基于信息融合的柴油机故障诊断技术

针对传统柴油机故障诊断方法诊断准确率不高的问题，提出了一种多传感器信息融合的方法，将模糊神经网络与D—S证据理论结合起来，使两者优势互补；通过简化网络结构提高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，实现赋值的客观化；通过建立的多传感器信息融合系统对柴油机的故障进行识别，使不同的信息源相互补充，很好地建立故障与征兆之间的定量映射关系，获得对故障状态的最优估计和判决。     

基于神经网络信息融合的智能故障诊断方法

飞行状态时的飞机舵面故障诊断系统,含有系统和测量噪声及其时变、非线性等特点,采用常规的故障诊断方法很难实现对飞机舵面故障的准确诊断和告警,为了更好的实现对飞机舵面系统的故障诊断,将神经网络信息融合的智能故障诊断方法首次运用到舵面系统故障诊断中.该智能诊断方法应用神经网络的非线性拟合能力扩展舵面相关线位移传感器测量信息,同时采用D-S算法将相关传感器的输出信息进行融合,最后信息融合诊断策略根据这些信息确定出舵面相应的故障类型,从而可以对舵面故障信号进行有效识别和诊断.建立了某机舵面系统故障诊断的数学模型,并利用该模型对提出的智能故障诊断方法进行仿真验证,最后的仿真实验结果表明:该故障诊断结构形式对于舵面常见的故障能够进行识别和告警,诊断效果令人满意.     

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.     

基于信息融合的雷达发射设备故障快速诊断研究

利用单一信息对雷达发射设备进行故障检测和诊断时，可靠性和准确性低。针对雷达发射设备器件温度反映发射机工作性能明显的特点，提出了基于电传感器和温度传感器等多传感器信息融合的快速故障诊断方法。给出了故障诊断中信息融合的模型和算法，讨论了多传感器信息融合的雷达发射设备故障快速诊断系统的组成和简单工作原理。在提高复杂电子装备故障诊断可靠性和准确性上提供了一条有效途径。     

基于信息融合的舵回路故障诊断

对直升机舵回路常见的几种故障诊断时,传统的单信息诊断方法已经不能满足快速诊断需求.该文基于D-S证据理论,提出了利用测试信息、模型信息和历史信息等异类信息进行不解体融合诊断的方法,并分别采用灰关联分析法和重要度分析法为诊断信息构造基本可信度.根据舵回路的工作原理,建立实物系统进行故障模拟和诊断.实验结果表明,经过异类信息融合诊断后,显著地降低了故障诊断的不确定性,提高了故障模式的识别率,充分显示了利用信息融合进行诊断的有效性.     

基于机器学习的信息融合故障诊断模型研究

当前,机器故障问题日益增多,给生产发展带来极大不利.因此,对关键设备进行有针对性的实时监控和诊断,尽快发现各种设备存在的问题,从而去防止机器故障的发生,而这也成为故障诊断系统面临和解决的首要问题.该文就故障诊断问题,在机器学习的基础上研究信息融合故障诊断模型,来实现机器故障的智能诊断与决策,帮助人们发现机器存在的问题,...     

多源信息融合在故障诊断技术中的应用研究

从数据源的空间表示和信息源的可计算性两个方面阐述了信息融合应用于故障诊断的数学基础,然后引入信息论中有关“熵”、“条件熵”、“平均条件熵”和“互信息”等概念,从信息论的角度证明了信息融合在故障诊断中的有效性和实用性。最后结合信息融合技术与装备故障诊断实践,给出了具有通用性的信息融合故障诊断的模型框架。     

基于主成分分析的多源特征融合故障诊断方法

目前故障诊断的实际应用中,因噪声的千扰,基于单传感器的故障诊断稳定性较差,很难达到满意的诊断精确度。提出了一种多传感器多特征数据融合的故障诊断方法。该方法利用多传感器从不同部位获取同一部件的运行状况,并通过构建多源特征融合模型,提高特征信息的抗干扰性,最后通过融合特征信息来完成部件的故障诊断。在将新方法应用于滚动轴承故障诊断的试验中,可以看到新方法能够获得较好的性能,比基于单传感器故障诊断的精确度更高。     

基于自组织神经网络的信息融合在故障诊断中的应用

提出了一种用于某机舵面系统故障诊断的方法．应用自组织神经网络的非线性拟合能力扩展相关传感器的测量信息,采用D-S证据论算法将相关传感器的输出信息进行融合．信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行识别．建立了某机舵面系统故障诊断的数学模型,并进行了计算机仿真．仿真实验结果表明,该故障诊断结构形式能够对舵面常见故障进行有效的识别和告警,显著地降低了故障诊断的不确定性,提高了故障模式的识别率．     

