评估诊断证据可靠性的信息融合故障诊断方法

在基于证据理论的信息融合故障诊断方法中,诊断证据的可靠性高低将会直接影响诊断结果的准确性.而现有的大多数方法并没有全面地评估证据的可靠性,从而常常导致融合诊断结果的不准确.决定证据可靠性的因素主要有传感器的精度与证据获取方法的性能,以及传感器运行环境中的不确定性因素,可将它们分别理解为静态和动态因素.本文利用基于Pignisti。的指标函数优化算法获得静态折扣因子,用其对原证据进行修正;接着提出基于Pignistic向量的证据相似度度量方法获取动态折扣因子,用其对证据进行再次修正,并利用Dempster组合规则融合经两次修正后的证据,得到诊断结果.最后,通过在多功能柔性转子试验台上的实验,验证了所提方法的有效性.     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

非平稳短时矢谱研究及其应用

大型旋转机械的故障在发生或发展时,其运行过程具有明显非平稳特性的瞬态过程。通常的针对单通道信息的时频分析不能准确提取瞬态过程的特征信息。论文结合矢谱分析和短时傅立叶变换（STFT）技术提出了短时矢谱（STVS）分析方法。它融合了转子同截面两通道图谱中各自存在的振动分量,能准确地反映转子发生故障时的瞬态过程特征量变化。工程实践应用表明：短时矢谱分析对于旋转机械故障诊断是一种新的、较为实用的信息融合方法。     

煤矿旋转机械在线故障诊断及预警系统设计

针对现有煤矿机械在线监测与诊断技术未实现故障特征在线提取及故障类型自动识别的问题,设计了一种基于LabVIEW的煤矿旋转机械故障在线诊断及预警系统。该系统采用频谱分析、功率谱分析、包络谱分析、倒频谱分析等方法分析振动信号,得到旋转机械运行过程中各部件的特征参数,与故障类型数据库里的特征参数进行对比,实现故障诊断。设计了精细诊断和粗略诊断2种故障诊断模式,通过互锁的方式将2种模式关联起来,若旋转机械各主要部件结构参数已知,可选用精细诊断模式,否则选用粗略诊断模式。通过模拟旋转机械转子不平衡故障验证系统性能,结果表明,该系统能够准确识别故障并发出提示,且操作简单、可靠性高。     

基于多测点三维轴心轨迹旋转机械的快速诊断

首先定性分析了与多测点相比单测点轴心轨迹的不足之处,在合成多测点、三维轴心轨迹的基础上提出了融合相位及轴心轨迹半径两个指标的转子相对跳动量计算方法;定量提取了反应轴承状态的相对跳动量指标;结合轴心轨迹形状及绝对指标对旋转机械进行快速精确的诊断;最后,通过现场模拟实验证明了该计算方法的正确性和提取指标对旋转机械转子诊断的有效性.     

基于矢谱和模糊Petri网的旋转机械故障诊断研究

讨论了矢谱融合技术和模糊Petri 网的相关理论,提出了基于矢谱和模糊Petri网的旋转机械故障诊断方法,建立了基于矢谱的旋转机械常见故障诊断Petri网模型。模拟实验结果表明：与基于单通道数据的诊断结果对比,矢谱和模糊Petri网应用于旋转机械常见故障进行诊断,可有效提高旋转机械故障诊断的准确率。     

动静态信息融合及动态贝叶斯网络的步态识别

步态是远距离视频监控领域最具潜力的生物特征。目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,通过分析人体行走时步态的时序特征,提出一种基于动静态信息相结合的多信息融合的动态贝叶斯网络(DSIF-DBN)。模型含有3层状态,模型中每个时间片都为静态信息和动态信息的融合。此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化。实验结果表明该方法有较高的识别率,能有机地融合步态的静态信息及动态信息,并且在有噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响。     

