基于模糊信息融合的变压器故障诊断研究

设计了一种与模糊信息融合方法相结合的变压器故障诊断系统模型.该模型采用分布式MAS故障诊断系统结构,其故障诊断子系统采用三种不同的在线监测Agent并行方式运行并且两者相互之间兼有信息交互;该结构克服了实时性、可靠性不强的缺点;实验仿真论证了基于模糊信息融合的故障诊断法的可靠性与可行性并且分析证明了该方法的有效性.     

基于模糊神经网络的分布式多传感器多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

一种多源信息融合方法及其应用

介绍了一种多传感器数据融合的新方法。对于一个传感器无法准确测量的场合,加入一个辅助传感器,能够比较全面地反映对象或目标的全部信息。使用模糊理论,将测量信号模糊化,使得对信息量的“依赖程度”减轻。根据传感器作用域的不同,使用信息补充和证据增强（或削弱）原则,将两个信号进行融合。仿真结果表明,这种多传感器数据融合的方法,能够较好地解决仅使用一个传感器难以实现的问题。     

多源信息的模糊决策树融合算法研究

针对不确定性问题，提出了一种新的基于知识发现的信息融合的方法.对不确定问题采用精确的数学方法解决会得到不精确的结论，模糊决策树算法可以很好地解决这类问题，并能有效地提取出模糊规则.即利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理，建立准确的评估模型，提取隐含其中的规则，最终获取新的知识.此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统.实验证明，这种知识提取方法对处理大量无序、不确定的数据很有效.     

基于模糊PID卡尔曼滤波的多传感信息融合移动机器人定位研究

当工业移动机器人处于复杂工作环境中,其信息序列误差随各量测噪声特性的变化而增大,若使用卡尔曼滤波器进行多传感信息融合则很难做到实时测量和调整,融合后的误差也随之倍增。为解决此问题,在卡尔曼滤波融合前引入增量式模糊自适应PID控制,通过模糊规则设计,改善滤波噪声方差,对融合信息进行限制,并对限制后的速度信号和加速度信号进行融合,从而提高控制精度。MATLAB系统仿真显示,所设计的控制器对多传感器的信息融合效果良好。     

基于遗传算法的多传感器模糊随机信息融合方法

建立一种多传感器高维信息融合方法 .根据多传感器模糊随机信息融合的准则 ,完成融合参数编码、初始种群和适性函数建立以及基于模糊控制器的基因操作概率选择等的设计 ;对高维信息融合问题进行了探讨 ,并通过计算机仿真验证了方法的有效性 .针对速度方差为 1 6 4 ,加速度方差为 1 75的模拟运动目标跟踪问题 ,采用该方法的跟踪融合精度分别为速度方差 0 94 ,加速度方差 0 98.该方法能有效地提高配合的精度与可靠性     

模糊信息融合及其在发动机失火故障诊断中的应用

由于发动机结构复杂,造成发动机失火故障的因素很多, 使故障诊断及故障定位非常困难.为此本文提出了一种基于模糊信息贴近度分析的信息融合方法,并用以诊断某装甲车辆发动机失火故障,取得了满意效果.     

基于模糊积分的多源信息融合及目标融合识别方法

针对目标融合识别问题,在引入模糊测度和模糊积分这两个基本概念的基础上,提出了一种基于模糊积分的多源信息融合及目标融合识别方法.给出了一种模糊测度的构造方法,建立了基于模糊积分的通用信息融合算法流程,在此基础上,详细给出了基于模糊积分的融合识别原理及求解过程.实验结果证明了模糊积分运用于多源信息融合及目标融合识别的可行性与有效性.     

