基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用

给出了一种基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种基于Dempster-Shafer证据理论的多故障特征信息融合的故障诊断方法,并以旋转机械故障诊断为例,详细说明了该方法的具体实现步骤.结果表明,经过多故障特征信息融合,诊断结论的可信度明显提高,不确定性明显减小,因此充分显示了该诊断方法的有效性.

多传感器信息融合基本原理及应用

全面系统地阐述了多传感器信息融合技术的信息融合理论、模型、算法和应用,并对目前信息融合在机器人、故障诊断、图像处理等领域的应用现状进行了剖析。信息融合技术虽然发展迅速,但由于信息融合技术理论尚待完善,在融合算法、融合模型以及关联的二义性等方面还存在问题。信息融合理论在多传感器分布检测、异类多传感器融合以及建立信息融合数据库和知识库等方面将有进一步发展。

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用D-S(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。

基于信息融合理论的风机故障诊断

借助粗糙集理论中的动态层次聚类的连续属性离散化算法和属性约简算法,对金属矿主通风机各类特征信息在线监测的数据进行融合,去除风机故障诊断决策表中的冗余和不一致信息,分析并推导出导致风机故障各因素的内在联系,找出关键因素和非关键因素,最终提取出故障诊断规则。研究结果表明:该故障故障方法能够对金属矿主通风机故障做出快速准确的诊断,并且在某矿山的实际应用中取得了良好的效果,达到了预期的目标。

基于证据理论的多信息融合故障诊断研究

针对列车智能控制系统故障诊断中的多故障特征信息输入时的时变、不确定性和空间分布性,从D-S证据理论的基本概念和证据的融合推理方法出发,提出了一种列车智能控制系统多信息融合故障诊断的系统结构。讨论了基于D-S证据理论的列车智能控制系统多信息融合故障诊断方法。故障诊断实例的结果表明该方法能够有效地提高诊断的可信度,减小诊断的不确定性。

基于证据理论的集成神经网络故障诊断方法

以Dempster Shafer证据理论为基础,给出了基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种神经网络初步诊断和证据理论融合决策诊断相结合的集成神经网络故障诊断方法,建立了相应的功能模型。并以变速箱轴承故障诊断为例,详细说明了该方法的具体步骤。结果表明,经过多故障特征信息,诊断结论的可信度明显提高,不确定性明显减小,充分显示了该诊断方法的有效性。

加权证据理论信息融合方法在故障诊断中的应用

为了综合合理利用设备多个方面的故障特征信息,提高故障诊断的准确性,提出了一种多故障特征信息融合的故障诊断方法。该方法依据加权改进后的证据理论,通过构建融合诊断框架,分析融合组建原则,保证了各特征域故障诊断过程中存在的不确定性经过融合后能够最大限度相互削弱,从而从理论上降低了故障诊断的不确定性。转子实验结果表明,多故障特征信息融合后的诊断结果可信度明显提高,不确定性显著减小,充分验证了该融合诊断方法能够有效提高故障诊断的准确性和可靠性。

基于多征兆信息融合理论的柴油机故障诊断

信息融合理论在故障诊断领域中得到广泛应用 ,为复杂机械故障诊断提供了一种新的方法。在研究了多传感器决策层融合理论—— Dem pster- Shafer证据理论及其算法的基础上 ,提出了一种基于多征兆信息融合理论的故障诊断方法。以柴油机活塞和缸套之间的磨损为例 ,论述了该方法的实施过程。结果表明 ,多征兆信息的信息融合诊断方法具有良好的稳定性和容错性 。

基于证据理论的信息融合故障诊断方法

从证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,并提出一种符合故障诊断特点的基本可信度分配构造方法。该方法把诊断对象看作一个信息系统,运行过程中不断产生各种信息,并将信息加工成故障特征,通过特定的诊断决策规则,得出诊断结论。给出了一个多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性。

基于多智能体的复杂工程系统故障诊断研究

为了解决动态多变环境下的故障诊断问题,引入智能Agent技术,建立了一种基于多Agent的分布式故障诊断模型,该模型由多个分布于不同区域的Agent工作组组成,是一个分布式远程多Agent诊断系统。该系统主要由诊断Agent和管理Agent组成,通过各Agent之间的通信与协作实现多变环境下的故障诊断。实践证明,该诊断系统不仅能对各种故障作出及时反应,而且能准确给出诊断结果。

基于证据理论的免疫检测器在轴承故障诊断中的应用

针对旋转机械故障诊断的不确定性问题,提出一种基于证据理论的数据融合故障诊断方法,把5种无量纲免疫检测器的敏感因子和信息因子通过D-S联合规则联合多个证据组形成一个新的综合证据组,建立多故障特征信息融合诊断框架,充分利用不同证据体的冗余和互补故障信息,通过对不同轴承故障进行分析,结果表明,此方法能有效地减少诊断的不确定性,提高故障诊断的准确性。