应用决策层信息融合的模拟电路故障诊断实现

研究了基于多类电量测试信息及其多诊断方法融合的模拟电路故障诊断。获取可及节点电压,运用K故障诊断法进行故障在线检测与初步定位,再离线测量电路在不同的测试频率下输出对输入的增益,运用最小标准差法进行诊断。由所提故障隶属函数得到基于各类测试信息的元件故障隶属度,以此计算D-S证据理论中各传感器的信度函数分配,再运用D—S合成法则实现融合诊断。模拟实验结果表明：所提融合诊断方法大大提高了故障定位的准确率。     

基于信息融合技术的汽轮机故障诊断方法

针对单个神经网络的不足,以信息融合技术为基础,建立了集成神经网络故障诊断系统。该系统采用子神经网络从不同侧面对设备进行初步诊断,然后将各子神经网络进行决策融合。通过对汽轮发电机组的应用仿真,说明该系统充分利用了各种信息,提高了确诊率。     

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。     

基于信息融合和神经网络的模拟电路故障诊断方法研究

随着电子技术的飞速发展,各类装备设备的集成化程度越来越高,由于系统构成的复杂性和操作环境的多样性,装备设备电路故障的复杂性、模糊性给维修保障带来极大挑战,针对装备设备中的模拟电路故障诊断问题,提出了一种基于信息融合和神经网络的模拟电路故障诊断方法;分析证明该方法可提高模拟电路故障诊断效率,有效提高模拟电路智能化诊断水平。     

基于支持向量机的信息融合模拟电路故障诊断方法研究

为提高模拟电路故障诊断效率,克服依据单一信息进行诊断的不足,提出了一种支持向量机信息融合的模拟电路故障诊断方法;首先构建了基于支持向量机的信息融合诊断模型,其次给出了基于小波包变换的能量特征提取和基于主元分析特征压缩方法,分析了支持向量机一对一多分类方法,最后通过模拟电路的仿真实验,与未进行信息融合,以及BP、RBF和PNN等神经网络对比,结果显示,基于支持向量机信息融合方法的诊断精度最高,约为97.3%。     

基于信息融合的电力变压器故障诊断

电力变压器故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。把信息融合引入变压器故障诊断中,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型。对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位,提高故障诊断结果的准确性,最大限度地减小不确定性。     

基于信息熵和信息融合的直肠压力信息分类分析

为重建肛门失禁患者的直肠感知功能,设计了一种新型的人工肛门括约肌;针对采集的直肠压力活动信号,利用小波分析在时域-频域提取其信息熵特征,并进行了信息熵特征提取实验;实验表明,信息熵特征对不同的信号具有较好的分类能力。利用提取的直肠压力信息熵特征,基于决策级信息融合方法构建直肠感知功能预测模型;最后通过仿真实验,验证了此预测模型在不同信噪比下都具有较高的预测准确率,能够重建患者直肠感知功能,预测患者排便时间。     

基于标量加权信息融合的智能故障诊断方法研究

为了满足生产过程中越来越复杂的系统,多传感器逐渐被引入到了故障诊断系统中,多个传感器的应用,使得故障诊断更加及时迅速.本文基于标量加权的线性最小方差最优信息融合算法,对多传感器离散线性随机系统,给出一种分布式标量加权信息融合Kalman滤波器,并在故障诊断中应用,通过仿真例子验证算法的有效性.     

基于信息融合的空间站自主故障诊断技术研究

基于信息融合的基本思想及相关技术,提出了将信息融合技术用于空间站自主故障诊断的问题。从空间站自主性对故障诊断技术的需求出发,对融合诊断系统应有的层次划分、融合的内容及其关系进行研究,进而给出系统的基本结构模型。     

基于信息融合技术的瓦斯传感器故障诊断研究

文章提出了将基于RBF网络的信息融合技术应用于瓦斯传感器故障诊断的思想。该思想的核心是通过对影响测点瓦斯浓度的各种相关信息融合,利用高精度RBF网络逼近器的输出与瓦斯传感器实际的输出之差与设定的阈值比较,实现瓦斯传感器故障的监测诊断。试验表明该技术能对瓦斯传感器进行有效的状态监测和故障诊断。     

一种基于模糊神经网络的融合故障诊断方法

通过构造模糊神经网络分类器,将基于模糊神经网络的数据融合方法引入到故障诊断中。通过在机组中设置温度传感器测量冷却介质进口温差、定子温度、冷却介质出口温差等模拟量,并求出各传感器对故障的隶属度,然后通过基于信息融合故障诊断算法确定故障原因,并且通过单传感器与多传感器融合结果的对比表明,多传感器数据融合诊断比单个传感器具有更高的准确性。