斯米尔诺夫检验法在数据级信息融合数据关联中的应用

在信息融合系统中，为了确保进入融合中心的信息是满足融合需要的有效信息，在融合之前要对来自多个信息源的数据进行数据关联。作为信息融合前的信号预处理过程，利用数理统计中的斯米尔诺夫检验法对多个同类传感器测得的加速度响应信号进行数据关联，去掉故障传感器或受到严重干扰的通道数据，确保进入融合中心的数据能够有效反映被测对象的状态。通过某二级齿轮箱实验台实测数据的验证，证明该方法能够有效地检验出同类传感器信号是进行故障诊断的有效信号。     

基于盲均衡的轴承故障诊断研究

通过理论分析,将无线通信领域内基于多传感器的SIMO系统盲均衡技术应用于齿轮箱故障诊断的多路振动信号的融合.在某单级减速齿轮箱内植入滚动轴承内圈故障,试验证明,由融合后的传感器数据得到的故障特征更为突出.     

故障滚动轴承振动信号的半盲处理方法研究

利用旋转机械的振动信号的循环平稳特性,采用基于二阶统计量（Second Order Statistic,SOS）的盲均衡技术从多个传感器信号中恢复出“真实的”振动源信号,实现了同类信号的数据级融合。以滚动轴承故障信号的阶次谱结构为先验知识,提出了用于滤波性能评价的两个指标,实现了盲均衡滤波器参数的优化,从而给出了一种可用于滚动轴承故障诊断的半盲信号处理方法。采用某型单级减速齿轮箱的实验数据验证了该方法的有效性。