融合GA优化算法的数字孪生模型在石油旋转机械诊断中的应用

为根据模态信号频率水平确定石油旋转机械当前故障行为所属类别,实现对机械设备故障行为的准确诊断,针对融合GA优化算法的数字孪生模型在石油旋转机械诊断中的应用展开研究。定义GA算法优化规则,并在此基础上,建立数字孪生模型,再联合相关故障行为数据,完成对石油旋转机械运行数据的聚类运算,实现基于数字孪生模型的石油旋转机械运行数据聚类处理。计算运行数据损失情况,通过模态分解描述性样本的方式,将核心诊断信息重新耦合在一起,联合求解所得的超参数指标,定义具体的数据样本集中训练模式,实现对石油旋转机械的诊断。实验结果表明,上述诊断方法的应用,对于每一类故障行为模态信号频率的诊断都属于该信号的标准频率数值区段之内,符合100%精准诊断机械故障行为的应用需求,在准确诊断石油旋转机械故障行为方面的可行性能力较为突出。     

基于D-S证据理论的故障综合诊断方法

针对单个诊断方法故障信息的模糊性和分散性，建立了基于证据理论的综合诊断方法。其中融合策略灵活多变，且模型已由单故障模式推广到多重故障模式，使之更适应实际工程诊断需要。最后应用其对某转子系统故障进行了诊断，结果表明方法行之有效。     

多传感器系统的延长周期全信息融合滤波

提出了基于系统状态预测信息、子系统状态预测信息及量测信息的多传感器系统全信息融合滤波方法.针对多传感器系统中子系统状态估计信息与系统状态预测信息之间存在相关性的问题,采用延长系统融合器融合周期的方法来弱化它们之间的相关性,再进行直接融合来获得系统状态估计.基于"GPS姿态敏感器+陀螺"模式组合的卫星姿态确定系统的仿真结果表明了延长周期全信息融合滤波方法的有效性.     

动静态联合滤波器在多聚焦图像融合中的应用

动静态联合滤波器具有良好的边缘平滑特性,对梯度反转和全局强度迁移等伪影具有很强的鲁棒性。为了保留源图像的结构信息,提出了基于动静态联合滤波器的多聚焦图像融合方法。首先采用动静态联合滤波器将源图像分解为结构分量和纹理分量,以视觉显著度加权法对结构分量进行融合,综合相位一致性和清晰度信息对纹理分量进行融合;将两分量叠加获得初始融合图像,并通过计算源图像与初始融合图像间的结构相似度作为决策矩阵,获得最终的融合图像。通过对比多组融合图像主、客观评价结果发现,该方法能有效保留边缘信息。     

用于短时定位的MEMS旋转调制惯性导航系统

旋转调制技术能通过旋转机构的周期性转动有效地提高惯性导航系统的导航精度.首先,对在短时导航情况下的惯性导航系统和旋转调制惯性导航系统的误差特性作了详细的分析.接着,针对实际的MEMS旋转调制惯性导航系统,介绍了它的系统组成,并通过分析和比较确定其旋转方案和导航解算方案.同时,旋转机构引入的误差被分析和补偿.在此基础上,进行了静态和动态实验,并通过TRMS方法进行了精度评估.实验结果表明,静态实验和动态实验在旋转调制状态下的精度分别达到不旋转状态时的10倍左右和3倍左右.     

基于冗余信息的多传感器数据融合算法研究

针对当前数据融合算法中存在的静态融合和计算量问题,提出了一种基于冗余信息的多传感器数据融合算法,首先,利用强跟踪滤波算法完成对于局部状态的估计,然后,依据局部状态估计值之间的冗余信息判定局部状态自身的可信度,从而实现对其权系数动态的合理分配。通过Monte-Carlo仿真验证了该算法的有效性。     

基于经典DSmT 的Sonar栅格地图创建*

基于最近提出的一种在贝叶斯和DST扩展而来的信息融合算法DSmT(Dezert-Smarandache Theory),在实验的基础上,结合Sonar测量的基本特性,对静态结构化环境建模,并构造了广义基本信度赋值函数,利用经典DSm融合规则,融合每个栅格的声纳冗余信息,计算栅格占用的Bel.最后,以Pioneer Ⅱ 移动机器人作为试验平台,并在线对小型环境进行了3D栅格占用信度分布地图创建,其俯视图与实际2D地图中的物体外观轮廓及所在位置进行比较,其比较结果充分验证了算法的有效性,为进一步研究应用基于折扣理论的DSmT解决异类或同类非可靠多源信息融合,基于Hybrid DSmT的动态环境地图创建,以及多机器人联合创建地图和自定位奠定了坚实的基础.     

