多传感器融合在数控机床故障诊断中的应用研究

针对单一传感器无法准确判断数控机床故障类型的问题,提出了一种混合的基于D-S证据理论的处理方法,将多传感器数据融合技术应用到数控机床的故障诊断中。基于以往数控机床故障检测获得的典型样本库,构造各证据在目标故障模式下的信度密度函数,并对其进行归一化处理得到各证据的信度函数分配及不确定度,然后利用改进的D-S组合规则对数据进行融合,进而对机床故障类型做出判断。诊断实例表明,此方法能大大减低诊断的不确定度,提高故障诊断准确率,具有一定的工程应用价值。     

采用D-S证据推理的电机转子故障诊断

提出了采用D-S(Dempster-Sharer)证据理论对感应电机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子三相电流信号进行小波包分解,利用节点系数的均方根值构建电机转子故障的特征矢量(证据体);利用明氏距离测度构造基本可信度分配函数,求取证据体对转子故障所赋予的基本概率分配函数值,然后根据D-S证据融合规则进行融合处理,实现了对电机转子故障的准确识别.试验结果表明,该方法可实现转子断条故障的可靠诊断.     

伪证据识别在机械故障诊断中的研究

针对多传感器信息在故障诊断中可能存在伪证据,造成证据间剧烈冲突使经典证据理论合成规则失效的问题,利用Dempster-Shafer合成规则中一致证据的聚焦性,提出一种新的伪证据识别方法,构造出新证据取代原来的伪证据进行证据合成,削弱了伪证据的不良影响。在构建的基于多传感器信息融合的故障诊断识别框架中,运用改进的证据合成方法对发动机的故障进行诊断,将此诊断结论与其他证据理论的诊断结论进行了比较。结果表明,该方法可有效提高机械故障诊断的准确率,验证了此方法的可靠性和优越性。     

基于D-S证据理论的高炮自动机融合诊断

针对某型高炮自动机系统运动呈阶段性的特点,设计基于D-S证据理论的高炮自动机故障融合诊断方法。利用传感器测试的数据提取描述系统状态的特征参数,提出改进的Minkowski距离方法产生证据,并根据组合规则进行融合。实例分析结果表明:该方法可以有效提取自动机故障信息,确定故障部位,提高了故障诊断的效率。     

基于证据理论的振动发散故障监测方法

针对振动系统中振动迅速发散的故障,设计了基于证据理论的融合监测方法.对用于测量振动信号的多源传感器分别采用传感器数据方差、方差前向差分作商和方差前向作商作为描述状态的特征参数,计算基本概率分配函数,并根据Dempster组合规则进行融合.在隔振系统物理实验平台上实现了融合诊断监测过程,对采用3种特征参数的故障监测效果加以验证、比较和分析.实验结果表明,振动系统中传感器数据方差前向作商适合作为特征参数,由此构建的融合方法能够对振动发散故障实施有效诊断,并可以实现实时监测.     

基于多源信息融合的往复式压缩机故障诊断方法

往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明：使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。     

基于故障敏感度的证据权重计算方法及其应用

典型证据权重计算方法存在只有少数传感器判断正确而多数判断错误的高冲突证据的加权D-S决策融合问题,针对此问题,提出一种基于故障敏感度的证据权重计算方法。首先,通过核函数主元分析(kernel principal component analysis,简称KPCA)提取非线性的敏感特征;其次,基于故障检测原理计算该特征的故障敏感度,并将其作为传感器的故障敏感度;最后,计算得到基于故障敏感度的传感器决策权重,并将该权重及等权重法和基于决策距离方法的权重共同应用于转子故障模拟实验台的融合检测与诊断中。结果表明,该方法能对故障敏感、包含故障信息多的传感器赋予更高的权重值,提高其决策地位和作用,反之则赋予较小的权重,"弱化"其决策地位和作用。通过证据权重的"调节"作用,使得该方法无论是在只有少数传感器发现故障的证据高冲突情况还是在冲突不大或无冲突时,均取得了更好的决策融合结果。     

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-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.     

多传感器信息融合方法在钻井事故诊断中的应用

论述了信息融合技术的特点、形式结构和具体的处理方法,并从信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性;在此基础上,将钻井事故诊断与信息融合相结合,提出了一种基于信息融合技术的钻井事故诊断模型和方法。提出了一种在不同识别框架下的证据组合规则,用现场采集的多组数据进行试验,及时发现数据异常,并诊断可能的事故发生倾向。可充分利用传感器的冗余或互补信息,减少传感器状态的不确定性,提高了识别事故的精度和准确度。     

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.     

