一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题,基于D-S证据理论,提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据,并根据D-S合成规则要求参与合成的各证据具有相同权重的特点,充分考虑了提供证据的信源即各个传感器的可靠性。在合成中,引入证据权的概念,解决了不同权重的多传感器数据融合问题,在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。

电机故障诊断的多传感器数据融合方法

电机及其运行环境的复杂性决定了电机故障诊断也非常复杂 ,尽管随着检测技术、信号处理技术、智能技术的进步 ,故障诊断技术得到了很大的发展 ,但是目前的故障诊断技术仍因为各种原因存在着很大的不确定性。目前诊断技术依然是基于单个参数 ,如电流、振动、温度、润滑油成分所能携带的故障特征来进行诊断 ,但是因为模型或者环境的不确定性导致这些诊断结果模糊不清甚至错误。分析了传统故障诊断方法中存在的不确定性 ,并介绍多传感器数据融合的方法来处理由于单个参数带来的诊断的不确定性 ,同时介绍一个数据融合故障诊断系统 (fusion diagnosis system,FDS)的结构模型 ,并分析这个结构在应用中的关键问题。

机车轴承故障诊断中的多智能传感器技术应用分析

故障诊断技术是保证铁路设备安全运行的一项重要技术。分析传统机车轴承故障诊断方法中存在的不确定性,利用多智能传感器技术进行机车轴承故障诊断,建立融合诊断系统。该系统采用决策级融合方法来处理由于单个参数带来的诊断的不确定性。实验表明,这种方法能够有效解决基于单个参数诊断系统中带来的不确定性问题。因而它具有很强的理论意义和应用价值。

多智能传感器技术在机车轴承故障诊断中的应用分析

分析了传统故障诊断方法中存在的不确定性,利用多智能传感器技术进行机车轴承故障诊断,建立融合诊断系统。该系统采用决策级融合方法来处理由于单个参数带来的诊断的不确定性。