基于组合特征的步态识别

基于步态的身份识别是近几年出现的一种新的生物识别技术。提出了一种融合静态特征与动态特征的步态识别方法,该算法使用小波矩描述步态序列图像的静态特征,接着使用主元分析法对小波矩进行降维,而图像的动态特征则用人体轮廓的3个宽度特征来描述。最后,通过实验证明了该算法的有效性。     

使用统计模型的动态红外和可见光图像融合

针对动态红外和可见光图像融合,提出了一种新的基于统计模型的融合方法,即将图像的小波分解系数用广义高斯分布来建模。首先,源图像分别用双树复小波进行分解;然后,采用加权平均融合规则来进行小波系数的融合,其中加权系数由估计的广义高斯分布参数来计算;最后,将融合后的系数重构为一幅图像。融合图像采用熵、互信息和边缘保持度Q^AB/F来进行质量评价,实验结果表明方法的性能优于其他两种动态图像融合方法。     

图像分解与色彩先验下的多曝光图像融合

目的 多曝光图像融合（multi-exposure fusion，MEF）是利用一组不同曝光度的低动态范围（low dynamic range，LDR）图像进行合成，得到类似高动态范围（high dynamic range，HDR）图像视觉效果图像的过程。传统多曝光图像融合在一定程度上存在图像细节信息受损、边界不清晰以及部分色彩失真等问题。为了充分综合待融合图像的有效信息，提出了一种基于图像分解和色彩先验的双尺度多曝光图像融合方法。方法 使用快速导向滤波进行图像分解，分离出细节层对其进行增强处理，保留更多的细节信息，同时减少融合图像的光晕伪影；根据色彩先验，利用亮度和饱和度之差判断图像曝光程度，并联合亮度与饱和度之差以及图像对比度计算多曝光图像融合权重，同时保障融合图像的亮度和对比度；利用导向滤波对权重图进行优化，抑制噪声，增加像素之间的相关性，提升融合图像的视觉效果。结果 在24组多曝光图像序列上进行实验，从主观评价角度来看，该融合方法能够提升图像整体对比度及色彩饱和度，并兼顾过曝光区域和欠曝光区域的细节提升。从客观评价标准分析，采用两种不同的多曝光图像序列融合结果的质量评估算法，评价结果显示融合性能均有所提高，对应的指标均值分别为0.982和0.970。与其他对比算法的数据结果比较，在两种不同的结构相似性指标上均有所提升，平均提升分别为1.2%和1.1%。结论 通过主观和客观评价，证实了所提方法在图像对比度、色彩饱和度以及细节信息保留的处理效果十分显著，具有良好的融合性能。     

Automatic evaluation of the degree of facial nerve paralysis

Facial paralysis affects both mental and physical health of patients. Evaluation of facial paralysis in clinical practice is normally based on the static facial asymmetry at the maximal movement state and the dynamic change of facial muscle movement. However, most existing research only considers one of these two aspects when evaluating the degree of facial paralysis. This will result in an incomplete utilization of the diagnosis information leading to a low evaluation accuracy, or even misjudgment. In this paper, a novel method is presented for evaluating the degree of facial paralysis considering both static facial asymmetry and dynamic transformation factors. A quantitative approach of static facial asymmetry based on local mirror asymmetry is proposed. The method compares the differences of the corresponding local regions between both sides of the face. This makes it effective analyzing the left and right side asymmetry for abnormal faces. A quantitative evaluation of static facial asymmetry is achieved through three steps: localization of local facial regions, extraction of asymmetry features and quantification of bilateral facial asymmetry. Once the static facial asymmetry is quantified, its dynamic counterparts can be calculated using the speed of changings in different regions caused by facial muscle movement. Then we combine the static and dynamic quantification results to evaluate the degree of facial nerve paralysis. The efficiency and effectiveness of the proposed method have been tested using our facial paralysis database with 62 patients. The experiments show that our method produced encouraging performance compared with ground truth.