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.     

神经网络信息融合技术在故障诊断中的应用

提出了一种某机舵面系统故障诊断的方法,针对多传感器融合的特点,将相关传感器的输出数据融合,应用神经网络的非线性拟合能力扩展相关信息,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恢复和诊断.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结构形式对于舵面常见的故障均能进行识别和告警,效果令人满意.     

信息融合技术在传感器故障诊断中的应用

研究了扭转材料试验机传感器的故障诊断系统,为提高传感器的故障诊断精度,在对诊断方案进行分析、研究、仿真、比较和验证的基础上,结合工程实际的特殊要求和相关经验,确定了最合适的一种--多传感器信息融合故障诊断方案.通过对传感器的故障建立数学模型并进行计算机仿真,仿真结果表明该故障检测方法对于材料试验机的传感器常见的故障均能进行识别和告警,效果令人满意.     

传感器故障的神经网络信息融合诊断方法􀀁

提出了一种控制系统传感器故障诊断的结构形式,针对多传感器系统的特点,将相关传感器的输出数据综合,应用神经网络的非线性拟合能力护展相关信息,信息融合诊断策略根据这些信息确定出故障传感器,同时对故障信号进行恢复。仿真实验表明该结构形式对于传感器的三种常见故障均能进行识别和恢复,效果令人满意。     

信息熵支持向量机算法传感器故障诊断研究

研究传感器系统故障诊断效率问题.针对传统故障诊断因传输信息大,速度慢,造成故障,定位不清.传统的方法提取的传感器系统特征信息不全面,导致诊断精度与速度不高.为有效提高传感器系统故障诊断的效率和精度,提出了一种能量信息熵的支持向量机系统故障诊断方法.故障主要难点技术问题在于参数选择优化问题.算法首先利用小波包对传感系统故障信号进行小波包分解,并提取小波包能量信息熵,以此构建输入特征向量;接着采用了支持向量机方法进行非线性特征向量提取,最后以特征向量来建立支持向量机智能化诊断模型.仿真结果表明,改进方法在所有参比模型中精度最高,能高效地对传感器故障进行检测与定位.具有较强的泛化能力,同时缩短了故障诊断时间.     

基于信息融合技术的某新型自行火炮发动机电控系统故障诊断

多传感器故障诊断过程中,由于多方面的原因,如测量噪声的存在、诊断知识的不完全等等,使得故障诊断存在着不确定性,影响到诊断结果的可靠性和准确度;通过分析某新型自行火炮发动机电控系统的故障特点,研究了一种基于BP神经网络及信息融合技术的多传感器故障诊断方法,将该自行火炮发动机电控系统的故障诊断过程分为子系统和系统级两级诊断,子系统采用BP神经网络实现故障模式分类,系统级运用D-S证据理论对整个系统故障进行综合决策评判;应用表明,在某个子神经网络识别存在差异的情况下,采用D-S证据理论进行融合可以有效地提高识别的准确性。     

压缩式垃圾车液压系统故障诊断方法研究

针对传统液压系统故障诊断方法诊断效率低、诊断精度不高等问题,以垃圾车液压系统为研究对象,提出了基于支持向量机的液压系统故障诊断方法.运用AMEsim软件建立垃圾车液压系统仿真模型、采集故障数据,利用故障数据建立支持向量机分类模型并进行参数寻优,最后利用分类模型对液压系统未知故障样本进行测试.仿真结果表明,上述函数和惩罚因子的选择对诊断精度影响较大;支持向量机诊断方法能更加有效提取液压系统故障信息,有更高的故障诊断精度和诊断效率.     

基于一组卡尔曼滤波器信息融合的故障诊断

为了能及时准确地诊断发动机的传感器和执行机构故障,文章提出了基于一组卡尔曼滤波器信息融合的方法进行故障诊断;首先根据传感器特性设计了一组滤波器用于传感器故障诊断、隔离,每个滤波器针对一个传感器进行设计;其次根据执行机构故障特性设计了一组卡尔曼滤波器进行执行机构偏差估计,从而对执行机构进行故障诊断、隔离;接着给出了传感器、执行机构信息融合的诊断方案;最后分别给传感器、执行机构添加故障进行方案验证,仿真结果得出在传感器或者执行机构任意部件出故障的情况下,该融合方法可以有效地诊断并隔离出有故障的传感器或者执行机构。     

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。     

超球SVM与证据理论在故障诊断中的应用

针对使用多传感器信息融合技术进行故障诊断时,故障模式较多、基本概率赋值难以确定的问题,提出一种基于超球支持向量机与D-S证据理论相结合的故障诊断方法。该方法使用超球支持向量机针对每一个传感器的故障空间训练分类模型,根据类内隶属度与类-类相似度得到各故障类别的基本概率赋值,利用D-S证据理论进行证据融合,基于信任函数进行故障决策。试验结果表明该方法提高了故障识别能力,有一定实践意义。     

