基于信息融合的柴油機故障診斷方法研究.pdf

1、隨著工業(yè)化的繁榮，機械設(shè)備監(jiān)測及故障診斷技術(shù)備受重視。柴油機作為典型的動力機械，既有往復(fù)運動，又有旋轉(zhuǎn)運動，而且內(nèi)部結(jié)構(gòu)復(fù)雜，單一的傳感器很難準(zhǔn)確實現(xiàn)故障診斷，因此要用多個傳感器的信息融合實現(xiàn)故障診斷。本文針對柴油機故障診斷關(guān)鍵技術(shù)問題，開展了基于信息融合的診斷方法研究，可有效地對多傳感器的信息進(jìn)行融合，從而解決了柴油機故障的檢測、預(yù)測和決策分析問題。本文主要工作如下:
　　一、建立柴油機故障與多傳感器監(jiān)測信息的對應(yīng)關(guān)系。采用幅域

2、分析法對典型信號進(jìn)行特征提取，并與其它可監(jiān)測信息共同構(gòu)成判斷故障類型的特征變量。針對特征變量重要性的差異對分類的影響，采用主客觀融合加權(quán)法對特征變量進(jìn)行融合加權(quán)。
　　二、針對柴油機監(jiān)測信息的復(fù)雜性，在特征變量相關(guān)性模糊時，經(jīng)典的馬氏距離及歐氏距離均無法有效計算故障特征的問題，本文給出了融合距離的度量方法，并結(jié)合田口方法，提出了柴油機故障診斷的融合距離田口方法。該方法將多個傳感器的數(shù)據(jù)進(jìn)行優(yōu)選及有效融合，并在融合距離這一度量標(biāo)準(zhǔn)下

3、生成故障聚類，根據(jù)融合距離的閾值進(jìn)行了柴油機故障的檢測，仿真結(jié)果驗證了該方法的有效性。其中，當(dāng)特征變量存在強相關(guān)問題時，用Moore-Penrose廣義逆矩陣計算馬氏距離，解決了特征變量之間的強相關(guān)性導(dǎo)致馬氏距離無法計算的問題。
　　三、針對馬氏距離在聚類分析中對于特征變量重要性差異對分類的影響考慮不足，本文給出了加權(quán)馬氏距離的概念，并結(jié)合田口方法，提出了柴油機故障診斷的加權(quán)馬氏田口方法。該方法將多個傳感器的數(shù)據(jù)進(jìn)行優(yōu)選及有效融合

4、，并在加權(quán)馬氏距離這一度量標(biāo)準(zhǔn)下生成故障聚類，根據(jù)故障聚類的閾值進(jìn)行了故障檢測和故障預(yù)測，仿真結(jié)果驗證了該方法的有效性。
　　四、將神經(jīng)網(wǎng)絡(luò)及Dempster-Shafer證據(jù)理論引入到?jīng)Q策層融合診斷中，將多傳感器的故障診斷結(jié)果進(jìn)行融合，可有效進(jìn)行故障的決策融合分析。針對證據(jù)合成的獨立性前提和證據(jù)的相關(guān)性問題，提出了相關(guān)證據(jù)的合成方法，排除了相關(guān)信息重復(fù)使用對證據(jù)合成的影響，使得相關(guān)證據(jù)合成結(jié)果更加合理準(zhǔn)確，解決了相關(guān)證據(jù)的決策層

5、融合問題，仿真結(jié)果驗證了該方法的有效性。
　　五、針對多傳感器證據(jù)出現(xiàn)沖突時，經(jīng)典的Dempster-Shafer證據(jù)理論無法有效合成的問題，本文提出了沖突證據(jù)的加權(quán)分配合成方法，建立了可信度函數(shù)及證據(jù)沖突函數(shù)，并將沖突的證據(jù)信息加以利用，以免造成證據(jù)的浪費，解決了沖突證據(jù)的決策融合問題。沖突證據(jù)的合成改善了問題傳感器給檢測結(jié)果帶來的干擾信息，使得融合結(jié)果更加的可靠，仿真結(jié)果驗證了該方法的有效性。
　　六、提出了基于信息融合

6、的柴油機故障綜合診斷策略，并利用Matlab/Simulink仿真工具搭建了故障診斷仿真系統(tǒng)。在一個仿真系統(tǒng)中就可以解決柴油機故障的檢測、預(yù)測和決策分析問題，不需要為每一個問題開發(fā)一種單獨的解決工具。該系統(tǒng)的應(yīng)用具有獨立性，只要提供了不同狀態(tài)下的數(shù)據(jù)，就能廣泛應(yīng)用于多元系統(tǒng)的分析及決策。之后，引用來自柴油機臺架的真實數(shù)據(jù)進(jìn)行了故障模擬試驗仿真，仿真試驗結(jié)果驗證了所提出的診斷算法的有效性。
　　最后，全面地總結(jié)分析了本文的研究工作，