基于多传感器的神经网络和D-S证据理论在故障诊断中的应用

为提高滚动轴承故障诊断的准确性,本文提出了一种基于多传感器神经网络和D-S证据理论的故障诊断方法,并通过包含3个传感器的监测数据融合对模型进行了验证.首先,利用两个加速度传感器和一个声传感器采集滚动轴承的振动信号和噪声信号.其次,分别对两个加速度传感器的振动信号进行总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)得到各固有模态函数(Intrinsic Mode Function,IMF)分量,并提取各IMF分量的能量特征作为子网络1和子网络2的输入参数;同时,对声传感器的噪声信号进行小波包分解提取各频段能量特征作为子网络3的输入参数;3个子网络的局部诊断结果归一化处理得到各自独立的证据体,对冲突证据加权修正并运用D-S证据理论进行决策级的信息融合得出最终的故障诊断结果.实验结果表明:该方法可有效提高滚动轴承故障诊断的准确率,降低故障诊断的不确定性.     

多传感器信息融合在电机故障诊断中的应用

为了提高电机故障诊断的准确性,引入一种多传感器信息融合的诊断方法。将多个传感器所采集的转子振动频谱信号处理后,利用蚁群神经网络进行故障局部诊断,以获得彼此独立的证据,再由证据理论对各证据进行融合,最终实现对电机故障的准确诊断。实验结果表明,该方法有效提高诊断的可信度,减少电机故障分类识别的不确定性。     

基于D-S证据理论信息融合的转辙机故障诊断方法研究

在列车提速后S700K型电动转辙机被普遍安装在正线道岔的背景下,本文针对单一故障诊断方法的诊断精度偏低问题,提出了基于信息融合故障诊断模型和故障诊断方法.该方法分别用BP神经网络和模糊综合评判对转辙机进行故障诊断,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,然后利用D-S证据理论将BP神经网络和模糊综合评判对转辙机的故障诊断结果在决策级进行融合,诊断转辙机是否有故障并判断故障的模式.诊断结果表明,该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高.     

基于D-S证据理论高速列车横向失稳故障判别研究

为解决高速列车发生横向失稳故障时,转向架的运行情况难以被单一传感器测量得到全面信息以及准确地反应等问题,提出利用多个加速度传感器组成多信息源网络系统,建立基于多信息源的高速列车横向失稳故障决策融合诊断系统。由于高速列车发生横向失稳故障存在复杂的轮轨耦合关系,导致列车横向失稳故障状态诊断难度大,基于此提出D-S证据理论方法融合系统中各个传感器中测量数据信息并应用于高速列车横向失稳故障状态判别。结果表明:基于D-S证据理论方法与任何单一传感器诊断结果相比,识别效果更好,对正常状态、小幅蛇行以及大幅蛇行故障状态的识别率分别达92.3%、82.89%、88.67%,证明该方法有效。     

支持张量机与KNN-AMDM决策融合的齿轮箱故障诊断方法

针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,该方法可提高齿轮故障诊断结果的可信度。     

基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断

针对电厂引风机工况复杂、工作环境恶劣、易出现故障等问题,提出了一种基于改进D-S证据理论的融合诊断方法。该方法利用概率神经网络(probabilistic neural network, PNN)和小波神经网络(wavelet neural network,WNN)对测试样本进行初步诊断,并形成证据体,再利用改进D-S融合方法进行融合诊断。该融合方法根据证据体的信任度和焦元的信任度分配冲突信息,使得信任度高的焦元支持率得到加强、信任度低的焦元支持率得到削弱,融合结果更为合理。仿真结果表明,融合故障诊断方法能有效地避免误诊现象,提高了诊断的正确率,且能合理分配冲突信息。     

特征指标信息融合的电动调节阀故障诊断

调节阀作为控制系统的重要组成部分,它的故障诊断对于指导控制过程安全稳定地运行至关重要。为提高故障诊断的精确率,解决电动调节阀不同故障间可能存在相互关联的问题,提出一种基于特征指标信息融合的诊断方法。利用电动调节阀可测变量间的关系,计算能够反映电动调节阀不同故障特点的指标,并建立与之对应的神经网络;然后将每个神经网络的输出看作独立的证据体进行D-S证据融合,得到最终的诊断结果。实验结果及现场分析表明:该方法充分利用数据的有效信息,从不同侧面对故障进行诊断,能够有效地应用于电动调节阀的故障诊断,具有较高的应用价值。     

