信息融合技术在火灾探测中的应用

为解决火灾探测问题,采用基于推理的信息融合方法,分析了Dempster-shafer证据理论用于多传感器数据融合的基本概念和理论,并将它用于火灾探测的数据融合中。在数据处理方法上,结合具体应用背景,借助专家数据库知识,构造初始概率分配函数,产生每条证据的信度函数分配。在融合规则上,采用改进的融合规则对多条证据进行数据融合。融合结果鲁棒性强,有效地解决了传感器数据失效及证据冲突等问题。     

油料装备故障智能诊断平台研究

为了解决油料装备故障智能诊断问题,构建由平台支持层、技术支持层、数据层和应用层组成的故障智能诊断平台.应用模糊神经网络、专家系统、微粒群优化算法和证据理论作为智能融合工具,对检测数据实现数据级、特征级和决策级三级数据融合,借助数据间互补信息,降低检测数据误差,消除冗余信息.建立基于案例推理CBR和规则推理RBR的故障诊断集成推理机.将最近邻方法与灰色关联理论相结合,提出分层检索匹配算法.     

证据理论用于导弹决策级故障融合诊断问题探讨

基于融合的故障诊断技术是近年来针对复杂系统故障诊断需要发展起来的一种新的技术方法,其中决策级故障诊断主要是针对故障的决策内容研究解决融合诊断的方法,其建模及表征方法与特征级融合有相当不同。以导弹为应用对象,对Dempster-Shafer证据理论应用于导弹决策级故障融合诊断的有效性进行讨论,指出冲突证据融合、冲突衡量及证据聚类是应用中需要解决的3个关键问题;探讨了问题的解决方法,给出了相关建议。     

基于条件证据的信息融合故障诊断方法

该文基于观测信息与先验信息和谐的思想,结合条件证据理论,提出了一种融合先验信息的故障诊断方法。首先将传感器获取的关于设备运行状态的观测数据,通过模糊信息的随机集表示方法转化为D-S证据的随机集形式;然后计算所得证据与先验信息之间的和谐度,最后利用条件证据理论将需要融合的证据进行组合,从而做出诊断决策。该方法可在复杂运行环境下充分利用各种信息,提高故障诊断的可靠性。     

基于条件证据理论的雷达辐射源识别方法

基于观测证据与先验信息和谐的思想。利用条件证据理论。提出了一种融合先验信息的雷达辐射源识别方法，首先将雷达辐射源观测数据通过灰关联分析表示为D-S数据的随机集形式。然后计算观测证据与先验知识之间的和谐度。最后利用条件证据理论将需要融合的证据进行组合，该方法可在复杂战场环境下充分利用不同来源的信息，提高雷达识别的可靠性。     

基于知识的故障诊断方法综述

在简单介绍故障诊断理论的基础上，重点评述了基于知识的故障诊断方法发展状况，将其分为5大类，即专家系统故障诊断方法；模糊故障诊断方法；故障树故障诊断方法；神经网络故障诊断方法和数据融合故障诊断方法。对每类方法均介绍了它的诊断原理与步骤，分析了它的特点及局限性，最后指出了这一领域中有待进一步研究的若干问题和发展趋势。     

基于信息融合的故障诊断模糊专家系统的应用

随着设备故障复杂性的提高,以往所采用的专家系统故障诊断方法已无法给出准确的判断。根据实际应用的需要,提出了一种基于信息融合思想的模糊理论与专家系统相融合的方法来解决电厂设备的故障诊断问题。在吉林丰满水电数字仿真系统中的应用表明:该融合系统由于采用多传感器对设备进行在线监测,所以比传统诊断方法减少了错判和漏判的几率,增加了对判的比率。该方法简单易行,具有较强的通用性。为电厂的故障诊断提供了较好的模型和方法,具有很高的实际应用价值。     

数据融合故障诊断系统模型及其应用

系统的故障诊断问题是一种多知识源问题,反映系统状态的信息有时十分广泛。为对技术系统的故障诊断问题做出更精确、更完全的估计和判决,利用数据融合技术具有分析和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,形成基于数据融合技术的故障原理,并提出数据融合故障诊断系统模型。数据融合模型分成三级结构:原始信息融合层、特征融合层、决策融合层。每一级内部又有相应子结构。前两层主要对输入信息进行预处理和特征提取,第三层主要对特征信息进行全局决策。通过将Bayes决策理论纳入DFFDSM和时空融合方法的两个例子,说明DFFDSM是一种适应性较好的模型,具有结构清晰、简单的特点。     

基于信息熵与判断矩阵的D-S证据理论改进方法在故障诊断中的应用

针对凭借单一的证据很难进行科学故障诊断的实际情况,提出基于Dempster-Shafer证据理论进行多源信息融合的故障诊断方法.由于D-S证据理论合成公式存在不足,针对各证据的重要性不同,提出了一种将信息熵与判断矩阵一致性相结合对各证据进行加权赋值,并对其进行加权调整的方法,应用D-S证据理论合成公式对加权调整后的证据进行决策级融合.此种方法将主观因素与客观因素相结合.实例分析结果表明:融合结果提高了置信度,降低了不确定性,显著提高了故障诊断的科学性,具有理论与应用价值.     

