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。     

集成神经网络信息融合技术在旋转机械故障诊断中的应用

结合单子神经网络信息融合在故障诊断中的不足不之处,讨论了集成神经网络信息融合的优点并提出了集成神经网络信息融合的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用,最后应用集成神经网络对机械故障诊断进行了仿真。     

信息融合技术在旋转机械故障诊断中的应用

提出了一种利用多路传感器采集信息,将小波、神经网络和D-S推理有机结合起来的综合故障诊断方法,并对旋转机械的典型故障进行了诊断测试,实验结果表明该方法和利用单一传感器信息进行诊断相比具有容错性、互补性强和诊断精度高的优点.     

模糊信息融合在电路故障诊断中的应用研究

多传感器信息融合技术已成为一个十分活跃的研究领域,它应用的范围越来越广。该文给出了模糊信息融合实现电路故障诊断的方法,通过检测电路工作时电子元件的温度和关键点电压两方面的数据信息,结合模糊信息处理技术,对这两方面的数据信息进行融合,从而确定故障元件,并说明多传感器信息融合方法在电路故障诊断中的优越性。     

信息融合在液压系统故障诊断中的应用

介绍了信息融合的定义及多传感器信息融合的过程,阐述了信息融合技术在故障诊断中的应用,在此基础上提出Bayes网络,讨论了Bayes信息融合技术应用于液压系统故障诊断的实现方法.     

多传感器信息融合在电机绝缘故障诊断中的应用

随着检测技术、信号处理技术、智能技术的进步,故障诊断技术得到了很大的发展,但是目前对电机的故障诊断技术仍因为各种原因存在着很大的不确定性。其诊断系统依然是基于单个参数(如电流、振动、温度、润滑油成分)所能携带的故障特征来进行诊断,由于模型或者环境的不确定性导致这些诊断结果模糊不清甚至错误。分析了传统绝缘故障诊断方法中存在的不确定性弊端,介绍了利用多传感器信息融合进行故障诊断、建立融合故障诊断系统的优越性。     

CEEMD-VMD与参数优化SVM结合的托辊轴承故障诊断

针对托辊轴承工作环境复杂、提取故障特征困难等问题,提出一种基于互补集合经验模态分解(Complementary ensemble empirical mode decomposition, CEEMD)和变分模态分解(Variational modal decomposition, VMD)相结合的降噪方法。首先,利用CEEMD将采集到的信号进行分解,依据相关系数和峭度筛选分量并进行重构,生成新的信号;然后,利用VMD将新的信号进行再分解,并基于包络熵和包络谱峭度组合的复合指标优选本征模态分量(Intrinsic mode functions, IMF);最后,提取相应的特征输入樽海鞘群优化支持向量机(Salp swarm optimization support vector machine, SSO-SVM)模型完成故障诊断。实验结果表明:对于正常轴承、轴承内圈故障、轴承外圈故障三种情况,诊断准确率达97.78%。与单一降噪方法相比,该方法可以有效提高故障信号的信噪比,降噪效果明显。     

多源信息融合及其在齿轮泵故障诊断中的应用

针对齿轮泵故障信息的不确定性和模糊性,提出了一种多源信息融合的贝叶斯网络故障诊断方法。在探讨齿轮泵故障机理的基础上提取振动、流量和压力信号作为故障特征,构造故障贝叶斯网络,建立贝叶斯分类器进行多特征信息融合,利用最大后验概率准则判别故障类型。融合结果表明,该方法能够有效实现齿轮泵多种故障的诊断,具有广阔的应用前景。     

防偏托辊轴承的防锈

防偏托辊轴承的防锈昆明焦化厂孙慧林防偏托辊是带式输送机中段纠偏的重要部件，但在输送潮湿物料时防偏托辊支架的回转轴承常会锈死不转，使防偏托辊支架变成了固定支架，失去纠偏功能。由于防偏托辊支架回转轴承采用的是滑动轴承，其结构如附图，立轴４上端与一块方形钢...     

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。     

机械故障诊断中的信息融合利用问题研究

首先对机械故障诊断中的可用信息进行分类,然后在分析现在诊断信息利用不足的基础上提出信息融合诊断的思想,给出了基于信息融合诊断技术应解决的问题,并提出了一个信息融合诊断的一般过程。最后讨论了诊断中信息融合利用的研究方法和技术手段     

基于多源信息融合技术的动车故障诊断

介绍多源信息融合故障诊断方法,以及动车故障诊断特点和常见故障类型。以制动系统为例,分析该方法的可行性和实现步骤。建立基于多源信息融合和神经网络的故障诊断系统,通过多种信号的融合诊断,减小系统的不确定性,从而提高故障诊断的可靠性。     

火电机组信息融合故障诊断方法及其发展

简要叙述了火力发电机组信息融合故障诊断技术的发展情况,介绍了信息融合的基本概念,总结了在火电机组融合诊断中常用的一些融合方法,包括多种融合方法相结合的形式,重点提到了一种新的信息融合定量诊断方法——信息熵,并预测了火电机组融合诊断今后的发展方向     

基于多源信息融合的往复式压缩机故障诊断方法

往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明：使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。     

基于多传感器信息融合的贝叶斯网络故障诊断方法研究及应用

针对齿轮泵信号具有复杂性和模糊性的特点,提出了一种基于多传感器信息融合的贝叶斯网络故障诊断方法。分析了齿轮泵振动和压力信号特点,以此为基础提取了振动信号的能量特征、分形特征和压力信号的高频压力脉动3种特征属性,构建了多故障贝叶斯网络对特征进行融合,设计了贝叶斯分类器,通过最大后验概率准则识别故障类型。两次融合结果表明:多传感器信息完备了特征空间,提高了诊断正确率,能够有效实现齿轮泵多种故障的诊断,具有较好的应用价值。     

基于多指标模糊融合的滚动轴承诊断的最优频带解调方法

轴承运行时会产生较大的振动噪声,采用振动信号统计量指标可以识别其共振频带,并通过共振频带解调来提取故障特征信号。目前常用的峭度图等方法根据经验自顶向下粗略划分轴承振动频谱,而且采用单一指标识别共振频带,常常被噪声所干扰,因而鲁棒性不高。为了提高滚动轴承故障诊断的精度,提出一种多指标模糊融合的最优频带解调方法。采用自底向上的思路,以最小化代价函数为条件,通过细分振动频谱,将细分的频谱进行双向合并,可以提高频带划分的精度。在提出的方法中,代价函数由峭度、平滑因子、峰度系数等多个指标应用模糊贴近度方法进行数据融合构造,可以有效提高识别最优共振频带的鲁棒性。分别采用仿真信号和实际采集信号对所提出的方法进行测试,与现有的单指标方法相比,试验结果表明所提出的方法可以正确诊断滚动轴承的故障。     

基于时间信息融合的振动故障诊断方法

由于依靠一个状态的数据进行融合诊断存在误诊和漏诊的可能性,提出了一种基于时间信息的融合诊断方法,以小波分析和概率模型为分析手段,给出了基于时间信息融合的具体算法,并定义了故障定量判别的指标——故障度.通过转子故障模拟试验得到了大量数据,对故障实例的计算以及振动信号的分析结果表明,故障度能够有效地区分故障类别,提高了诊断的准确性.