基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明：该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。     

地铁车转向架构架的强度计算与评定

介绍了转向架构架对于地铁车辆安全运营的重要性,并对构架进行离散化处理,按照UIC615-4标准对构架施加载荷,建立构架的有限元模型。利用有限元分析软件ANSYS研究构架在各工况下的应力分布。最后,根据第四强度理论,完成了构架的静强度分析;根据Goodman疲劳极限图完成了构架的疲劳强度分析,并得出构架静强度和疲劳强度均合格的结论。分析结果为同类型的转向架的设计、改型和优化提供了参考和依据。     

地铁车转向架构架的强度计算与评定

介绍了转向架构架对于地铁车辆安全运营的重要性,并对构架进行离散化处理,按照UIC615—4标准对构架施加载荷,建立构架的有限元模型。利用有限元分析软件ANSYS研究构架在各工况下的应力分布。最后,根据第四强度理论,完成了构架的静强度分析;根据Goodman疲劳极限图完成了构架的疲劳强度分析,并得出构架静强度和疲劳强度均合格的结论。分析结果为同类型的转向架的设计、改型和优化提供了参考和依据。     

信息融合技术在刀具磨损监测中的应用

随着信息融合技术的不断发展,信息融合越来越多的被用于监测领域。本文把信息融合技术应用于刀具监测过程中,建立了多传感器信息融合刀具监测系统模型,并详细论述了基于神经网络、贝叶斯理论和D-S理论的信息融合方法。     

多传感器信息融合技术及其应用

在阐述多传感器信息融合这一研究热点的融合过程和方法的基础上,介绍了D-S证据理论和Bayes方法,并探讨了信息融合技术在军事领域和民用领域方面的应用.     

基于故障敏感度的证据权重计算方法及其应用

典型证据权重计算方法存在只有少数传感器判断正确而多数判断错误的高冲突证据的加权D-S决策融合问题,针对此问题,提出一种基于故障敏感度的证据权重计算方法。首先,通过核函数主元分析(kernel principal component analysis,简称KPCA)提取非线性的敏感特征;其次,基于故障检测原理计算该特征的故障敏感度,并将其作为传感器的故障敏感度;最后,计算得到基于故障敏感度的传感器决策权重,并将该权重及等权重法和基于决策距离方法的权重共同应用于转子故障模拟实验台的融合检测与诊断中。结果表明,该方法能对故障敏感、包含故障信息多的传感器赋予更高的权重值,提高其决策地位和作用,反之则赋予较小的权重,"弱化"其决策地位和作用。通过证据权重的"调节"作用,使得该方法无论是在只有少数传感器发现故障的证据高冲突情况还是在冲突不大或无冲突时,均取得了更好的决策融合结果。     

基于SVM和证据理论的多数据融合故障诊断方法

针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用"一对一"多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。     

地铁转向架系统可靠性分析与维修方式探讨

地铁是城市交通的主要工具,其良好的运行对于城市来说是非常重要的,地铁转向架系统的安全度决定这地铁的安全运行和乘客的生命安全,维持地铁转向架系统安全、可靠、经济性是地铁运行非常重要的环节。文章通过地铁转向架系统的可靠性的影响因素分析及维修方式的探讨和选择,以求达到提高地铁转向架系统的可靠性、维修经济性、运营安全性。     

基于多传感器信息融合的大型船舶机械通风设计和制造

基于多传感器信息融合的方式,对大型船舶机械的通风设计进行改良。为了使大型船舶的通风更加具有安全性和稳定性,在多传感器信息融合的背景下,对大型船舶的机械通风机故障诊断进行探讨。应用单个传感器诊断故障的结果往往不够全面,而使用多个传感器可获得振动信号。通过小波分析及处理得到故障值,借助反向传播（Back Propagation,BP）神经网络,使用D-S证据理论将其融合,从而实现对大型船舶机械通风机的故障诊断,提高了诊断的准确性,有利于大型船舶机械的通风设计。     