神经网络信息融合用于电梯故障诊断的研究

针对传统电梯故障诊断系统实时性有限、故障定位准确率低等问题,将多信息融合技术引入到电梯故障诊断中来,建立了基于模糊神经网络和D-S证据理论相结合的故障诊断模型。为了提高神经网络的训练速度和推广能力,采用了正则化算法对BP网络算法进行修改,并且利用D-S证据理论对神经网络的诊断结果进行决策融合,仿真结果表明了此方法有效地提高了故障诊断的准确率。

基于D-S融合的电子电路故障诊断研究

根据电子电路故障元件诊断的不确定性问题,给出了多传感器D-S信息融合实现电路故障诊断的方法。通过检测电路工作时电子元件的温度和关键点电压两方面数据信息,得出两传感器对各待诊断元件的信度函数分配。再利用D-S联合规则结合模糊逻辑理论,得到融合后的信度函数分配,从而确定故障元件。实验结果说明:多传感器融合算法具有较高的准确率。

基于扩展证据理论的信息融合方法在传感器故障诊断中的应用

电厂传感器的网络结构提供了在空间或时间上的冗余或互补的信息,为传感器故障的检测和分离提供依据。证据理论的组合运算是在同一个识别框架下进行的,而电厂的传感器是来自不同层次上的信息源,其识别框架是不同的。为此提出一种在不同识别框架下的证据组合规则,采用精细和粗化两种算子,可以充分利用来自不同层次传感器的所有信息,减小传感器状态判断的模糊性。仿真结果表明,该方法可以对传感器的多故障进行有效准确的诊断。

基于加权证据理论的异步电机故障诊断研究

针对D-S理论不能解决高冲突证据的融合问题,本文提出一种基于证据间距离和先验知识的加权证据理论。利用异步电机失电残余电压和Park矢量模平方各自的故障特征频率分别进行初步故障诊断,诊断结果分别作为证据m1和m2,同时引入已知证据m3,再用本文提出的加权证据理论作最后的决策诊断。实验表明,诊断结果的准确性明显提高并且高冲突证据的融合问题也能有效解决。

基于D-S证据理论技术的发动机转子故障诊断

从D-S证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,将信息融合思想引入到故障诊断领域,并应用D-S证据理论方法,解决在多传感器条件下的数据融合问题。最后,给出了一个发动机转子多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性。

基于模糊信息融合的船舶动力装置综合故障诊断方法研究

在模糊集理论的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于系统模糊综合评价融合结构下的综合故障诊断方法.该方法以模糊逻辑运算和全局决策融合来自多传感器的局部判决来获取诊断对象的综合诊断结果,并对船舶主动力系统的运行故障进行诊断研究,结果表明,该方法准确有效,为船舶动力装置故障的智能化诊断提供了有益的借鉴.

现代智能技术在电液控制系统故障诊断中的应用研究

通过比较分析基于控制系统数字模型的故障诊断方法以及包括基于模式识别的专家系统和基于故障树、模糊控制策略、人工神经网络、信息融合等的现代智能诊断理论与方法在电液故障诊断系统中的应用,提出电液系统智能诊断领域未来的发展趋势,即发展复杂液压系统故障智能诊断,加强传感器等硬件和故障诊断通用软件的研发,以及开展基于Web的远程化、网络化故障诊断技术的研究.

SVM与证据理论集成的信息融合故障诊断技术研究

提出了支持向量机和证据理论结合的思想;建立了支持向量机初步诊断与证据理论融合决策诊断相结合的信息融合故障诊断模型;给出了基于SVM的基本概率分配构造方法和诊断决策规则。以200 MW汽轮发电机组故障诊断为例,充分地验证了该方法的诊断性能。

基于信息融合与神经网络的复合振动故障诊断

依据复合故障特性 ,提出了一种基于信息融合与神经网络的复合振动故障诊断方法。进行了传感器级的时间跨度的特征融合 ,然后再实行全局的空间跨度的融合。融合过程基于神经网络式特征提取 ,该方法可以在系统状态未知的情况下 ,自适应地融合不同故障测点的信息 ,从而较全面、准确、及时地反映系统的振动故障状态。并以汽车动力系统复合故障的诊断事例详细说明了该方法的具体实现步骤。结果表明 ,经过多故障特征信息融合 ,诊断结论的可信度明显提高 ,不确定性明显减小 ,显示了该诊断方法的有效性。