多故障的奇偶方程-参数估计诊断方法

提出一种将奇偶方程与参数估计相结合的多故障诊断方法。构造了一种新的奇俩方程，其产生的残差仅对一个传感器故障和一个执行器故障敏感。将传感器和执行器故障模型表示成刘度因子和偏差的形式，应用卡尔曼滤没方法对各故障模型参数进行估计。某型号飞机控制系统的仿真结果表明，新方法能对传感器故障和执行器故障同时存在的线性系统进行诊断，有效地估计出各故障的模型参数。     

High-voltage equipment condition monitoring and diagnosis system based on information fusion

As high-voltage electric equipment has complex structure and works in harsh environments, fiber Bragg grating (FBG) sensors are applied to realize the real-time monitoring of some parameters in which temperature is the main parameter. Using FBG sensors to monitor temperature of high-voltage electric equipment can overcome the disadvantages of harsh monitoring environment such as high-voltage, big current, strong electromagnetic interference and so on. The fault of high-voltage electric equipment is difficult to be distinguished as there may be many different reasons. The traditional or simple methods cannot totally meet the demand of fault diagnosis of high-voltage electric equipment. First, taking neural network as a classifier to distinguish different fault types from complex fault information in the feature layer can supply a good foundation to final information fusion diagnosis. Second, Dempster–Shafer evidence theory is used to make a comprehensive diagnosis of fault information in the decision layer. All the uses above can increase the speed and accuracy of diagnosis and have practical significance. The fault diagnosis system shows good results and provides an effective way to realize the real-time condition monitoring and more accurate fault diagnosis of high-voltage electric equipment.     

基于广义回归神经网络的传感器故障诊断研究

针对诊断传感器偏置故障与漂移故障的难点问题,提出了一种基于广义回归神经网络(GRNN)的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立一组多输入单输出GRNN观测器,通过将观测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。仿真结果表明:该方法可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。     

Agent oriented intelligent fault diagnosis system using evidence theory

Multi sensors fusion is a very important process for fault diagnosis system. Information obtained from multi sensors need to be fused because no single sensor can get all the information for fault diagnosis. Moreover, information from different sensors may be uncertainty, inaccuracy, or even conflicting. Evidence theory can be used for information fusion, which is regarded as an extension form of Bayesian reasoning, but it has a better fusion result by simple reasoning process using belief function without knowing the prior probability. All the information collected from multi sensors in the system can be described as the evidence for diagnosis so that the fault diagnosis problem can then be modeled as a problem of evidence fusion and decision. In this paper, the classical Dempster-Shafer evidence theory is discussed, and the disadvantages of the combination rule are also analyzed. The notion of support degree of focal element is suggested in order to evaluate the conflicts between multi sensors. The new combination rule is then built to allocate the conflicted information from multi sensors based on the support degree of focal element. Furthermore, the decision rules for fault diagnosis are also proposed, as well as the architecture of the agent oriented intelligent fault diagnosis system. Finally, a case study is given to illustrate the performance of the proposed model.     

嵌入式系统在液压状态监测与智能故障诊断中的应用

针对国产地F元轨采矿设备液压系统故障率高,而其检测和故障诊断手段落后的背景,提出了一种基于嵌入式系统的液搓状态监测与智能故障诊断模型,陔故障诊断模型通过没置在液压系统中的多源异质传感器实时采集设备特征信息,并采用模糊神经网络来实现数据的融合处理,诊断结果通过界而友好的LCD显示,实现了故障状态的实时岭测和故障的智能诊断。通过该故障诊断模型,有效地解决了无轨采矿没备液搓系统故障率高而其检测和故障诊断手段落后的问题。提高了设备故障诊断的自动化和错能化．增强了设备的市场竞争力。     

基于信息融合原理的智能故障诊断模型

针对传统设备故障诊断方法中存在的局限性,文章在对设备智能故障原理和方法初步探索和研究的基础上,提出了基于信息融合原理的智能故障诊断方法。该方法利用多源异质传感器采集设备的各种特征信息,并采用模糊神经网络融合诊断中心作为诊断判决的执行机构,从而实现准确诊断设备故障诊断原因以及对设备运行工况进行态势评估的过程。并且通过对单传感器与多传感器信息融合诊断结果的对比表明多传感器信息融合诊断比单个传感器具有更高的准确性。     

基于差分进化交叉验证SVM的飞控系统传感器故障预测学习算法研究

参考现代飞行器故障检测结构,利用支持向量回归建立了飞控系统传感器的故障预测框架。该方案包括作动器,操纵面的传感器故障诊断模块,以解决故障趋势预测的问题。指出了如何采用SVM/SVR进行权值估计。提出采用差分进化改进原有的交叉验证方式,并且对核参数寻优以减少模型误差和提高SVR模型的泛化能力。最后结合飞行控制系统实时故障仿真证实了这种预测方法的可行性。     

飞机燃油系统传感器故障诊断方法研究

为了解决某飞机燃油系统传感器的故障检测与诊断问题,提出将小波分析法应用于飞机燃油系统传感器的故障诊断.通过传感器输出信号的一维离散小波变换,得到重构后的第一层细节系数.对该细节系数进行分析,可以精确定位故障点;进而分析传感器输出信号,可以判断出故障类型及故障程度.最后以该系统中油位传感器的故障诊断为例,利用地面半物理仿真试验中采集的现场数据,在Matlab环境下对该方法进行了有效性验证.