应用模糊数据融合实现电子电路的故障诊断

本文将模糊数据融合技术引入电子电路故障诊断之中 .通过测试电子电路中的被诊断元件的工作温度和工作电压两个物理量 ,得出两传感器对各待诊断元件的故障隶属度 ,在对隶属度值进行数据融合的基础上 ,确定故障元件 ,并通过单传感器诊断结果与融合诊断结果比较 。

模糊数据融合在目标跟踪中的应用

在目标跟踪滤波算法的基础上 ,提出利用模糊理论进行数据融合的算法 .应用模糊理论 ,对双传感器的滤波数据进行特征提取 ,并在一定的隶属函数和模糊规则下对其进行模糊推理 ,得到随目标机动情况自动调节加速度方差的系数调节值 ,使之保持对目标机动的快速响应 .分析中采用蒙特卡洛仿真方法 ,对融合前后的滤波结果进行比较 .模糊数据融合利用领域专家总结的相关知识 ,将融合结果反馈给单传感器 ,以提高各单传感器的跟踪精度 .

模糊数据融合技术在系统故障诊断中的应用

利用系统故障症状的分散性,提出了一种基于模糊数据融合技术的系统故障诊断方法.首先,为保证量测信号的准确性,采用同源多传感器数据层融合以及多传感器信息优化协调技术对量测数据进行初步处理,为系统故障模糊融合诊断奠定基础;然后,针对同一症状的不同表现信息,采用多个模糊神经网络得到对故障的局部决策,利用模糊积分融合方法,识别出该症状所对应的故障.最后针对某液体火箭发动机的泄漏故障进行仿真,并与常规模糊神经网络故障分类器进行对比。研究表明,在对渐变故障的诊断中,本法较常规模糊神经网络故障分类器具有更好的诊断性能.

模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。

基于多特征参量模糊数据融合的辐射源识别

针对多特征的辐射源识别,采用对辐射源信号特征参数的模糊化表征,建立了多特征、多目标的模糊评价矩阵以及模糊属性综合评判函数,提出了多属性判决函数的融合判决方法进行二次评判的综合识别,从而提高目标识别的准确率和可靠性。仿真结果证实了本文提出方法的有效性。

模糊数据融合故障诊断在电缆监测中的应用

针对路灯电缆工作状态的综合性和复杂性,为了准确判断其工作状态,提出了一种应用多传感器模糊数据融合技术的故障诊断方法。该方法采用多传感器监测电缆的电压、电流、通信状态、通电状态等参量,将多个传感器获得的多元信息模糊化后,经过融合运算和故障诊断规则,对电缆的工作状态作出准确估计并用于信息决策。实验结果表明,该方法能够有效提高电缆工作状态故障诊断的准确性。

基于模糊数据融合的刀具磨损状态辩识

选取能够充分反映刀具磨损状态的振动信号和功率信号作为研究对象,采用正交小波变换技术,提取刀具磨损特征信号,利用该特征信号建立了振动幅值变化与刀具磨损量间的关系,计算出基于振动信号的刀具状态特征值,定性地识别出刀具磨损状态;对功率信号,采用统计分析方法,通过均方根处理提取出刀具磨损特征信号,并以信号强度的变化来表征刀具的磨损情况;为了避免单一特征信号提供刀具状态信息的局限性,采用模糊数据融合方法对振动、功率特征信号进行融合,获得更加全面、准确的刀具磨损状态;实验结果表明,基于模糊数据融合的刀具磨损状态识别比单一传感器系统对刀具磨损状态识别更为可靠。

模糊数据融合的刀具磨损状态智能识别

为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法.尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果.为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino-Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较.实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值.

基于模糊数据融合的装备故障诊断系统研究

武器装备系统各关键装备一旦出现故障而不能及时诊断修复,将对战争结果产生很大影响。依靠单个传感器对机械状态进行监测存在种种限制,需要采用多种传感器对武器装备进行多种特征量的监测(如振动、温度、电压、流量),并对这些传感器的信息进行融合,以提高故障定位的准确性和可靠性。基于数据融合技术,利用直观的温度及振动信息对装备的故障进行诊断,分析其某个元器件出现故障的可能性。

基于模糊数据融合的控制棒包壳管磨损状态评估

核电站反应堆控制棒组件在服役期间与导向架摩擦造成包壳管外表面磨损,对反应堆的安全运行造成极大隐患,严重时甚至可能引起核安全事故。利用控制棒包壳管超声和涡流检测信息提取信号特征值对其磨损状态进行评估,因单一特征信号反映的控制棒包壳管状态信息存在局限性,采用模糊数据融合方法对超声、涡流检测特征信号进行融合,获得更加全面、准确的包壳管磨损状态。实验结果表明,基于模糊数据融合的包壳管磨损状态评估比单一传感器对包壳管磨损状态评估更为可靠。

基于多指标模糊融合的滚动轴承诊断的最优频带解调方法

轴承运行时会产生较大的振动噪声,采用振动信号统计量指标可以识别其共振频带,并通过共振频带解调来提取故障特征信号。目前常用的峭度图等方法根据经验自顶向下粗略划分轴承振动频谱,而且采用单一指标识别共振频带,常常被噪声所干扰,因而鲁棒性不高。为了提高滚动轴承故障诊断的精度,提出一种多指标模糊融合的最优频带解调方法。采用自底向上的思路,以最小化代价函数为条件,通过细分振动频谱,将细分的频谱进行双向合并,可以提高频带划分的精度。在提出的方法中,代价函数由峭度、平滑因子、峰度系数等多个指标应用模糊贴近度方法进行数据融合构造,可以有效提高识别最优共振频带的鲁棒性。分别采用仿真信号和实际采集信号对所提出的方法进行测试,与现有的单指标方法相比,试验结果表明所提出的方法可以正确诊断滚动轴承的故障。

基于数据融合的掘进机截齿磨损状态监测

为了降低掘进机截齿过度磨损引起的不利影响,设计了掘进机截齿磨损状态实时在线监测系统,选取截齿的振动信号和主电机功率信号作为研究对象,采用小波变换技术和统计分析方法,对采集的振动信号和功率信号进行提取,采用模糊数据融合方法对振动、功率特征信号进行融合,降低单一特征信号提供磨损状态信息的局限性,获得更加全面、准确的截齿磨损状态。结果表明,基于模糊数据融合的掘进机截齿磨损状态识别比单一传感器系统对截齿磨损状态识别更为可靠。

一种基于模糊Gibbs随机场的运动估计新算法

运动估计问题具有不适定性 ,单纯采用最大后验概率算法 ,实际上并未解决运动矢量的不连续、矢量的失真与随机噪声等棘手问题。本文应用模糊数据融合与 Gibbs分布的基本思想 ,将运动场风险约束条件的概率分布模式有效地纳入阶段非凸函数 (GNC)算法的局部迭代过程中 ,从而提高了运动估计效果。首先建立 Gibbs的自适应能量模型 ,该模型可将基于特征和基于梯度的两类矢量按照优化约束条件进行融合 ;其次利用各种运动经验知识构造矢量的模糊风险决策表 ,该决策表可对 Gibbs能量方程的每一步迭代收敛结果进行监督和修正 ,从而实现模糊数据融合。从收敛性和鲁棒性两方面说 ,模糊融合后的结果在原有基础上有明显提高。