基于证据推理规则的信息融合故障诊断方法

本文针对不确定性故障特征信息的融合决策问题,给出基于证据推理(evidence reasoning,ER)规则的故障诊断方法.首先基于故障特征样本似然函数归一化的方法求取各传感器(信息源)提供的诊断证据;从传感器误差以及故障特征对各故障类型辨别能力的差异出发,给出获取诊断证据可靠性因子的方法;给出双目标优化模型训练得到诊断证据的重要性权重,最后利用ER规则融合经可靠性因子和重要性权重修正后的诊断证据,利用融合结果进行故障决策.该方法继承了Dempster-Shafer证据理论处理不确定性信息融合问题的优点,同时克服了它在实际应用中无法区分证据可靠性和重要性的不足,使得所获诊断证据更为客观、可信.最后,通过在多功能电机转子试验台上的故障诊断实验,验证了所提方法的有效性.     

故障诊断的信息融合方法

对基于信息融合的故障诊断方法进行综述．首先简要阐述信息融合的基本概念以及信息融合与故障诊断的关系;然后介绍贝叶斯定理融合故障诊断、模糊融合故障诊断、证据理论融合故障诊断、神经网络融合故障诊断和集成信息融合故障诊断方法的诊断原理与步骤。并分析其特点和局限性;最后给出了信息融合故障诊断研究的若干发展方向．     

基于证据理论的多信息融合故障诊断研究

针对列车智能控制系统故障诊断中的多故障特征信息输入时的时变、不确定性和空间分布性，从D-S证据理论的基本概念和证据的融合推理方法出发，提出了一种列车智能控制系统多信息融合故障诊断的系统结构。讨论了基于D-S证据理论的列车智能控制系统多信息融合故障诊断方法。故障诊断实例的结果表明该方法能够有效地提高诊断的可信度，减小诊断的不确定性。     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

一种基于多传感器信息融合的故障诊断方法

针对目前油气管道的预警与泄漏判断误报率和漏报率高的问题,采用一种基于多传感器信息融合的方法来进行诊断．考虑不同的传感器所测得的特征参数不同的特点,在数据融合的过程中采用加权融合,增加系统判断的准确性．实验结果证明了该方法的有效性．     

基于神经网络和证据理论的信息融合在故障诊断中的应用

针对电子设备故障诊断中数据处理量大,容错能力差,匹配冲突等问题,提出了基于神经网络、证据理论信息融合进行故障诊断的方法;首先,应用BP神经网络将特征提取后的信息进行特征级融合,实现了一定的数据压缩,然后,采用证据理论对不同的诊断结果组成的证据体进行决策级融合,减小故障诊断的不确定性,并解决各故障之间匹配冲突的问题;最后,以某型雷达I/O接口板为例说明了本文方法的有效性和实用性。     

基于改进证据融合的高可靠产品可靠性评估方法

对许多高可靠、高价值的产品进行可靠性评估时,常由于客观试验数据缺乏导致无法对产品可靠性进行准确评估。针对这个问题,为充分利用不同来源的可靠性信息,提出一种基于改进证据融合的高可靠产品可靠性评估方法。首先,结合可靠性工程特点,分别由各证据在信度层、决策层的一致性以及证据自身的不确定度来确定证据修正权重;其次,基于博弈论原理对各权重向量进行线性组合,从而得到最优综合权重;最后,利用Dempster组合规则融合修正后的证据,并通过Pignistic概率转化公式得到产品可靠性指标的概率分布,以完成产品可靠性评估。某电子设备的可靠度评估结果显示,所提方法相较于同样考虑多维权重修正的Jiang组合方法和Yang组合方法,赋予冲突区间的信度分别减小了69.6%、54.6%,赋予整个识别框架的信度分别减小了5.6%、3.7%。因此,在可靠性工程应用中,所提方法化解证据冲突、降低融合结果不确定性的表现优于对比方法,能够有效融合多源可靠性信息,提高产品可靠性评估结果可信度。     

基于证据理论的可靠性信息融合方法研究

在对大型客机、导弹、卫星等复杂系统进行可靠性评估时,由于可靠性试验代价昂贵且周期太长,导致可靠性现场试验数据很少,需要充分合理地利用各种来源和各种类型的验前信息,如专家经验、相关型号产品的试验信息及来自不同的试验环境和阶段的信息等,为提高可靠性和置信度的精度,运用Bayes小子样统计推断方法.但Bayes方法应用的一个关键问题就是验前分布的获取和表示问题,提出了利用修正证据组合规则融合多源验前信息的方法,并在融合验前分布的基础上对二项分布产品的可靠性进行了综合评估,并进行仿真,实例表明方法在工程实际中有效果,还可推广应用于其它分布类型的产品的可靠性评估.     

基于分层式证据推理的信息融合故障诊断方法

针对基于信息融合的故障诊断方法中,诊断证据的精细化获取问题和在线诊断信息量受限问题,提出分层式的证据推理(ER)诊断方法.在诊断证据获取过程中,给出故障特征参考值投点方法,按比例求取特征样本点对相邻参考值的相似度,生成点值型参考证据矩阵(REM)和在线故障特征样本的诊断证据,实现了诊断信息的精细化提取;在证据融合过程中,设计分层式ER融合模型.第1层融合中利用k-NN算法找到在线样本的近邻历史样本,然后利用ER规则实现在线样本与近邻历史样本对应证据的融合.在第2层融合中,将多个特征源提供的第1层融合结果再次融合,并根据两层融合所获证据进行故障决策;此外,在分层融合模型中,根据证据之间的欧氏距离构造目标函数及相应的证据重要性权重优化方法.最后,在多功能电机转子试验台上实施了故障诊断实验,与已有单层ER模型诊断结果进行比较,说明所提方法通过提升诊断证据的精确性、增加历史样本扩充诊断信息量,能够有效提升确诊率.     

