基于信息融合的煤矿主通风机振动故障诊断方法

为了解决煤矿主通风机振动故障诊断方法故障诊断准确率低,数据分析详细程度差的问题,提出了一种基于信息融合的新的煤矿主通风机振动故障诊断方法,该方法分为三个步骤进行,首先对收集的煤矿主通风机数据进行系统组合,规范数据类别,并按照相同的类别进行数据传输,完善系统内部传输性能;接着以组合的数据作为标准进行故障数据准则设置操作,检测故障参数,根据理论性原则对检测函数进行选择,优化系统内部结构;最后,按照系统要求的数据操作方法将相关的数据进行整合,实施故障数据诊断操作,管理数据存在方式,达到对煤矿主通风机振动故障诊断的目的。实验结果表明,相较于传统煤矿主通风机振动故障诊断方法,所提方法能够在较高程度上提高系统数据操作效率,提升内部监测装置的管理性能,能够更好地为使用者提高服务。     

基于信息融合的异步电动机故障迹象智能预测系统的研究

异步电动机故障机理较复杂,利用单个信息只能判断异步电动机系统可能在某些方面有故障征兆,结论具有一定的不确定性,特别是异步电动机在早期有劣化迹象时,各个方面的表现都比较弱,需要全面综合众多信息进行有效融合。针对上述问题,提出了一种基于信息融合的异步电动机故障迹象智能预测系统的设计方案,分析了D-S证据理论的原理,并在其基础上给出了基于单个信息和基于多个信息融合的异步电动机故障诊断结果。实际应用表明,该系统具有一定的有效性。     

煤矿主通风机选型系统的设计

煤矿主通风机是煤矿最重要的机电设备之一 ,煤矿主通风机选型是否准确 ,对煤矿生产具有重要意义。以往煤矿主通风机选型都是靠人工计算 ,选型不准确、速度慢 ,不能很好地满足煤矿通风的要求。笔者根据煤矿的需要 ,利用先进的软件设计方法和可视化编程工具开发了煤矿主通风机选型软件 ,大大加快了选型的速度和提高了选型的准确度 ,很好地满足了煤矿通风的需要。     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

应用信息融合技术实现矿井电网故障选线

文章提出了一种基于信息融合技术的故障选线新方法。该方法不受消弧线圈的影响,选用故障时的稳态量、奇异量、暂态量作为故障特征向量,运用D-S证据理论将3种故障信息转换为多判据,采用迭代算法对各判据进行有机融合,使选线结果聚焦到各判据的共同支持点上,提高了选线的准确性。该方法通用性好,尤其适用于矿井供电网络。仿真实例证实了该方法的有效性。     

基于异类信息融合的模拟电路故障诊断方法

针对模拟电路故障诊断中存在的可测节点电压信息不足、单一信息不能表征所有故障状态等问题,提出了一种基于神经网络和D-S证据理论的模拟电路异类信息融合故障诊断方法.该方法首先提取两类故障信息并分别将其输入不同的神经网络对其进行初步诊断,并得到各自的诊断结果,然后根据初步诊断结果,运用D-S证据理论对其进行融合,做出最终决策.     

信息融合在飞行器智能健康诊断中的应用

提出了一种基于经验模态分析(Empirical mode decomposition,EMD)和D-S证据相结合的飞行器健康诊断方法.该方法首先对由声发射传感器募集到的飞行器关键结构部件原始声发射信号进行EMD,得到多个内禀模态分量,选取内禀模态能量构建声发射信号的特征向量,并分别采用模糊神经网络、GRNN网络和Elman神经网络对提取出的特征向量进行分类,最后运用D-S证据理论进行决策融合,对飞行器的健康状态进行诊断.实验表明,运用此方法对某型号真实飞行器关键结构部件的健康状态进行诊断,可以得到很好放入诊断结果.与单分类器相比,采用D-S证据理论进行决策融合有效地提高了故障诊断的精度.     

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。     

信息融合技术在多Agent故障诊断中的应用

由于分布式多Agent故障诊断系统中各Agent知识和经验的限制,提供的结果和可信度将有所不同而很难得到一个正确解。所以在信息融合技术的基础上,提出了解决这类问题的四种信息融合方法。模糊信息融合方法、贝叶斯信息型融合方法、D—S证据理论信息融合方法和可信度信息融合方法。这些信息融合方法功能互补、相互配合协助多Agent故障诊断专家系统将来自不同Agent的、带有差异的结果进行融合,使融合后的结果比单个Agent的诊断结果可信度更高,从而提高故障诊断专家系统诊断结果正确率。     

基于信息融合的井下风险评估方法分析

随着近年来国家对煤矿安全的关注不断增强和煤矿信息化建设的发展,针对煤矿井下环境安全性评估和风险预测,提出了一种以信息融合理论为基础,利用Dempster—Shafer证据理论和粗糙集方法进行信息处理,解决煤矿对环境评估的不确定性和不精确性等问题,并综合考虑煤矿井下环境复杂性的特点,使用多传感器相关参数,实现了对井下多种信息的融合和算法的优化.该方法整体上提高了煤矿环境评估的有效性和监测数据的可靠性,并实现了对井下安全趋势的预测。     

基于Web服务的煤矿通风机远程故障诊断系统研究

根据实践中煤矿通风机故障诊断的需求,研究了基于Web服务的煤矿通风机远程故障诊断系统的总体结构和系统的工作原理.系统由数据采集单元、客户方局域网、远程诊断中心与其它诊断资源组成.整套系统以远程诊断中心为核心,通过诊断中心发布Web服务,客户方上位机调用Web服务,实现上位机与诊断中心的连接,实现对故障通风机的远程诊断.     

D-S证据理论信息融合在故障诊断中的应用

介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.     

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。     

基于多传感器数据融合技术的电子设备故障诊断

针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。     

信息融合技术在变频调速系统故障诊断中的应用

针对变频调速系统中常用的电动机故障诊断方法难以准确判断故障类型的问题,提出了一种基于多传感器信息融合的电动机断条故障诊断方法。该方法通过小波包分析提取电动机断条故障特征信息,然后利用D-S证据理论融合计算故障特征信息以进行故障识别。诊断测试试验表明,该方法提高了电动机故障诊断的精度,并能满足诊断的实时性要求。     

信息融合在带式输送机故障诊断中的应用

针对带式输送机输送距离长、运量大、速度快等特点,为克服带式输送机系统的复杂性和单一传感器很难判断出故障所在,在分析D-S证据理论信息融合算法的基础上,将信息融合技术应用于带式输送机故障诊断中,实现多个传感器采集并充分利用多个传感器资源,提高故障诊断率。仿真结果表明,该方法能准确诊断出系统的故障,有效克服单个信息源的主观性,使故障检测误报率降低,提高检测系统的可靠性。