汽轮发电机组振动故障的综合自动诊断方法研究

利用振动信号频率成分结构和频率幅值研究了汽轮发电机组振动故障的综合自动诊断方法。根据振动故障的频谱特点 ,将振动故障分为 4个模式类 ,并确定故障类模式中心 ,在故障类的层次上做模式识别 ;利用频谱征兆和模糊关系矩阵 ,计算故障隶属度值以确定故障的严重程度 ;通过实例阐明了本方法对故障模式有较强的识别能力     

基于矢谱和粗糙集理论的旋转机械故障诊断

矢谱融合了转子同源双通道的信息,能准确反映转子运动状态．粗糙集理论是一种对决策表进行简化,去除冗余属性的数据分析和处理方法．提出了基于矢谱和粗糙集理论的旋转机械故障诊断方法．计算了旋转机械振动4种典型故障的矢谱征兆,使用粗糙集理论对其进行约简,根据约简的结果生成矢谱诊断规则,并利用得到的规则对故障测试样本进行了诊断．结果表明：相对于单通道数据,基于矢谱和粗糙集理论的故障诊断不仅简化了诊断规则,而且明显提高了故障诊断的准确率．     

基于粗糙集的软计算方法及其在机械故障诊断中的应用

粗糙集理论是一种较有前途的软计算方法,为处理不确定性信息提供了有力的分析手段。对近年来粗糙集理论在机械故障领域的典型应用进行了归纳和评述,指出将粗糙集理论与现有的一些算法如基因算法、人工神经网络、主成分分析法等相结合,对现有算法进行改造和完善的研究路线的正确性。     

考虑异质信息不相容的模拟电路融合诊断

研究提出了一种基于异质信息融合的模拟电路故障诊断方法,以解决模拟电路诊断中故障特征信息缺乏和决策融合中异质信息不相容而导致误判等问题.该法首先采用基于可转移置信模型的核近邻法提取电路温度特征信息,并进行故障预识别,再结合基于可测点电压的神经网络故障预识别结果,在考虑信息不相容的情况下计算关联权重系数、先验权重系数,从而实现电路的综合诊断.电路仿真试验结果表明,所提诊断方法对容差模拟电路的多故障和单故障均适用,故障定位准确率高.     

基于随机投影和NB网络的模拟电路故障诊断

针对模拟电路故障诊断中故障类型复杂多样、典型故障信息难以获取以及易受噪声、温度等环境影响的难题,提出一种基于随机投影和朴素贝叶斯网络的模拟电路故障诊断方法。该方法首先提取模拟电路故障信息,并利用随机投影算法降维后获取模拟电路故障特征向量,然后通过朴素贝叶斯分类器诊断模型识别模拟电路各个故障。通过对CSTV滤波器电路、四运放双二次高通滤波器电路和实际Sallen-Key带通滤波器电路的实验结果分析表明,相对于传统的模拟电路故障诊断方法,该方法表现出更优的故障诊断性能,并具有更强的抗干扰能力。     

Sensor configuration and test for fault diagnoses of subway braking system based on signed digraph method

Fault diagnosis of various systems on rolling stock has drawn the attention of many researchers. However, obtaining an optimized sensor set of these systems, which is a prerequisite for fault diagnosis, remains a major challenge. Available literature suggests that the configuration of sensors in these systems is presently dependent on the knowledge and engineering experiences of designers, which may lead to insufficient or redundant development of various sensors. In this paper, the optimization of sensor sets is addressed by using the signed digraph （SDG） method. The method is modified for use in braking systems by the introduction of an effect-function method to replace the traditional quantitative methods. Two criteria are adopted to evaluate the capability of the sensor sets, namely, observability and resolution. The sensors configuration method of braking system is proposed. It consists of generating bipartite graphs from SDG models and then solving the set cover problem using a greedy algorithm. To demonstrate the improvement, the sensor configuration of the HP2008 braking system is investigated and fault diagnosis on a test bench is performed. The test results show that SDG algorithm can improve single-fault resolution from 6 faults to 10 faults, and with additional four brake cylinder pressure （BCP） sensors it can cover up to 67 double faults which were not considered by traditional fault diagnosis system. SDG methods are suitable for reducing redundant sensors and that the sensor sets thereby obtained are capable of detecting typical faults, such as the failure of a release valve. This study investigates the formal extension of the SDG method to the sensor configuration of braking system, as well as the adaptation supported by the effect-function method.     

基于信息熵贴近度和证据理论的旋转机械故障诊断方法

从信息融合的思路出发,建立反映振动能量的旋转机械故障状态的信息熵特征,如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵。通过试验,建立了旋转机械典型故障下的信息熵期望值,即获得基于信息熵的故障诊断标准特征向量。由于传感器的不确定性和故障的多样性,提出采用D-S证据理论来对4种信息熵进行信息融合。根据越相似模式间的距离越短的思路,提出采用信息熵贴近度来建立证据理论的基本可信度分配,以基于基本可信数的决策方法来作为故障模式识别方法。通过实例计算,证明基于信息熵贴近度和证据理论的旋转机械故障诊断方法是故障模式定量识别的一种可行的新方法。     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明：该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。     

混凝土泵车液压系统故障诊断

针对泵车液压系统结构复杂、故障不易发现的特点,提出了一种基于故障树最小割集的故障诊断方法。以泵送主油路无压力这一典型故障为顶事件,建立故障树模型,再通过最小割集的求解和重要度分析对其进行定性和定量的分析,并以此为依据从大到小排序,确定故障诊断的最优程序。