基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

Application of the fault diagnosis strategy based on hierarchical information fusion in motors fault diagnosis

1Introduction Withthedevelopmentofequipmentinsize,complexity andsystematization,ithasdrawnwideattentionof scholarsathomeandabroadtointroducetheinforma tionfusiontheoryintothefieldoffaultdiagnosis.Neu ralnetworktechnology[1,10]isconsideredpracticaland effe…     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。     

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.     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

Fault Diagnosing System of Steam Generator for Nuclear Power Plant Based on Fuzzy Neural Networks

All kinds of reasons are analysed in theory and a fault repository combined with local expert experiences is establishedaccording to the structure and the operation characteristic of steam generator in this paper. At the same time, Kohonen algo-rithm is used for fault diagnoses system based on fuzzy neural networks. Fuzzy arithmetic is inducted into neural networks tosolve uncertain diagnosis induced by uncertain knowledge. According to its self-association in the course of default diagnosis. thesystem is provided with non-supervise, self-organizing, self-learning, and has strong cluster ability and fast cluster velocity.     

一种目标识别的三级混合数据融合方法

多级混合数据融合方法是解决目标分类识别问题的一种重要途径，研究了一种三级混合数据融合方法，该算法在不同级别使用了改进的BP算法、D-S证据理论及基于模糊综合的方法。     

自适应加权融合算法在图像型火灾探测系统中的应用

根据船舶火灾探测的特点以及火灾早期预报的要求,设计了带图像信息的火灾自动报警系统,并将自适应加权融合算法应用于该系统。在该系统中信息层完成数据采集、处理,特征层运用自适应加权融合算法进行特征融合,决策层运用概率神经网络进行决策融合,完成船舶火灾探测系统的自动报警输出。实验表明,将该算法应用于此系统能够准确、快速探测火灾,识别日光灯、酒精灯等干扰源,具有较强的抗干扰性。     

船用柴油机故障诊断多信息融合技术研究

为了解决船用柴油机故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压力,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。通过提取船用柴油机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

改进D-S算法在船舶汽轮机故障诊断中的应用研究

针对汽轮机组的故障特征,将多个传感器获得的实时信号进行特征提取,对D-S证据理论在应用中不合理处进行改进。应用比较的结果表明,改进后的算法公式可信度明显提高,不确定性大大降低。     

基于多变量决策树的网络故障诊断方法研究

在网络故障诊断系统中,可以用粗糙集理论约简网络信息M IB变量,从而求出最有利于分类的变量集合。提出了首先约简信息表,并构造多变量决策树,提取相应的决策规则,判断网络故障类型的方法。决策树构造方法简单,提取出来的规则以决策树形式表示,规则易于理解,网络故障诊断效率较高。     

多传感器系统中的身份融合技术研究

文章介绍了在多传感器系统中身份融合的三种方法,并重点介绍和分析了D-S证据理论法及其改进算法,指出了各自的优劣,最后建议采用D-S证据理论法与其改进算法相结合的途径来进行身份融合。     

船舶动力系统中齿轮箱故障特征提取与模式识别方法研究

A marine propulsion system is a very complicated system composed of many mechanical components.As a result,the vibration signal of a gearbox in the system is strongly coupled with the vibration signatures of other components including a diesel engine and main shaft.It is therefore imperative to assess the coupling effect on diagnostic reliability in the process of gear fault diagnosis.For this reason,a fault detection and diagnosis method based on bispectrum analysis and artificial neural networks (ANNs) was proposed for the gearbox with consideration given to the impact of the other components in marine propulsion systems.To monitor the gear conditions,the bispectrum analysis was first employed to detect gear faults.The amplitude-frequency plots containing gear characteristic signals were then attained based on the bispectrum technique,which could be regarded as an index actualizing forepart gear faults diagnosis.Both the back propagation neural network (BPNN) and the radial-basis function neural network (RBFNN) were applied to identify the states of the gearbox.The numeric and experimental test results show the bispectral patterns of varying gear fault severities are different so that distinct fault features of the vibrant signal of a marine gearbox can be extracted effectively using the bispectrum,and the ANN classification method has achieved high detection accuracy.Hence,the proposed diagnostic techniques have the capability of diagnosing marine gear faults in the earlier phases,and thus have application importance.     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

面向目标识别的水下多传感器信息融合技术比较研究趑

对于水下作战,目标识别十分困难,因此必须走多传感器融合、多技术融合的道路,应分析研究不同的方法优缺点,取长补短,综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点,分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D-S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术,提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架,并结合应用讨论了其特点。     

灰关联分析在船用制冷系统故障诊断中的应用

灰关联分析方法是一种实用性强、可信度高的设备故障诊断方法,但其存在一定的应用限制。将D-S证据组合规则与灰关联方法相结合,能有效地处理故障征兆与故障类型关系的复杂性与不确定性,且诊断结果可信度较高。通过对某船用制冷系统故障实例计算,证明该方法简单、实用、诊断准确率高。     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

海战场对敌战术意图序贯识别技术研究

对战场上出现的大量目标隐含的战术意图的正确、快速、自动识别，能大大提高战场指挥人员的决策效率。以战场态势估计为基础，提出战术意图识别的框架模型；结合最大近似法、D—S证据理论用于战术意图序贯识别的不同阶段。该研究属于决策级数据融合的范畴。     

船用核动力一回路设备故障综合智能诊断系统

在总结核动力一回路设备的故障诊断技术的基础上,依据“分解-综合”的诊断思想,提出基于神经网络和专家系统的综合智能诊断系统的模型和多源信息综合诊断模型,探索将不同的诊断技术结合起来形成新的智能诊断系统。     

柴油机状态在线监测与故障诊断系统开发

介绍了状态监测与故障诊断系统的原理和方法,使用LabVIEW平台及多功能数据采集卡研制柴油机的故障诊断系统。提出了几种特征参数分析方法,开发了多个子仪器,可较好的对柴油机的不同故障进行监测。