多传感器信息融合技术研究

多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。本文主要阐述了多传感器信息融合技术的概念,并对多传感器信息融合的常用算法进行了介绍。     

神经网络信息融合技术在控制系统故障诊断中的应用

针对钢管修磨控制系统中存在的常见故障,构造了神经网络信息融合中心。对来自多传感器的残差信号进行了预处理和离散小波变换,提取其细节系数作为神经网络的故障特征向量,使用改进BP算法对神经网络分类器训练以进行相应的故障模式识别。仿真结果表明,基于神经网络的信息融合技术用于控制系统的故障诊断是可行的和有效的。     

基于信息融合的控制系统中模拟电路故障诊断

针对控制系统中的模拟电路具有多种工作状态的特殊情况和故障诊断过程中的不确定性问题,提出了模糊一神经网络信息融合算法．给出了该算法的基本模型和应用于控制系统中模拟电路故障诊断的一般规律,通过将电路不同工作状态下的有效信息进行融合,结合模糊信息处理技术和神经网络推理技术,最终实现故障定位．将其应用到某型船舶主机遥控系统中延时电路板的故障诊断系统中,结果表明,该方法能够有效地提高故障模式的识别能力,将故障准确地定位到元器件．     

基于黑板结构的信息融合专家系统在水质监测中的应用

文章分析了信息融合技术应用于水环境监测的特点,提出了一种运用黑板理论,专家系统的水质监测信息融合系统模型.     

基于信息融合方法的电机故障诊断研究

研究鼠龙异步电机转子故障诊断技术,先运用小波包分析技术对电机电流信号进行了特征值的提取,将信号进行3层分解,然后将噪声信号分离并对噪声信号进行FFT能量分析,根据噪声能量含量的大小来判断断条故障的严重程度。然后利用BP神经网络对电机的电流信号能量特征值分别进行训练和检验,并初步得出诊断结果。再运用D-S证据理论对BP神经网络的输出结果进行了决策层的信息融合故障诊断,并得出了最终的诊断结果。实验表明,在一定程度上采用多证据的融合能进一步提高诊断的准确度。     

Application of fuzzy logic in weighted information of fusion fingerprints and palm prints

As an important method of identification, biologycharacteristic identification is widely used in the areassuch as management, gate security, finance, police andinternet security, etc., among which fingerprint identifi-cation technology, which has many more ways of charac-teristic extraction and identification and is much moremature, is the most ideal and widely used technology.However, the application is always limited to peoplewith high quality fingerprints. But in our nation′s ar-chives of …     

信息融合技术在烟气轮机故障诊断中的应用

烟气轮机是炼化企业生产中重要的核心设备,保障烟气轮机的安全可靠运行,实现科学维护十分重要。对多传感器信息融合技术作了简要介绍,给出了一种神经网络与D-S证据理论相结合的诊断方法,并提出了基于多传感器信息融合技术的烟气轮机故障诊断模型。通过在转子实验台上的实验表明,采用该方法提高了故障诊断系统的灵活性及故障诊断的效率和准确性。     

Petri网的融合系统建模与仿真

Colored Petri网是Petri网建模与仿真技术的前沿,通过使用CPN-tools仿真软件对两种融合结构(集中式和分布式融合)进行建模。在同一运行规则下,通过设置相同的参数进行建模仿真,结果表明该模型和方法是合理和有效的,可以作为进一步仿真的基础模型。     

基于信息融合的传感器故障检测方法

在回转机械振动状态监测中通常采用二个互成９０°的测振传感器监测某一测点的振动状态,考虑到传感器布置上的这种双余度特点,运用信息论数学方法,得出了两传感器在融合过程中的冗余和互补特性;在充分利用二传感器冗余信息的基础上,提出了一种基于冗余率运算的传感器故障检测方法,试验结果良好     

Fault diagnosis in neutral point indirectly grounded system basedon information fusion

0　INTRODUCTIONInChina ,neutralpointindirectlygroundingsystemismostwidelyappliedinpowernetworks .Accordingtothenationalpowerdepartmentstatisticaboutelectricalnetworkfaults ,thephase to groundfaultsaccountforthegreatestpart.Sincewhenthisfaultoccurs ,three phaselinevoltageisstillsymmetric ,thefaultcurrentpassingthroughthegroundpointiscomparativelylow ,thusdoesnotinfluencethelastingpowersupply ,thereforethepro tectiverelaysdon’ttripimmediately .However,becausethevoltageofthenormalphasesisin…