探析基于信息融合技術(shù)的故障診斷模型和方法研究

探析基于信息融合技術(shù)的故障診斷模型和方法研究

ID:34770527

大?。?.13 MB

頁數(shù):76頁

時間:2019-03-10

探析基于信息融合技術(shù)的故障診斷模型和方法研究_第1頁
探析基于信息融合技術(shù)的故障診斷模型和方法研究_第2頁
探析基于信息融合技術(shù)的故障診斷模型和方法研究_第3頁
探析基于信息融合技術(shù)的故障診斷模型和方法研究_第4頁
探析基于信息融合技術(shù)的故障診斷模型和方法研究_第5頁
資源描述:

《探析基于信息融合技術(shù)的故障診斷模型和方法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫

1、中南大學(xué)碩士學(xué)位論文基于信息融合技術(shù)的故障診斷模型和方法研究姓名:張遠申請學(xué)位級別:碩士專業(yè):交通信息工程及控制指導(dǎo)教師:羅大庸20030301摘要故障診斷系統(tǒng)利用診斷對象系統(tǒng)運行的各種狀態(tài)信息和已有的各種知識,進行信息的綜合處理,最終得到關(guān)于系統(tǒng)運行狀況和故障狀況的綜合評價,因此信息融合技術(shù)是進行故障診斷的一種有效的方法。本文在詳細分析了故障診斷技術(shù)和信息融合技術(shù)的基本原理以及它們之間關(guān)系的基礎(chǔ)上,提出了一種新的基于信息融合技術(shù)的故障滲斷模型和方法。該模型包括信號采集和處理、特征提取、信息分配、局部診斷和決策融合診斷等過程。在信號處

2、理部分采用小波分析方法提取信號的特征:在信息分配過程,采用特征的廣義模糊熵作為評價準則,利用相關(guān)分析法降低特征維數(shù),從而實現(xiàn)特征信息的分配:局部診斷網(wǎng)絡(luò)由多個神經(jīng)網(wǎng)絡(luò)實現(xiàn);全局決策融合網(wǎng)絡(luò),采用證據(jù)理論和模糊積分方法進行決策融合。本文提出了應(yīng)用證據(jù)理論進行全局融合診斷時基本概率賦值的一種構(gòu)造方法,提出了應(yīng)用模糊積分進行故障診斷時的模糊測度的。種構(gòu)造方法。與其他的故障診斷方法相比較,本文提出的模型和方法在原理_

3、I從人類的神經(jīng)生理結(jié)構(gòu)入手,模擬人類對故障判斷的一般過程,因此方法上更接近人類對事物的認識過程。通過對故障征兆的融合,可以給出

4、精度更高和更可靠的診斷結(jié)果,避免了診斷過程中的信息丟失;證據(jù)理論和模糊積分融合方法可以減少決策過程中的不確定性,大大的提高了決策的精度。將本文提出的基于信息融合技術(shù)的故障珍斷方法應(yīng)于汽車發(fā)動機的故障診斷,對發(fā)動機氣閥機構(gòu)的故障進行診斷。診斷結(jié)果表明,該方法的故障診斷結(jié)果與實際情況是非常吻合的,驗證了方法的可行性和正確性。該方法還可以進一步推,“應(yīng)用于其他復(fù)雜系統(tǒng)的故障診斷。最后本文在理論分析的基礎(chǔ)上沒計了一個離線的汽車發(fā)動機故障診斷系統(tǒng),并探討了基于嵌入式處理器的在線故障診斷系統(tǒng)的實現(xiàn)方法。本文進行的是一些理論上的基礎(chǔ)性研究工作,要在

5、故障診斷中真『F應(yīng)用本系統(tǒng),還需要進一步的測試、修改和完善。關(guān)鍵詞:故障診斷信息融合小波分析模糊熵證據(jù)理論模糊積分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

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。