基于SVM-DS证据理论融合决策的故障诊断方法

针对复杂工况下单传感器对于装备故障诊断识别率低、证据缺乏、数据冗余等问题，提出一种基于支持向量机(Support Vector Machine,SVM)结合D-S证据理论的多维度特征数据融合决策故障诊断方法。首先，通过多种方法提取特征构建SVM分类器，对故障类型进行初步分类；然后，将Sigmoid函数作为传递函数，利用SVM分类器对测试数据进行分类，获取测试样本的后验概率并得到测试样本的混淆矩阵；最后，根据混淆矩阵求出局部可信度与全局可信度，并与后验概率相结合实现基本概率分配函数赋值，通过融合计算得到最终诊断结果。实验结果表明，融合后的分类器模型对内圈故障类型分类准确率达100%，对正常和滚珠类型分类准确率为95%，对外圈故障分类准确率为90%。采取多特征融合诊断相较于单一方法有较高准确率和鲁棒性，可有效降低单一特征提取所带来的不稳定性。     

基于振动和证据理论的柴油机缸套磨损故障诊断

在简述Dempster-Shafer证据理论的基础上,探讨了内燃机缸套磨损故障诊断中的故障识别框架的形成、mass函数的构造以及相应的组合与推理思路,并以柴油机缸套磨损故障诊断为例,详细说明了该方法的具体实现步骤.测量6-135G型柴油机缸套在正常、中等磨损故障、严重磨损故障和破坏性磨损故障四种状态下的机体表面振动,通过时、频域分析,得到了故障特征信息;利用Dempster-Shafer证据理论方法对故障特征信息进行融合处理,有效地诊断识别了柴油机缸套的多种磨损故障,诊断结论的可信度明显提高,不确定性明显减小.研究表明,可以基于振动和Dempster-Shafer证据理论进行内燃机缸套磨损故障诊断,诊断效果良好,并有效地提高柴油机故障诊断的准确性和可靠性.     

基于改进BP网络和信息融合的故障诊断方法研究

针对多传感器检测提供的不同信息,提出了一种基于改进BP神经网络与信息融合技术相结合的故障诊断新方法.该方法采用动量方法和可变学习速率对标准的BP算法进行改进,不仅提高了网络的训练速度,并可以得到全局最优解.同时讨论了基于D-S证据理论的基本概率赋值的分配和决策融合方法,使在故障诊断过程中,决策融合网络可以接收子诊断网络的诊断结论并进行决策融合处理,提供了比任何单个子网络更多的信息.这种新方法不仅速度快、信息利用高,而且大大地提高了诊断的可靠性.     

Estimation of Parameters of Universal Distribution of Moments of Failure of Products

A method is proposed for estimating the parameters of a mixture of exponential and Weibull distributions for which the accuracy of preliminary estimates obtained by graphical analysis is refined in accordance with the criterion of maximum likelihood. The efficiency of the proposed method is supported by the results of statistical modeling.     

Analysis of the rate of propagation of the wave of change of boiling modes

An approximate analytical expression is derived for the velocity of the front of the wave of change of boiling modes on a rod and on a plate. The impact of the Thomson effect and of the heater orientation in the gravity field is included. Adequate agreement is demonstrated between the derived relations and experimental data.     

可燃气体检测报警器测量结果的不确定度评定

本文详细介绍了可燃气体检测报警器示值误差测量结果的不确定度评定方法。     

水三相点复现的不确定度评定

水三相点是开尔文热力学温度的唯一基准点，也是ITS-90国际温标重要的定义固定点。因此，水三相点不确定度分析对整个温标的建立、温度量值传递起着至关重要的作用。近3年来，中国计量科学研究院研制出一系列高质量的水三相点容器，加强了水三相点的研究，为不确定度的分析提供了更为可靠的实验依据。同时，不确定度的分析也是客观评价新研制容器性能的一个重要指标。因此，根据实验结果对新研制容器所复现的水三相点进行了不确定度评定。评定结果表明，其扩展不确定度为0．16mK(k=2．69，P=0．99)。     

心电图机电压测量示值误差测量值的不确定度评定

本文介绍了心电图机电压测量示值误差测量值的不确定度评定与表示方法。     

Evaluation of optical properties of highly scattering media by moments of distributions of times of flight of photons

A novel method for the determination of the optical properties of tissue from time-domain measurements is presented. The data analysis is based on the evaluation of the first moment and the second centralized moment, i.e., the mean time of flight and the variance of the measured distribution of times of flight (DTOF) of photons injected by short (picosecond) laser pulses. Analytical expressions are derived for calculation of absorption and of reduced scattering coefficients from these moments by application of diffusion theory for infinite and semi-infinite homogeneous media. The proposed method was tested on experimental data obtained with phantoms, and results for absorption and reduced scattering coefficients obtained by the proposed method are compared with those obtained by fitting of the same data with analytical solutions of the diffusion equation. Furthermore, the accuracy of the moment analysis was investigated for a range of integration limits of the DTOF. The moment analysis may serve as a comparatively fast method for evaluating optical properties with sufficient accuracy and can be used, e.g., for on-line monitoring of optical properties of biological tissue.