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。     

轴承故障的多源异构数据特征级融合诊断方法

为了实现轴承多源异构故障数据的特征融合,达到提高故障诊断精度的目的 ,提出了基于深度神经网络的多源故障特征融合方法.介绍了堆叠自编码器和卷积神经网络原理;使用堆叠自编码器提取了一维振动数据的故障特征,使用卷积神经网络提取了二维图像数据的故障特征;为了充分发挥多源异构故障数据的关联性和互补性,使用深度神经网络将一维数据特征和二维数据特征进行交替优化和融合,提取更加能够反映故障特性的隐藏融合特征.以凯斯西储大学轴承故障数据为基础设计了三组实验,由实验结果可以看出,基于融合特征的故障诊断精度比单独使用一维数据特征或二维数据特征的诊断精度高10％以上,充分证明了基于多源异构特征融合故障诊断方法的有效性.     

基于SVM和证据理论的多数据融合故障诊断方法

针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用"一对一"多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。     

基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

多传感器信息融合的燃气轮机状态监测系统

为了克服单源传感器在燃气轮机状态监测与故障诊断中存在的局限性,在研究基于多传感器信息融合原理的基础上,开发一种燃气轮机状态监测及故障诊断系统。利用系统设置的多传感器信息融合结构模型,对多源传感器采集的信息进行预处理及特征征兆提取,并应用故障诊断综合评判规则对所有提取的有效信息进行故障决策。通过对某海上石油作业区的燃气轮机发电机组进行运行状态测试,获取比单源传感器系统更为可靠和全面诊断结论,具有更强的工程应用价值。     

基于D-S证据理论技术的发动机转子故障诊断

从D-S证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,将信息融合思想引入到故障诊断领域,并应用D-S证据理论方法,解决在多传感器条件下的数据融合问题.最后,给出了一个发动机转子多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性.     

基于改进证据理论的齿轮泵故障诊断方法研究

针对多源传感器信息的不确定性,提出了一种基于改进证据理论的故障诊断方法.首先定义了证据向量的夹角余弦,提出了冲突证据判定法则,对证据进行冲突性判定;然后建立二级鲁棒融合策略,通过RBF神经网络进行特征层融合,经过训练产生初始证据,应用冲突证据判定法则找出冲突证据并利用相似度对其进行局部修正;最后对证据进行融合和诊断.通过齿轮泵振动试验,将此方法与神经网络、传统证据理论和其他代表性改进方法的诊断结果进行对比,验证了新方法和融合策略的有效性.     

基于多传感器融合信息的故障诊断

研究了多传感器信息融合技术应用于复杂设备系统状态监测和故障诊断的方法。简述了多传感器信息决策层融合及 Dempster- Shafer证据理论的基本内涵 ,研究了基于 Dem pster- Shafer证据理论的决策层信息融合进行状态监测和故障诊断的算法 ,利用这一方法对柴油机的工作过程多种故障进行了诊断识别应用 ,其分析结果表明 ,该方法可有效地提高柴油机故障诊断的准确性和可靠性。     

基于多源信息融合的风电机组轴承故障诊断方法

在风电机组滚动轴承故障诊断中,采用单个传感器所能提供的信息有限,针对这一问题,为了提取输入原始信号的多尺度特征以保证故障信息的有效性和完整性,同时为了提高信息融合的效率及有效性,提出了一种基于多源信息融合注意力机制卷积神经网络(MSIF-ACNN)的风电机组滚动轴承故障诊断方法。首先,提出了一种将普通卷积与空洞卷积相结合的融合卷积方法,对原始时域信号进行了多尺度特征提取;其次,采用双层通道和空间注意力机制方法,对不同通道数据进行了自适应校准与权重分配;对注意力机制输出的多源信息进行了特征融合;最后,为了验证该多源信息融合方法的有效性,采用由全连接层与分类层组成的分类方法,对实际风电机组轴承数据进行了试验验证。试验及研究结果表明：不同位置和方向传感器对不同故障的敏感性存在差异,MSIF-ACNN通过有效地利用这种差异,实现了多源信息特征互补的目的,风电机组滚动轴承故障诊断准确率达到了96.7%,效果优于其他多源信息诊断模型,促进了信息融合在风电机组轴承故障诊断领域的应用。     