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。     

基于知识的直升机自动驾驶仪故障融合诊断策略

为了诊断直升机自动驾驶仪故障并诊断到外场可更换单元，在分析自动驾驶仪中信息与知识的基础上，提出了基于知识推理的融合诊断策略，分别采用系统中的案例、规则和模型知识进行信息处理和决策生成，并提出外场故障诊断的自学习型融合框架和实现方法，即首先在部件级进行局部融合决策，然后再结合系统级的信息和知识进行系统级融合决策。给出了利用D-S证据理论进行决策融合的可信度分配方法。试验结果表明所提出的方法能有效降低诊断结果的不确定性。     

基于信息融合的滚动轴承故障诊断

滚动轴承故障诊断中同一征兆域很难区分多种故障，单一传感器对故障分类识别有不确定性。提出了利用加速度传感器和声音传感器，基于BP神经网络及D-S证据理论，对所采集的振动信号和声音信号的多种特征信号进行信息融合，实现故障诊断。并对该方法进行仿真试验验证。     

基于神经网络的软测量模型及应用

本文提出了一种新的基于神经网络软测量模型及算法,为复杂测量系统中软测量建模提供了一种有效的途径。应用结果表明采用该算法可获得较高的测量精度。     

基于信息融合实现的激光陀螺调腔检测

考虑激光陀螺调腔人工检测耗时较长、易受干扰,本文建立了激光陀螺自动调腔系统.在分析激光陀螺调腔工艺的基础上,构建了一种由CCD相机和光电倍增管组成的多传感器信息融合体系结构,提出了基于D-S证据理论的激光陀螺调腔检测方法.通过分析计算CCD相机和光电倍增管检测到的信号得出光斑、光阑中心点坐标差值及陀螺损耗值,并由这些信息获得调腔质量的评价函数.然后,根据D-S证据理论对评价函数进行融合处理,分别获得陀螺调腔质量合格与不合格的信度函数,应用最大支持度规则对调腔质量进行综合判断.实验结果显示,基于DS证据理论的激光陀螺调腔方法检测准确率为91.14％,有效提高了调腔质量,验证了该方法的可行性.     

基于阵列旋转和改进证据理论的平面 EMT 图像融合算法

为了提高平面电磁层析成像(EMT) 重建图像的质量,本文提出了一种阵列旋转和改进 D-S 证据理论相结合的平面 EMT 图像融合算法。 首次将传感器阵列旋转应用于平面 EMT 领域,提高独立测量值个数,并利用旋转阵列的测量信息实现 EMT 图像融合。 针对 Dempster 规则在处理冲突证据上存在不足的问题进行改进,利用数据聚类获取自适应阈值设置冲突和不 冲突两种证据,分别对应不同的融合规则。 仿真研究了旋转次数和成像效果之间的关系,利用不同旋转角度的信息和改进 D-S 证据理论进行图像融合,有效去除图像伪影,提高图像质量。 设计了 8 线圈平面电磁传感器,并应用于铝板缺陷检测,结果验证 了方法的有效性。 新方法较传统方法的图像相对误差下降 17. 0% ,相关系数提升 22. 7% 。     

基于信息熵贴近度和证据理论的旋转机械故障诊断方法

从信息融合的思路出发,建立反映振动能量的旋转机械故障状态的信息熵特征,如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵。通过试验,建立了旋转机械典型故障下的信息熵期望值,即获得基于信息熵的故障诊断标准特征向量。由于传感器的不确定性和故障的多样性,提出采用D-S证据理论来对4种信息熵进行信息融合。根据越相似模式间的距离越短的思路,提出采用信息熵贴近度来建立证据理论的基本可信度分配,以基于基本可信数的决策方法来作为故障模式识别方法。通过实例计算,证明基于信息熵贴近度和证据理论的旋转机械故障诊断方法是故障模式定量识别的一种可行的新方法。