基于信息融合技术的航空电子设备故障诊断研究

提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合,构建多个子模糊神经网络完成故障的局部诊断,以获得彼此独立的证据;然后应用Dempster-Shafe证据理论对各个证据进行决策融合,最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明,经过信息融合多级处理后,诊断结论的可信度明显增加,故障识别的正确率得到有效提高。     

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。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

基于信息融合技术的变压器故障诊断

利用变压器绝缘油中溶解气体分析,检测油浸式变压器内部早期故障,已经成为变压器监测的一种重要手段,以确保变压器的安全可靠运行,从而对变压器的定期维修方式转变为内部状态预知维修方式。以变压器油中溶解特征气体为基础,运用BP神经网络、Elman神经网络和概率神经网络对故障变压器进行初步诊断,再利用D-S证据理论进行数据信息融合来确定变压器的运行故障。     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。     

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．     

故障诊断中关联结果与专家知识的融合技术

故障诊断技术包括基于模型的诊断和基于知识的诊断。基于综合应用两方面技术进行诊断的信息融合的故障诊断技术为解决复杂诊断对象提供了解决思路，但其中涉及到要将数据关联的结果与专家的诊断知识相融合的技术关键。为解决这个关键技术，应用以证据理论为基础的证据推理方法和信息融合中的数据关联方法，将数据关联的结果转化为信任区间，与专家诊断知识进行动态的融合处理，进而提出将数据关联结果与专家知识相融合的方法。航天器故障诊断的实例说明，这种方法可以解决关联结果与诊断知识的融合问题，实际应用效果良好。     

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.     

集成神经网络信息融合在故障诊断中的应用

随着设备复杂性的提高，采用单子神经网络信息融合在故障诊断中已无法给出正确的判断。根据实际应用的需要，在讨论集成神经网络信息融合优点的基础上，提出一种集成神经网络信息融合的故障诊断方法，给出了它的组成结构、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工业CT系统中的驱动器故障诊断进行了仿真。该方法通用性强，为工业CT系统其它部件的故障诊断提供了较好的模型和方法。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

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。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

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…     

矿用主通风机故障预警及其软件开发

为准确确定通风机的故障、实现故障预警,提出了矿用主通风机的故障预警原理,并运用VC++6.0与Matcom4.5联合编程的方法,开发出了基于信息融合技术的通风机故障预警软件.该软件采用了BP神经网络与D-S证据理论相结合的信息融合技术,由BP神经网络完成特征频率到故障类型的非线性映射,根据D-S证据理论对多路信号进行融合分析;以OPC通讯方式与组态王运行系统进行通讯,实现了数据的采集与结论的返回.     

一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像, 提出了一种新的基于信息测度概念和Dempster Shafer(DS)证据理论的边缘检测算法. 利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征; 引入检测不确定性, 根据各信息测度响应分布设计基本可信度分配函数, 并利用DS合成规则加以融合; 融合后根据组合决策规则将像素分类成边缘与非边缘. 实验通过检测结果以及Pratt品质因数的分析比较, 表明该算法能够有效地区分边缘点和噪声点. 在低噪声情况下, 检测性能与传统检测方法相近; 而对于高强度噪声图像, 该方法具有较强的噪声免疫力.     

决策信息融合研究

提出了一种新的决策信息融合框架,引入效能概念作为决策信息融合的性能指标,借助神经网络的非线性映射能力,充分利用全状态信息离线建立了合理的决策准则,仿真结果验证了算法的有效性。