信息融合技术在带式输送机故障诊断中的应用

针对带式输送机故障诊断过程中存在的不足,利用信息融合技术在故障诊断中的应用,有效地进行带式输送机的故障诊断.详细论述了将基于多种信息融合方法应用在输送机上,说明信息融合技术在带式输送机故障诊断分析中的有效性,为信息融合技术在输送机上的应用提供借鉴.     

基于改进的BP网络的D-S证据理论及其应用

目前,D-S证据理论凭借自身独特的处理不确定性问题能力,已在众多领域得到了广泛的应用。命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一,将改进的BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力。建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法。最后,仿真实验表明该模型可行。     

D-S多Agent飞行器结构系统早期故障智能诊断

将D-S证据理论与多A gent相结合,建立了飞行器结构系统早期故障智能诊断模型,对其实现策略、D-S融合推理算法等进行了分析和研究,并以空间飞行器防热系统为例说明了该方法的有效性。结果表明,该方法具有结构简单、组态灵活、推理速度快等特点,能够有效地对飞行器早期故障实施快速诊断,为保障飞行器安全可靠飞行提供了一种新的技术途径。     

修正的D-S证据理论在液压故障诊断中的应用

针对液压系统出现故障隐蔽性强、可变性强的问题,给出基于修正的D-S（Dempster-Shafer）证据理论的多传感器时空域信息融合方法。通过测试待诊断部分的压力、温度、流量并结合经验值,得到各部分信度函数分配,根据D-S组合、决策规则,对多个传感器多个测量周期的时空域信息进行融合,识别出故障部分。实验表明：该方法在证据高度冲突时仍有效果并有效防止了指数爆炸现象,算法简单,能准确定位故障。     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

基于多级信息融合的转台故障诊断系统研究

根据转台系统复杂的结构特点,提出了一种多级信息融合的故障诊断方法.首先针对来自各子系统的多传感器信息,应用神经网络进行局部故障模式分类;然后,将多个子系统诊断结果应用D-S证据理论加以综合,给出系统级的故障诊断决策.实验表明,该方法在复杂系统故障模式分类和不确定性推理具有较强的处理能力,能有效地提高故障诊断的可靠性和准确度.     

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.     

基于多源信息融合的变压器检测与评估技术

传统电力变压器状态检测大多针对单类传感器获得的数据进行处理,忽视了不同传感器之间的潜在联系,导致误判时常发生。为了避免信息孤岛,高效利用多源信息,根据多源信息的差异和互补性,将不同来源、不同模式的多类传感器信息进行多级别、多方面、多层次的信息检测,以获得电力变压器故障状态和特征估计,进而实现被测电力变压器故障态势的精确描述。首先,设计了多维状态参量的带通滤波器、能级放大及脉络检波等信息处理电路,有效提高了传感信息精确度。其次,建立基于信息融合的变压器健康状态评估模型,提高了系统整体的在线检测水平和故障诊断能力。最后,利用多源信息融合模型,验证了该方案的可行性和优越性。     

利用CAN总线的在线故障诊断专家系统的实现

为了能更快速、准确的诊断出武器系统的故障,将CAN总线应用到某武器系统.构建一种基于CAN总线的在线故障诊断专家系统.此系统能通过CAN总线直接获取武器系统的自检信息和在线检测信息,并根据相应信息,利用故障诊断专家系统,对知识库进行搜索匹配,诊断推理,得出故障诊断结论,并给出相应的排除故障的措施和维修意见.实践表明该系统提高了某武器系统的故障诊断效率和正确率.     

基于总线观测的微机故障诊断专家系统研究

采用与或树、产生式规则和DBMS相结合的知识表示方法建立专家系统。论述了基于总线观测的知识获取与诊断方法,提出了基于总线观测的可测性分析方法和故障信息的相关性分析方法。该方法为总线测试信息的有效性及故障搜索策略的生成与优化提供了分析和判断依据,使系统有较高的推理效率和诊断分辨率。     

嵌入式装备故障诊断专家系统

为了提高故障诊断专家系统的工作效能和可移动性,通过分析基于故障树进行故障诊断的过程,在设备中嵌入数据采集模块,使用故障征兆表的方式进行故障诊断,在嵌入式Linux操作系统上开发了便携式诊断客户端．维修人员根据嵌入在装备中的诊断Agent输出信号直接判断该装备工作是否正常,通过诊断客户端对装备故障信息进行推理判断,快速定位装备的故障源．嵌入式故障诊断专家系统将数据采集功能和知识库的推理功能有效地结合起来,使得维修人员能够陕速、高效地对设备进行诊断维修．