探析基于信息融合技术的故障诊断模型和方法研究

《探析基于信息融合技术的故障诊断模型和方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士学位论文基于信息融合技术的故障诊断模型和方法研究姓名：张远申请学位级别：硕士专业：交通信息工程及控制指导教师：罗大庸20030301摘要故障诊断系统利用诊断对象系统运行的各种状态信息和已有的各种知识，进行信息的综合处理，最终得到关于系统运行状况和故障状况的综合评价，因此信息融合技术是进行故障诊断的一种有效的方法。本文在详细分析了故障诊断技术和信息融合技术的基本原理以及它们之间关系的基础上，提出了一种新的基于信息融合技术的故障渗断模型和方法。该模型包括信号采集和处理、特征提取、信息分配、局部诊断和决策融合诊断等过程。在信号处

2、理部分采用小波分析方法提取信号的特征：在信息分配过程，采用特征的广义模糊熵作为评价准则，利用相关分析法降低特征维数，从而实现特征信息的分配：局部诊断网络由多个神经网络实现；全局决策融合网络，采用证据理论和模糊积分方法进行决策融合。本文提出了应用证据理论进行全局融合诊断时基本概率赋值的一种构造方法，提出了应用模糊积分进行故障诊断时的模糊测度的。种构造方法。与其他的故障诊断方法相比较，本文提出的模型和方法在原理_

3、I从人类的神经生理结构入手，模拟人类对故障判断的一般过程，因此方法上更接近人类对事物的认识过程。通过对故障征兆的融合，可以给出

4、精度更高和更可靠的诊断结果，避免了诊断过程中的信息丢失；证据理论和模糊积分融合方法可以减少决策过程中的不确定性，大大的提高了决策的精度。将本文提出的基于信息融合技术的故障珍断方法应于汽车发动机的故障诊断，对发动机气阀机构的故障进行诊断。诊断结果表明，该方法的故障诊断结果与实际情况是非常吻合的，验证了方法的可行性和正确性。该方法还可以进一步推，“应用于其他复杂系统的故障诊断。最后本文在理论分析的基础上没计了一个离线的汽车发动机故障诊断系统，并探讨了基于嵌入式处理器的在线故障诊断系统的实现方法。本文进行的是一些理论上的基础性研究工作，要在

5、故障诊断中真『F应用本系统，还需要进一步的测试、修改和完善。关键词：故障诊断信息融合小波分析模糊熵证据理论模糊积分AbstractThefaultdiagnosisa11ddetectionofsystemisanimportantmethodologytoinsuretheequipmenttumoVernonnally．InfbrmationfusionisasuitablemethodoIogyforfaultdiagnosis．Inthispaper，themodelandmethodologyoffaultdiagnosis

6、withinformation如sionbasedonthedepictionofthebasicp—ncipleofinformationmsi。nandf矗ultdiagnosisandthereIationshipofthemisexpounded．Inthismodel，theacquisition、processingandallocationofinfbnnation、thepartialandt11ea11．rounddiagnosisjsincluded．ThewaVeletisusedintheprocessingo

7、fmessage；inthea110cationofmessage．thegeneralfuzzventropyisregardastheeVaIuationcriterionandthecorrelationanaIysisisusedtothefeatureselectionandaIlocation；thepartialdiagnosisisrealizedbyneumlnetwork；theevidencetheoryandfhzzyintegmlisusedtodecisionindecisionmsionnet，inthi

8、ssection，thisp印ergiveatexnlremethodologyofbasicprobabilitya11dfuzzyimegral，Comparewit}lothermethod0109)r，thismethodologyenterupon丘omthestructureoftheneuronofcapitaintheo吼sothismethodologyisclosedtotheacquaintancecourseofpe叩1e．Bythefusionoffaultsymptom，higheraccurateandm

9、orereliablediagnosisresultcanbeobtainandtheloseofinfoHnationis1esserthanothers．Theevidencetheorya11d如zzyintegr