效率。     

多传感信息融合技术的油烟监测系统设计应用

研究城市油烟气体排放的监测系统,在油烟检测对象中应用多传感器数据融合技术,克服单传感器检测的局限性。指明面临的问题和油烟研究对象。阐述传感器信息采集和嵌入式系统构建。详细探讨融合方法Dempster-Shafer证据理论在油烟信息采集处理系统中的应用。并讨论结果。     

基于遗传算法和加权D-S信息融合的结构多损伤位置识别

将信息融合技术应用于结构的多损伤定位问题,为了解决证据融合理论中的不同证据应具有不同的重要性的问题,提出了一种基于遗传算法的加权平衡证据调整方法。该方法利用遗传算法来确定最优化的或者近似最优化的权重系数,然后依据加权平均值和优先权的证据分布形态对证据进行了加权调整,调整后的证据保证了加权平均值不变以及优先权证据分布形态的稳定。仿真结果表明,采用了信息融合方法的结构多损伤定位,可以产生比单一信息源更精确、更完全的估计和判决,而基于遗传算法的加权平衡证据调整方法具有更好的对多损伤定位的识别能力,优于基本D-S证据组合方法以及其他加权证据组合方法。