信息融合在异步电动机故障诊断中的应用

针对传统异步电动机故障诊断方法中存在的局限性,在对异步电动机故障诊断的特点和要求研究的基础上,提出了一种基于D-S证据理论的信息融合的故障诊断方法。该方法将所采集异步电动机的电压、电流、绕组温度等特征信息构成理论中的证据,利用一定的决策规则,选择融合证据下最大假设,以判断系统状态,识别系统的故障。对该方法构成的诊断系统进行了仿真实验,结果表明其故障诊断快速、有效。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

基于D-S证据理论的无线发射机故障诊断方法

针对某无线发射机故障诊断中存在的问题,提出一种基于D-S证据理论的信息融合故障诊断方法.选择电压、功率、频率、幅度等参数作为发射机故障诊断的证据,运用模板匹配法获取基本概率赋值,避免了在小样本情况下应用D-S证据理论时基本概率难以分配的问题,减小了方法的主观性.利用基于可信度的证据合成方法进行融合处理,克服了应用传统D-S证据理论合成冲突证据出现悖论的问题,提高了诊断方法的抗干扰能力.实例验证结果表明该方法切实可行,为无线发射机故障诊断提供了一种新的思路.     

基于证据理论和混淆矩阵的传感器可靠性评估

在信息融合系统中,各传感器提供的信息不一定完全可靠,在融合前有必要对传感器的可靠性进行评估,进而对其提供的信息进行预处理。基于证据理论,在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出证据之间的关系对传感器可靠性进行评估;然后利用传感器的可靠性因子对证据进行折扣运算,实现对信息的预处理;最后利用Dempster组合规则进行融合。基于证据理论的融合识别算例表明,所提出的方法综合利用了传感器的先验信息和动态输出,可以较好地反映传感器的性能,并能够有效降低可靠性传感器的影响,具有较好的融合效果。     

改进D-S证据理论在电动汽车锂电池故障诊断中的应用

针对电动汽车电池系统的故障采用基于神经网络的改进D-S证据理论组合规则完成诊断过程。为了避免单一途径的诊断可能造成故障漏检误检的状况,决策层采用D-S证据理论组合规则来确定基于BP网络和RBF网络两种故障诊断算法结果。然而为了克服D-S证据理论处理高度冲突证据的缺陷,本文提出了一种基于神经网络改进的D-S证据理论组合规则。首先,采用神经网络对电池故障进行初步诊断,结合网络诊断准确率来分配不确定信息并构造证据体,又引入了证据间的支持矩阵来确定新的加权证据体。然后,把各个焦元的信任度融入D-S证据理论组合规则,从而融合神经网络证据体及新加权证据体。最后,依据决策准则确定锂电池系统的故障状态。通过仿真实验验证了本文提出的改进D-S证据理论融合诊断方法在电动汽车锂电池故障诊断中的有效性。     

一种证据距离量化及传感器可靠度确定的新方法

为解决传统传感器可靠度确定方法中存在的一定条件下证据间距离量化结果不合理的问题,基于信息粒度理论提出了一种新的证据距离--认知距离,并以此提出传感器可靠度的计算方法,用可靠度决定的折扣因子对证据进行折扣,最后使用DS证据理论对修正后的证据进行融合.仿真实验表明,与几种代表性的基于传感器可靠度的融合方法和证据理论及其改进方法对比,本文方法在不同情况下均具有良好性能.     

基于信息融合技术的电梯控制系统故障诊断*

针对电梯控制系统故障诊断困难及诊断准确率不高的问题提出一种基于信息融合技术的故障诊断方法。同时通过优化网络学习率与激活函数的倾斜度,对BP 神经网络进行改进,使得网络非线性分类能力更强,收敛效率更高。并利用电梯控制开关量信号和电梯运行模拟量参数作为神经网络分类器的特征,应用D-S证据理论合成法则将多个分类器的结果进行融合判决。使证据理论的基本可信度分配不再完全依赖专家进行主观化赋值,从而实现了赋值的客观化。该方法具有较高的稳健性和精确度。最后给出的实验结果验证了算法的有效性。     

基于D-S融合的电子电路故障诊断研究

根据电子电路故障元件诊断的不确定性问题,给出了多传感器D-S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数据信息,得出两传感器对各待诊断元件的信度函数分配。再利用D-S联合规则结合模糊逻辑理论,得到融合后的信度函数分配,从而确定故障元件。实验结果说明:多传感器融合算法具有较高的准确率。     

神经网络信息融合用于电梯故障诊断的研究

针对传统电梯故障诊断系统实时性有限、故障定位准确率低等问题,将多信息融合技术引入到电梯故障诊断中来,建立了基于模糊神经网络和D-S证据理论相结合的故障诊断模型。为了提高神经网络的训练速度和推广能力,采用了正则化算法对BP网络算法进行修改,并且利用D-S证据理论对神经网络的诊断结果进行决策融合,仿真结果表明了此方法有效地提高了故障诊断的准确率。     

基于证据可信度的综合目标识别方法

为了解决多传感器综合目标识别中不同等级信息源数据的融合问题,在研究D—S证据理论的基础上,引入证据可信度矩阵。依据可信度矩阵对证据进行转化,使之可以用传统的方法进行证据融合。将这种方法应用到等级不同的多传感器综合目标识别中,可以解决传统证据理论只能进行相同等级传感器目标识别的难题。仿真实验表明:该方法提高了目标识别的准确性和有效性。