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。     

基于多源数据融合的电力系统故障诊断与评估平台开发

针对当前电力系统故障数据和信息分布在不同安全分区的问题,对符合安全防护规定的跨安全分区数据分类、关联和融合技术进行了研究,提出了基于多源数据融合的电力系统主网和配网故障智能诊断技术。在主网诊断过程中,充分利用故障状态量、电气量和时序信息等数据,并结合气象等外部要素情况,分析了故障原因;在配网评估过程中,综合利用电力生产管理系统(PMS)、调度管理系统(OMS)以及能量管理系统(EMS)的海量数据,发展了基于规则推理的配网故障诊断评估技术。并根据江苏电力系统实际情况,侧重电网运行信息、设备状态信息和环境监测信息深度融合与综合应用,开展了基于多源数据融合的电网故障诊断平台研究以及故障辅助分析系统的研制。研究结果表明:该系统综合利用了多源数据的冗余信息,可更快速和准确地实现故障智能诊断。     

Multi-agent decision fusion for motor fault diagnosis

Improvement of recognition rate is ultimate aim for fault diagnosis researchers using pattern recognition techniques. However, the unique recognition method can only recognise a limited classification capability which is insufficient for real-life application. An ongoing strategy is the decision fusion techniques. In order to avoid the shortage of single information source coupled with unique decision method, a new approach is required to obtain better results. This paper proposes a decision fusion system for fault diagnosis, which integrates data sources from different types of sensors and decisions of multiple classifiers. First, non-commensurate sensor data sets are combined using an improved sensor fusion method at a decision level by using relativity theory. The generated decision vectors are then selected based on correlation measure of classifiers in order to find an optimal sequence of classifiers fusion, which can lead to the best fusion performance. Finally, multi-agent classifiers fusion algorithm is employed as the core of the whole fault diagnosis system. The efficiency of the proposed system was demonstrated through fault diagnosis of induction motors. The experimental results show that this system can lead to super performance when compared with the best individual classifier with single-source data.     

变压器故障诊断中数据融合技术的研究

本文介绍了信息融合的基本特点、融合系统的构成及关键技术;分析了融合技术处理多源信息的能力,将数据融合技术与故障诊断原理融为一体,实现了基于数据融合技术的变压器故障诊断,提高了变压器故障诊断的确诊率。     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明：该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。     

基于粗集理论的往复泵泵阀故障诊断方法

提出了一种基于粗集理论的往复泵泵阀故障诊断方法。该方法可以直接从经过小波包处理的泵阀振动信号中提取故障诊断观测，并由此建立基于规则的泵阀故障诊断系统，该系统不仅可以对发生故障的单个泵阀进行诊断，而且还能对同时发生故障的多个泵阀进行诊断，试验结果表明了这种方法的有效性。这种方法的可行性也为其它复杂机械的故障诊断提供了新思路。     

Rough set based rule learning and fuzzy classification of wavelet features for fault diagnosis of monoblock centrifugal pump

The fault diagnosis problem is conceived as a classification problem. In the present study, vibration signals are used for fault diagnosis of centrifugal pumps using wavelet analysis. Rough set theory is applied to generate the rules from the vibration signals. Based on the strength of the rules the faults are identified. The different faults considered for this study are: pump at good condition, cavitation, pump with faulty impeller, pump with faulty bearing and pump with both faulty bearing and impeller. However, the classification accuracy is based on the strength and number of rules generated using rough set theory. Wavelet features are computed using Discrete Wavelet Transform (DWT) from the vibration signals and rules are generated using rough sets and classified using fuzzy logic. The results are presented in the form of confusion matrix which shows the classification capability of wavelet features with rough set and fuzzy logic for fault diagnosis of monoblock centrifugal pump.     

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。     

基于加权D—S证据理论信息融合的故障诊断方法及其应用

针对新产品因故障概率数据掌握不充分使其故障诊断较为困难的问题,提出了一种基于加权D—S证据理论多源信息融合的故障诊断方法。该方法采用D-S证据融合,解决了缺乏故障概率分布模型或准确数学分析无效的问题,引入加权Ds证据理论融合方法进行故障诊断,用历史故障估计的正确率作为确定信息源当前检测估计值的置信程度调整,实现了故障诊断的历史数据对当前诊断结果的修正。对新型船舶气象仪故障诊断结果表明,该方法在故障概率和故障经验知识掌握不充分时,实现故障诊断是非常有效的。     

神经网络和证据理论融合的故障诊断方法研究

针对传统故障诊断方法存在的诊断准确率不高的问题，利用数据融合原理，将神经网络和证据理论进行有机结合，使两者优势互补，提出了神经网络和证据理论融合的故障诊断方法。通过简化网络结构提高了局部诊断网络的诊断能力，并使证据理论的基本可信度分配不再完全依赖专家进行的主观化赋值，从而实现了赋值的客观化。充分利用各种故障的冗余和互补信息，显著提高了故障诊断的准确率。在材料试验机伺服系统的液压泵上进行了模拟故障诊断试验，验证了该方法的有效性。