数据不完备下基于自适应数据融合的结构异常检测方法

目的研究数据不完备下结构异常检测方法,为了提高其检测的诊断率.方法运用处理不完备数据的方法——自适应一致性数据融合替换,并结合所提的自适应一致性数据融合方法及小波分解技术,提出了一种数据不完备下的结构异常检测方法.为验证所提方法的有效性,进行了2个数值算例的仿真研究并与其他方法进行了异常检测比较.结果自适应一致性数据融合方法直接对含有不完备的数据进行融合处理后,并不能准确的诊断结构损伤异常;但是将不完备的数据经过一致性数据替换方法处理后,再利用自适应一致性融合多个传感器数据进行异常检测,可以得到正确的诊断结果.自适应一致性数据融合方法对环境具有更好的抗扰性,且与一致性数据替换方法相结合能准确对数据不完备下的结构进行异常检测.结论提出的一致性数据替换方法检测方法是可行、有效的.自适应一致性数据融合可以获得更多的特征信息,提高了数据的可靠性,且对环境具有更好的抗扰性.可对大型工程结构进行结构健康监测和安全性评估.

基于模糊遗传神经网络的信息融合故障诊断技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性遗传算法,建立了一种模糊遗传神经网络。利用模糊遗传神经网络技术建立信息融合中心,对多传感器数据进行融合处理,通过多源互补信息减小故障诊断系统的不确定性。讨论了模糊遗传神经网络多传感器信息融合方法中数据处理、特征向量维数压缩与关联、归一化处理方法等。同时,对模糊遗传神经的构造以及学习训练等内容,也作了较为详细的讨论。并对模糊遗传神经网络信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨。