（材料加工工程专业论文）决策级融合在离心式风机故障诊断中应用.pdf

ab s t r a c t ab s t r a c t t h e s u c t i o n f a n i s i m p o r ta n t e q u i p m e n t i n t h e f a c t o ry , b a s e d o n t h e f a c t o ry s r e al c o n d it i o n a n d m a n a g e m e n t r e q u e s t , i n o r d e r t o e n s u r e i t r u n s a f e l y a n d s u c c e s s f u l l y , it i s n e c e s s a ry t o re s e a r c h t h e d i a gno s t i c s y s t e m o f t h e s u c t i o n f a n f a u l t . r e c e n t l y , t h e t e c h n o l o g y o f f a u l t d i a gno s i s i s d e v e l o p i n g v e ry f a s t a n d t h e r e a r e m a n y m e t h o d s f o r 几b u t m o s t o f t h e m a r e t h e s i m p l e x m e t h o d s . b a s e d o n a n al y z i n g t h e c u r r e n t l y d o m e s t i c a n d f o r e i gn s t u d y , a f u s i o n d i a g n o s t i c s y s t e m b a s e d o n t h e b p n e u r a l n e t w o r k a n d t h e s y n t h e t i c al l y r e l a t i o n al a n a l y s i s i s p r e s e n t e d . t h e s y s t e m i s t e s t e d b y t h e s a m p l e o f t h e d a t a c o l l e c t e d fr o m d i ff e r e n t p l a c e m e n ts . t h e m a i n w o r k i s a s f o l l o ws : a f te r a n al y z i n g t h e s u c t i o n f a n f a u l t a n d t h e h i s t o r i c a l d a ta , a c c o r d i n g t o t h e e x p e r i e n c e o f e x p e r t , e i g h t n o r m a t i v e f a u l t s w i t h s a m p l e d a t a i s c o n c l u d e d . t h i s p a p e r al s o a n a l y z e s t h e f a u l t d i a gno s i s b a s e d o n t h e r e l a t i o n a l a n a l y s i s . i n t h e r e l a t i o n a l a n a l y s i s , t h e t r a d i t i o n al l y r e l a t i o n a l d e g r e e o n ly c o n s i d e r s t h e s i m i l a r c h a r a c t e r i s t i c n o t t h e d i s t a n c e b e t w e e n t h e f a u l t m o d e s . f o r t h i s r e a s o n , t h e s i m i l a r c o e ff i c i e n t i n c l u s t e r a n a l y s i s i s i n t r o d u c e d t o f o r m t h e s y n t h e t i c al l y d e g r e e w i t h t r a d i t i o n a l l y r e l a t i o n a l d e g r e e . t h e e x p e r i m e n t i n d i c a t e s t h i s m e t h o d i s a v a i l a b l e f o r t h e f a u l t d i a gno s i s o f s u c t i o n f a n . t h e b a s i c p r o b a b i l i t y a s s i g n m e n t f u n c t i o n o f d - s e v i d e n c e t h e o ry i s p r e s e n t e d 勿t h e o u t p u t o f t h e n e u r al n e t w o r k a n d t h e s y n t h e t i c a l l y d e g r e e . t h e p a r t i al f u s i o n d i a gno s i s s y s t e m b a s e d o n t h e b p n e u r a l n e t w o r k a n d d - s e v i d e n c e i s e s t a b l i s h e d , s o d o e s t h e p a rt i al f u s i o n d i a g n o s i s s y s t e m b a s e d o n t h e s y n t h e t i c al l y d e g r e e a n d d - s e v i d e n c e . t h e d e c i s i o n f u s i o n i s t a k e n i n t h e s e t wo me t h o d s . t h e r e s u l t i n d i c a t e d t h a t t h i s m e t h o d c a n r e d u c e t h e u n c e r ta i n t y o f d e c i s i o n a n d g r e a t l y i n c r e a s e t h e p r e c i s i o n o f d i a gno s i s . k e y wo r d s : t h e s u c t i o n f a n ; f a u l t d i a gno s i s ; d - s e v i d e n c e f u s i o n ; s y n t h e t i c al ly r e l a t i o n a l a n a l y s i s ; n e u r a l n e t w o 次 学位论 文独创性声明 学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下 进行的 研究工 作及取得的 研究成果。据我所知，除了 文中特别 加以 标注和致谢的 地方外， 论文中 不包含 其 他 人已 经 发 表或 撰 写过 的 研 究 成果 ， 也 不 包 含 为 获 得 南昌大学 或 其 他教 育 机构的学位或证书而使 用过的材料。与我一同 工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者” (手写 ” y字 日期 甲 “ 月 “ 日 学位论文版权使用授权书 本学位论文作者完全了 解南昌大学有关保留、使用学位论文的规定， 有权保留 并向国家有关部门 或机构送交论文的复印件和磁盘，允许论文被查阅 和借阅。 本 人授权南昌大学可以 将学位论文的全部或部分内 容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名 ( 手写) : ，贯 吟 导 师 签 名 (手 写 );慕万 含 签 字 日 期 : 叩年 月签 字 日 期 : 钟年 “ 1 4 1 学位论文作者毕业后去向: 工作单位: 通 讯地址: 电话: 邮编: 第 i 章 引言 第 1 章 引言 1 . 1 设备故障诊断概述 1 . 1 . 1 设备故障诊断的目的和过程 随着科学技术与生产的高度发展， 机械设备工作强度不断增大， 生产效率、 自 动化程度越来越高，同时设备结构日 趋复杂，功能越来越完善，设备各部分 之间的关联越加密切。在设备的工作过程中，随着时间的增长和内部条件的变 化，不可避免地会发生故障，由于设备部件之间的关联性和复杂性，某处微小 的故障往往会造成故障链锁反应，轻则降低设备性能，影响生产，重则停机生 产，使整个设备乃至与设备有关的环境遭受灾难性的毁坏，这不仅会造成巨 大 的经济损失，而且会危及人身安全，后果极为严重。例如，1 9 8 6 年4 月前苏联 切尔诺贝利核电站四号机组发生严重振动而造成核泄漏，致使2 0 0 0 多人死亡， 直接经济损失达3 0 亿美元。 通过对机械工况进行监测， 对其故障发展趋势进行 早期诊断，便可以找出故障原因，采取各种措施进行维修保养，避免设备的突 然损坏，使之安全经济地运转，例如， 法国g r a - v e l i n e s 电厂对其近4 0 0 台主辅 设备进行了两年的状态监测试验，结果表明，由于采用状态维修，电厂实际节 约了5 4 0 多 万法郎( 尚 未 考虑停工 造成的 损失) w 。 在我国， 1 9 8 2 年江苏某 化 肥厂合成氨压缩机组发生强烈振动，三次停机， 损失达千万元以上;1 9 9 5 年山 西某电 厂一台2 0 万千瓦汽轮发电 机组毁坏， 直接损失达千万元2 。 因此， 如何 及时发现故障和预测故障并保证设备在工作期间始终安全、 高效、 可靠地运转， 对此设备诊断技术提供了一条有效途径。 从设备诊断技术的起源与发展来看，设备诊断技术的目的应是 “ 保证可靠 地高效地发挥设备应有的功能” 。 这里包含了 三点: 一是保证设备无故障， 工作 可靠:二是保证物尽其用，设备要发挥最大的效益;三是保证设备在将有故障 或已有故障时，能及时诊断出来，正确加以维修。 同设备诊断技术的目的相对应，它的最根本的任务就是通过测取设备的信 号来识别设备的状态，其一般过程为信号采集、信号处理、状态识别和诊断决 第 1 章 引言 策。诊断过程如图1 - 1 所示: 信号 检测 图1 - 1 设备诊断过程 在设备运行过程中，从不同传感器测取包含设备有关状态的信号。 在一般 情况下， 根据测取的特征信号来直接判明设备状态的有关情况，查明故障的有 无是比 较困难的。 通过必要的理论方法如振动理论、信号分析理论、控制理论 等将信号进行分类、加工，获得能表征机器的征兆信号，将其与规定的允许参 数或判别参数进行比较以 确定设备所处的状态，根据对设备状态的判断，决定 应采取的对策和措施，同时根据当前信号预测设备状态可能发展的趋势并进行 趋势分析。 在以上过程中，状态诊断这一步是设备诊断重点之所在。 1 . 1 . 2 设备故障诊断的定义 对机械设备故障 ( f a u l t ) 的定义目 前尚未有统一的说法， 各种文献上的定 义也不尽相同， 不同 应用环境也往往是不同的解释。 按照国 标 ( g b 3 1 8 7 - 8 2 ) 规 定， 给定层次级上的子系统的故障是指该子系统“ 丧失规定的功能” ， 或给定层 次级上的子系统的输出与所预期的输出不相符合。 如文献【 3 中把一台装置( 或 设备) 的功能指标低于正常时的最低极限值称之为故障。 文献【 4 中的故障定义 为一台装置在它应达到的功能上丧失了能力，即机械设备运行功能的失常 ( m a l f u n c t i o n ) ， 并非失 效 ( f a i l u r e ) 或损坏 ( b r e a k d o w n ) 。 从故障诊断的角 度来说，比 较流行的一种说法是:机械设备在运行过程中出现异常，不能达到 预定的性能要求，或者表征其工作性能的 参数超过某一规定界限， 有可能使设 备部分或全部丧失功能的现象。 1 . 1 . 3 设 备 故 障 诊断 的 方 法( 原始的故障诊断方法是“ 手摸， 耳听， 眼看” ， 在设备故障诊断技术出 现以 后，这种情况得到了 根本的改善。目 前，随 着现代信号技术以 及传感器技术的 第 i 章 引言 发展，机械设备诊断技术以设备的故障机理为基础，通过准确采集和检测反映 设备状态的各种信号，并进行相应的信号处理，提取有用的特征信息，然后根 据专家经验、掌握的故障特征参数以及设备历史故障情况进行综合分析，判断 出发生故障的原因及判定故障的类型，同时预测故障的发展和设备寿命。 根据人们对故障诊断的理解不同，各工程领域在其各自的应用领域有着不 同的诊断方法，概括起来有以下几个方面: 1 .按诊断环境分类 有离线人工分析、诊断和在线计算机辅助监视诊断。 2 .按检测手段分类 有振动检测诊断法， 噪声检测诊断法， 温度检测诊断法， 压力检测诊断法， 声发射检测诊断法，润滑油或冷却液中金属含量分析诊断法，金相分析诊断法 等。 3 .按诊断原理分类，有以下几类: 1 ) 频域诊断法: 应用频谱分析技术， 根据频谱特征变化， 判别机器的运行 状态及故障形成的原因; 2 ) 时域分析法: 应用时间序列模型及其有关的特性函数， 判别机器的工况 状态的变化情况; 3 ) 统计分析法: 应用概率统计模型及其有关的特性函数， 实现工况状态监 视与故障诊断; 4 )信息理论分析法: 应用信息理论建立的某些特性函数， 如库尔伯克信息 数，j 散度等在机器运行过程中的变化，进行工况状态分析与故障诊断。 5 )模式识别法: 利用检测信号， 提取对工况状态反映敏感的特征量构成模 式矢量，设计合适的分类器，判别工况状态，它是人工智能的技术之一 6 )其它人工智能方法: 如人工神经网络、 专家系统、 小波技术、 遗传算法、 模拟退火算法、进化理论等，这些都是新发展的新领域。 4 .按诊断对象分类 有旋转机械故障诊断、汽轮机故障诊断、 化工机械故障诊断、 压缩机故障 诊断等等，各种产品都可冠上故障诊断的名字。但从故障诊断原理来看，不同 对象的动态性能都有其特点，但方法原理的共性是基本的. 第 i 章 引言 1 .2 信息融合技术的发展现状和研究意义 1 . 2 . 1 信息融合技术起源 “ 信息融合”一词出现在2 0 世纪7 0 年代初期，最早应用于军事领域，但 当 时 并 未引 起人们足 够的 重 视， 进入8 0 年代后才发 展成为 一门 专门 技术 . 1 9 7 3 年，美国国防部资助开发了声纳信号理解系统，在该系统中，信息融合技术得 到了最早的体现， 到了8 0 年代， 传感器技术的飞速发展更加推动了信息融合技 术的研究11 0 1 从本质上来说， 信息融合技术是人类模仿自 身信息处理能力的结果i ii 。 人 类天生具有利用听觉、视觉、味觉、触觉等感官功能来捕捉外部世界信息的能 力，而大脑则根据先验知识对这些来自 于不同器官的多源信息进行分析、估计 和推理，从而对外界事物做出判断。由于大脑做出判断的依据并不是某个单一 的感官信号，而是对多种信号综合的结果，所以当某一感觉器官不能正常工作 的时候( 例如大雾中，视觉无法发挥作用) ，人们仍然可以依据来源于其他感官 的信号对外界做出比较精确的判断。而正是由于上述这种优点，科研人员开始 考虑将这种功能移植到实际的工程应用中去，于是信息融合技术就随之诞生了。 信息融合技术以多学科理论为基础，应用计算机技术、传感器技术以 及数 学工具和信号处理等技术对数据进行处理。信息融合能通过分析、估计等处理 排除干扰获得准确的信息，此外，信息融合还具有很强的对数据关联、分析和 分类的能力叫。 1 . 2 . 2 信息触合技术国内外研究状况 2 0 世纪8 0 年代以来， 各发达国家己经致力于为信息融合设计混合的传感器 和处理器。1 9 8 8 年，美国国防部将信息融合技术列为9 0 年代重点研究开发的2 0 项关键技术之一，且列为最优先的a 类。 在海湾战争和科索沃战争中，美国部队 的 c i 融 合 系 统 指 挥、 控 制、 通 信 和 情 报系 统( c o mma n d , c o n t r o l , c o mmu n i c a t i o n a n d i n t e l l i g e n c e ) 发挥的巨 大 威力已 引 起全世界的 震 惊和普 遍关 注 13 1 1u 。目 前世界上各主要军事大国都在竞相投入大量人力、财力进行信息融合技术的研 究，积极开发研制新一代的信息融合系统，使信息融合技术蓬勃发展。 第 1 章 引言 信息融合在军事方面的发展和应用中所表现出来的优势已被世人所共识， 与此同时，它在民用领域的应用方面的巨大优势也引起了人们的广泛关注。到 了9 0 年代，第一代实用的信息融合系统诞生，美国得克萨斯仪器公司研究将红 外热像和微光图像相融合， 从而提高士兵的夜战能力( 15 1 。 英国正在研究多 平台、 多传感器的信息融合系统，还在通用组件热像仪的基础上， 研制了 双波段成像 辐射仪，并进而研制了高性能数字式前视红外、双波段模拟前视红外和双波段 数字式前视红外系统l ib 。 俄罗斯的 米2 8 新型战斗直升机已 将雷达、 红外瞄准器、 电视摄像机、夜视仪、航行仪表与计算机结合成一个整体，构成了 信息融合系 统 旧 。 虽然信息融合技术起源于军事领域， 但是己 经扩展到了民 用领域并主要 在以下几个方面取得了较广泛的应用: ( 1 ) 工业过程监测: 核反应堆监视和石油 工业中的平台监视; ( 2 ) 工业机器人: 机器人通过融合来自 多个传感器的信息，用 于躲避障碍，执行指令; ( 3 ) 遥感; ( 4 ) 金融系统; ( 5 ) 交通管理系统: 信息融合技术 可应用于地面车辆定位、车辆跟踪、车辆导航、交通管制及空中交通管制系统。 信息融合技术进入到我国，是在1 9 9 1 年波斯湾战争之后，当时美军和多国 部队的远程精确打击能力震惊了世界。而我国目前装备的系统中对于战场情报 处理主要还是基于单一传感器，已 经很难满足现代战场瞬息万变的实际情况。 因此， 信息融合概念一经引入中国，便引起了军方领导人的高度重视。国防科 工委在 “ 八五”科研项目中设立了“ c 1 数据汇集技术研究”课题，各个国防工 业研究所和高等院校也纷纷开展了该领域的研究，也取得了一批研究成果，但 多数还处于原型、模型阶段，能投入实际应用的还很少。 随着信息融合研究的深入和应用领域的扩大，各个领域的研究人员都开始 认识到信息融合技术的重要性，并积极的在各自 领域开展了该方面的研究，尤 其是在机器人和智能仪器系统、图像分析与处理、目 标识别与跟踪等研究领域， 信息融合技术已经成为了研究的热点。从军事领域起步，并逐步渗透到非军事 工业的各个领域将是信息融合技术发展的一个趋势。 虽然信息融合的应用研究已 相当广泛，但是基本的理论框架和有效的广义 融合模型及算法还没统一。信息融合问题本身至今未形成， 其绝大部分工作都 是针对特定应用领域内的问题来开展研究，也就是说，目 前对信息融合问题的 研究都是根据问题和种类，各自 建立直观认识原理( 即融合准则) ，并在此基础 上形成所谓的最佳融合方案。但这些研究反映的只是信息融合所固有的面向对 象的特点，也就难以构成信息融合这一独立学科所必需的完整理论体系.这一 第 1 章 引言 理论短缺现象阻碍了研究者对信息融合本身的深入认识，也使得信息融合在某 种程度意义上仅被看成是一种多源信息处理概念; 因此，即使少数学者曾经探索 了融合系统的性能评估问 题，但这类评估大多只是针对特定应用背景来对某种 具体融合算法进行分析. 就已建成的信息融合系统来看，仅仅是一种简单的信息合成，还没有充分 有效地利用多传感器所提供的冗余信息，而且许多研究工作仍属于试探性的， 或是仿真性的。同时，信息融合不是一门单一的技术，而是一门跨学科的综合 理论和方法，信息融合也可以 借鉴其它领域的很多新技术，如人工智能技术， 优化和神经网络技术等。因此，目 前在信息融合具体方法方面的研究还处于初 始阶段。 第z 章 基于信息融合的故障诊断模型 第2 章 基于信息融合的故障诊断模型 2 . 1信息融合技术的定义及原理 所谓信息融合是一个涉及对来自 各种信息源的数据和信息进行检测、联合、 相关、评价及合并的多级、多方面处理过程，最终获得提炼后的状态和目 标评 估及对战局和威胁的全面、 及时的评价1b1。 此外，信息融合也可看作是将不同来源、不同模式、不同媒质、不同时间、 不同表示的信息加以有机地结合，最后得到对被感知对象的更精确的描述。融 合多个传感器的信息可以在较短的时间内、以较小的代价、得到使用单个传感 器所不可能得到的精确特征。由于多传感器信息的冗余性、互补性、时效性和 低代价， 使得多 传感器信息融合系统具有较强的 鲁棒性叫。 多传感器信息融合技术的基本原理就像人的大脑综合处理信息一样，充分 利用来自 多个或多类传感器的不同资源，通过对多传感器及其观测信息的合理 支配和使用，把多传感器在空间或时间上可冗余或互补的信息，依据某种准则 来进行组合，以 获得被测对象的一致性解释或描述圆。 信息融合的优点就在于它是通过数据组合而不是出现在输入信息中的任何 个别信号，推导出更多的信息，得到最佳协同作用的结果，即利用多个传感器 共同联合操作的优势，提高传感器系统的有效性，消除单个或少量传感器的局 限性。 2 . 2信息融合技术的种类及级别r ,- g a l 信息融合主要分为两类: 第一类是局部或自 备式，它收集来自 单个平台上 多个传感器的数据。 第二类是全局式或区域融合，它优化组合来自 空间和时间 上不相同的多个平台、多个传感器的数据。 按照数据抽象的3 个层次，融合可分为3 类: 像素级融合、特征级融合和决 策级融合。 在故障诊断中，像素级融合是直接在传感器采集到的原始数据上进 行的信息融合， 是最低层次的融合。 特征级融合是中间层次的信息融合.它提取 传感器提供的原始数据中的特征信息， 然后对信息进行分析处理、融合， 并将结 第2 章 基于信息融合的故障诊断模型 果提供给更高一层的决策级融合.决策级融合是最高层次的信息融合。来自 各 个信息源的信息， 经过各自 的信息处理模块，对目 标属性进行独立的分类决策。 决策中心对独立的分类决策进行融合， 从而获得一致的分类结果。决策级融合具 有最高的抽象层次， 反映对象的本质特征， 它是三级融合的最终结果。 2 . 3信息融合的相关技术和方法及其与故障诊断技术的关系 信息融合是一种数据综合和处理技术，是许多传统学科和新技术的集成和 应用，如通信、模式识别、决策论、不确定性理论、信号处理、估计理论、最 优化技术、计算机科学、人工智能和神经网络等. 近年来， 不少学者又将遗传算 法24 、 小 波分 析技 术 251 、 虚 拟 技 术 26 引 入 信息 融 合。 设备故障诊断技术由 于现代大生产的迫切需要正在迅猛发展，已成为当今 科技研究的热点之一将信息融合技术应用于故障诊断是近几年发展起来的。 实际上，故障诊断过程就是根据检测量得到故障特征，经过分析处理，判断是 否存在故障及查找故障源的过程。信息融合的过程实际上是信息提纯的过程， 也就是一个故障诊断的过程。从本质上说，故障诊断系统是利用诊断对象系统 运行的各种状态信息和己 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，在这一点上，具有和信息融合技术相同 的目的和要求。从信息论的角度来认识故障诊断技术，它同样是信息处理技术， 在本质上与信息融合技术相同。因此，很有必要将信息融合技术引入到故障诊 断领域来。 在故障诊断中，故障形成的原因非常复杂，不同的故障可能以同一征兆形 式表现出来。 其次，由于诊断对象的不确定性、系统噪声以及传感器的测量误 差等原因，由传感器提供的信息一般是不完整、不精确和模糊的，甚至可能是 矛盾的，即包含了大量的不确定性。同时，进入9 0 年代后，设备的功能要求和 复杂程度大为改观，以机、电、光、气一体化为主要特点，设备向着高速度、 高功率、高可靠性、大型化的趋势发展，使得在对这些复杂设备进行工况监测 与故障诊断以及实现按需维修、状态维修的工作中，出现了令人们难以接受的 高几率的状态辨识 “ 瓶颈” 虚报、误报、漏报等。之所以出 现如此高的虚 报、误报、漏报率， 其根本原因在于在实际设备监测与故障诊断过程中，往往 只是对设备运行状态信息中的某一种信息进行观测和分析，从中提取有关设备 第2 章 基于信息融合的故障诊断模型 运行状态的征兆信息。虽然这种方法有时可以判断出机器的故障，但在许多情 况下得出的诊断结果并不可靠。因此，在实际诊断过程中，只有从许多方面获 得关于诊断对象的多维信息，才能对机器进行更可靠、更准确的诊断;另一方 面，随着所获取诊断信息的增多，非常有必要引入和研究适用于故障诊断领域 的信息融合技术，来充分挖掘信息的内涵，并对多诊断信息进行有效地融合利 用，从而提高故障诊断的准确性、有效性和可靠性。 2 . 4融合诊断系统 2 . 4 . 1触合诊断系统的提出 信息融合技术首先用于军事领域并 在该领域取得了 广泛的应用及发展27 1 特别是在敌我识别、航迹跟踪、目标定位等方面，由于其显示出独特的优势， 研究人员充分挖掘这些优点并与其他技术结合应用到其他领域如工业过程监 视、工业机器人、空中交通管制等领域， 取得了显著的成果，但目 前还没有将 其他各个领域的信息融合技术进行具体化、规范化的统一。将信息融合技术应 用于故障诊断方面的研究是近几年开始的， 在这方面的研究工作处于起步阶段， 还没有形成完整的故障诊断融合体系和理论框架。由信息融合与故障诊断的关 系可知，故障诊断与信息融合技术具有相同的目的和要求，即将得到的关于系 统的各种信息和已有的各种知识进行信息的综合处理，最终得到系统的综合评 价。本文利用信息融合技术中多传感器所获得的诊断对象各个不同角度的不同 信息的优点以及单一故障诊断方法对故障信息片面分析的缺点，从传统故障诊 断方法出发， 从不同测点的角度用不同的诊断方法对离心式风机故障进行诊断， 将单一故障诊断方法在不同测点的诊断结果进行局部融合，最后将不同诊断方 法的结果进行全局决策融合，最终得到关于诊断对象故障与否及故障模式的判 断。 2 . 4 . 2 融合诊断系统的模型 建立一个融合诊断系统，就是要将信息融合技术应用于故障诊断领域，利 用数据在不同层次或级别上的融合来进行故障诊断。由于信息融合可以 在不同 第2 章 基于信息融合的故障诊断模型 的层次上进行，故障诊断系统也因诊断对象的不同而不同，信息融合故障诊断 系统还没有统一的定义。其诊断过程一般可描述为:用多个传感器从多方面探 测系统的多 种物理量，对多源的 信息和数据进行分级处理，精确、及时地判断 出系统的状态，给出系统故障与否及故障模式的正确判定，并分析出状态 ( 故 障) 、 现象 ( 征兆) 和原因之间的关系。 本文结合离心式风机的构造以 及工作原 理，提出了 基于d - s 证据理论的决策级融合诊断模型，主要由四大模块构成: 数据级处理模块、 特征级局部诊断模块 ( 包括神经网络诊断模块和综合关联度 模块) 、同级局部融合模块、决策级全局融合模块， 其具体结构见图2 - 1 e 尸 一 一 一 一- - 一一 一 一 一一 一一 一一 一 摸块2 |1|1|1 图2 - 1 基于d - s 证据理论的综合诊断模型 模块1 :数据级处理模块 以信号采集和处理知识为基础，根据机械设备的实际情况，结合专家经验 以及故障产生机理，设计出一套数据采集方案，此时采集的数据并不能完全反 映故障特征的所有信息，其中还有些是无用信息，将这些信息进行进一步的处 理，提取故障特征量，形成故障样本集. 模块2 :特征级局部诊断模块 根据故障样本 集提供的样本数据， 分析数据的 特点和提供的信息， 结合故 障诊断技术，选取合适的故障诊断方法对样本集进行初步的诊断。本文选用了 即神经网 络和基于综合关联度的故障诊断方法对在三个不同测点采集的 样本集 进行诊断。 模块3 :同级局部融合模块 用 b p神经网络和基于综合关联度的故障诊断方法对三个测点测得的信号 第2 章 基于信息融合的故障诊断模型 进行初步诊断后，由于不同测点的传感器测量的信息不可能完全一样，为了综 合各测点所测的信息， 将三个测点的信息进行初步融合，这里包括两个方面的 内容:基于b p 神经网络的局部融合和基于综合关联度的局部融合。 模块4 :决策级全局融合模块 信息融合包括像素级融合、 特征级融合和决策级融合。 用b p 神经网络和基 于综合关联度的方法进行局部融合后，将它们的融合结果在进行决策级融合， 从而得到能完全反映设备运行状态的诊断结果。 此融合模型包含两个融合过程: 第一个融合过程为基于b p 神经网络的局部 融合和基于综合关联度的局部融合，这里解决了由于不同测点所带来的信息不 全面、信息不一致问题;第二个融合过程为决策级全局融合，它是将第一个融 合过程中两种不同方法局部融合的结果进行决策级全局融合，综合两种局部融 合的优势，得出全局融合结果，使得诊断结果更精确，更可靠。 2 . 5信息融合诊断的一般方法 结合故障诊断技术和信息融合技术，故障诊断中应用的信息融合方法有: 2 . 5 . 1基于统计的信息胜合诊断方法 基于统计的信息融合诊断方法有:权系数及模糊贴近度法、贝叶斯法和证 据理论 ( d - s )法。 1 .权系数与模糊贴近度法 权系数法可谓是信息群进行融合的最原始方法，也是一种较为成熟的融合 方法，许多研究结果己 经证明该算法的最优型、无偏性、均方误差最小等特性， 并给出了一些算法及其在各领域中的应用实例2 0 1 。如文献【 2 8 1 就是把传感器的 内 部噪声与环境干扰作为一体考虑，利用多元信息的互补性， 把多传感器分组， 基于极大似然法推导出关于各组传感器测量算术平均值的加权融合公式，然后 对各组传感器测量值的方差进行估计，提出了一套实用的加权融合改进算法。 为了 改进和提高 权系 数法，可以 采用模糊贴近度方法进行信息融合in . 首 先将测量值和估计值都进行模糊化，然后计算测量值与估计值之间的模糊贴近 度， 利用贴近度来描述各个传感器在测量中的权重，最后利用融合公式求出 融 合结果， 即测量结果。 常用的表示贴近度的 方法有: 两模糊子集的内 积( 外积) 、 第z 章 基于信息融合的故障诊断模型 两模糊子集的距离、最大最小法、集函数等。 权系数法与模糊贴近度方法的 共同特点是离不开对被诊断对象的先验且完 整的认识。 如果事先得不到完备的标准信息样本群，这两种方法都会搁浅。 2 .贝叶斯法7 01 (3 11 贝叶斯方法是最早用于不确定推理的 方法，是融合静态环境中多传感器底 层数据的一种常用方法，其信息描述为概率分布，适用于具有可加高斯噪声的 不确定性。 d u r r a n t - w h y t e 将任务环境表示为不确定 几何物体集合的多传感器系 统模型。整个系统中， 每个传感器由 提取这些物体的有用的静态描述能力表示。 系统中的多传感器作为一个决策队，多传感器必须决定环境中一个队的一致性 观测.多贝叶斯估计将每个传感器作为一个贝叶斯估计，将各个单独物体的关 联概率分布结合成一个联合的候验的概率分布函数。通过使用联合分布函数的 似然函数为最小，提供多传感器信息的最终融合值，融合信息与环境的一个先 验模型提供整个环境的一个特征描述。但这种方法也有很多缺点:如定义先验 似然函数比较困难，当出现多个可能的假设或多个条件相关事件时显得很复杂， 要求对立的假设彼此不相容，缺乏分配总不确定性的能力等。因而在实际融合 系统中较少采用。 3 .证据 ( d - s ) 理论3 1 证据理论， 也称d e m p s t e r - s h a f e r 信度函数理论， 是在a r t h u r d e m p s t e r 6 0 年代后期提出的上、下概率及其合成规则的基础上，由 g l e n n s h a f e r 在1 9 7 6 年 发表的专著 证据的数学理论中正式建立并逐步发展起来的。证据理论用取 值在 单 位区 间 0 , 1 中 的 信 度函 数( b e l i e f f u n c t i o n s ) 与 似 然函 数 ( p l a u s i b i l i t y f u n c t i o n s )两个数值组成的区间表示决策者在给定证据下对假设或命题的信 念，并用d e m p s t e r 规则对不同证据产生的信念进行综合. 证据理论可以视为对概率论方法的一种改变. 这种改变主要体现在三个方 面:第一，证据理论对 “ 不知性” ( i g n o r a n c e ) 的 表示更明确更合理;第二， 证据理论具有综合不同信度函数的d e m p s t e r 规则，而概率论框架不便于处理不 同概率函数的综合:第三，证据理论与概率论关于 “ 信念” ( b e l i e f )的基本 观点是不同的， 证据理论把信念视为主体 ( a g e n t ) 基于证据产生的 认识， 而概 率论认为主体的信念是先验的，证据的作用仅是修正信念，证据理论对概率论 方法的这些改变无疑有着广泛的 应用价值， 成为人工智能专家系统中一类重要 的不确定性推理方法。 第2 章 基于信息融合的故障诊断模型 d - s 证据理论针对事件发生后的结果( 证据)探求事件发生的主要原因( 假 设)， 分别通过各证据对所有的假设进行独立判断， 得到各证据下各种假设的基 本概率分配即m a s s 函数。 m a s s函数是人们主观给出或凭经验和感觉给出的， 也 可以结合其他方法如以神经网络方法得到相对客观的1m a s s函数值， 然后对某假 设在各证据下的判断信息进行融合， 进而形成 “ 综合”证据下该假设发生的融合 概率。证据理论是概率论的推广，它满足更弱的公理系统。它采用信任度而不 是概率表示不确定性， 能区分 “ 不知道”和 “ 不确定”， 同时也不需要先验概率 和条件概率密度。并且证据理论可以 实现对证据的组合， 而主观b a y e s 方法则不 能。证据理论的这些优良性能使其在信息融合中得到了广泛应用。 尽管对于d - s证据理论的应用己取得了一些成绩，但同时也发现了不少缺 点，引起了证据理论研究者的关注。d - s证据理论存在以下主要缺点: d e m p s t e r组合规则的“ 证据独立性”要求限制了证据理论的使用范围并且其正 则化过程可能会掩盖证据本身存在的冲突性; d e m p s t e r组合规则的计算复杂 性是一个指数爆炸问题; 缺乏对决策规则的研究: 在处理模糊信息时显得 无能为力。 2 . 5 . 2基于认识模型的信息融合诊断方法 基于认识模型的信息融合诊断方法主要有模糊集合理论、逻辑模板法和聚 类分析法等。 1 .模糊集合理论 由于信息融合系统的各种不确定性， 难以用传统的二值逻辑进行判断。由l . a . z a d e h 教授提出的模糊集合论是一种精确解决不精确不完全信息的方法.根 据模糊逻辑理论， 通过模糊概率的计算实现信息融合判断。模糊逻辑的关键在于 确立 隶 属 度函 数风.) ， 隶 属 度函 数 371 可 根 据具 体 情 况 选 取 ， 如正 态函 数、 三角函 数、 梯形函数、s 形函数等等。隶属度是主观确定， 但是隶属度函数形状对模糊 推理的影响并不大。 模糊 理论 算法在国 外已 开 始将 其 应用于 分析判 别不 精确事 件图，比 如 使用 模糊集合理论来描述战场对象或对象的特征。这一方面的研究工作仍是如何在 现实 世界中定义隶属函数，以 及对模型推理与使用概率，证据间隔或可信度间 隔的方法进行比较。 第2 章 基于信息融合的故障诊断模型 2 .逻辑模板法 模板法是将一个预先确定的模式与观测数据进行匹配， 根据条件的满足情 况进行推理洲。 融合系统利用多 传感器的 观测数据与预先规定的条件进行比 较， 从而得到观测是否匹配于一个预定模板的说明， 也可以是包含对象间联系的可 信度或概率。其思想很简单， 假设能把多维特征空间分解为不同区域， 其中每一 个表示一个身份类别。通过特征提取处理建立一个特征向量， 将该特征向量变换 到特征空间中， 与预先指定的位置比较， 若观测落到一个身份类别的边界内， 则 认为该观测具有与其关联的身份类具有同样的身份。 逻辑模板法的缺点是， 特征空间中所划分的体积相互覆盖使识别产生模糊 性。并且该方法强烈依赖于特征的选择及它们在特征空间中的相互关联分布。 3 .聚类分析法x17 聚类分析法是多种过程的总称。它基本上不使用统计理论，而是利用生物 科学和社会科学中众所周知的一组启发式算法， 在模式类数目 不是很精确知道 的标识性应用中，这类算法很有用，主要用于目 标识别和分类。 其基本思想是 在一定条件， 按照目 标间相似性把目 标空间划分为若干子集， 划分的结果应使表 示聚类质量的准则函数为最大。一些算法， 以对特征空间中的自 然聚集组进行搜 索。常用的算法有: 分层凝聚法、迭代分层法、分层设计法、密度搜索法、因子 分析法、 凝聚法、图 论法等。 其中 使用最多的是分层凝聚法40 .当 用距离来表 示目 标间的相似性时， 其结果将判别空间划分若干区域， 每一区域相当于一个类 别。常用的距离函数有明氏( m i n k o w s k y ) 距离、欧式( e u c l i d e a n ) 距离、曼氏 ( m a n - h a t t a n ) 距离、类块距离等。 判别聚类优劣的聚类准则， 一种是凭经验， 根 据分类问题选择一种准则; 另一种是确定一个函数， 当函数取最佳值时认为是最 佳分类。 聚类方法有很大的主观倾向 性， 因此在使用聚类分析方法时应对其有效 性和可重复性进行分析， 以 形成有意义的属性聚类结果。 由于聚类算法的启发式特征，一般来说数据的标准相似尺度和聚类算法的 选择，甚至输入数据的次序都可能反映到结果聚集中，聚类方法有很大的主观 倾向性， 因此在使用聚类分析方法时应对其有效性和可重复性进行分析， 以形成 有意义的属性聚类结果。 聚类分析方法的基本过程可以 分为以 下几个步骤: 1 )从观测数据中选择一些样本数据; 2 )定义特征变量集合以 表征样本中的实体: 第2 章 基于信息融合的故障诊断模型 3 )计算数据的相似性，并按照一个相似准则划分数据; 4 )检验划分的类对于实际应用是否有意义，检验各模式的子集是否很不相 同，若不是，则合并相似子集; 5 )反复将产生的子集加以划分，并对划分得结果使用步骤4 )检验，直到 再没有进一步的细分结果， 或者直到满足某种停止准则为止。 2 . 5 . 3基于参数估计的 信息融合诊断方法44 若检测信号是符合正态分布的随机信号，则采用参数估计的方法比较合适。 目 前基于参数估计的信息融合方法主要有最小二乘法、极大似然估计法等。基 于参数估计的信息融合方法的一般步骤是先在理论上建立基于参数估计的多传 感器信息融合算法。一般参数估计的方法是先把连续时间域的微分方程转换成 离散时间域的差分方程，然后再利用参数估计的算法如最小二乘法来估计离散 时间系统的参数，最后把离散时间系统的参数反变换到连续时间系统的参数。 得出信息融合公式，然后剔除疏失误差的一致性观测数据进行融合计算。 2 . 5 . 4垂于滤波技术的信息融合诊断方法 基于滤波技术的信息融合诊断方法主要有卡尔曼滤波法。卡尔曼滤波法用 于实时融合动态的低层次冗余传感器数据，是一种线性递推的滤波算法，将状 态变量引入滤波理论，用信息干扰的状态空间模型代替通常滤波采用的协方差 函数，并把状态空间描述与离散时间联系起来。 它是在测得的新的数据加上前 一时刻的估计值，由系统本身的状态转移方程和一套递推公式求得新检测量的 估值。如果系统具有线性动力学模型，且系统噪声是白噪声，卡尔曼滤波为融 合数据提供了唯一的统计意义下的最优估计。卡尔曼滤波的递推特性是系统处 理不需要大量的数据存储和计算。 但是，采用单一的卡尔曼滤波器对多传感器组合系统进行数据统计时，存 在很多严重的问题，如:在组合信息大量冗余的情况下，计算量将以滤波器维 数的 三次方剧增，实时性不能满足;另外，传感器子系统的增加使故障随之增 加，在某一系统出现故障而没有来得及被检测出时，故障数据会污染整个系统， 使可靠性降低。为解决这一矛盾，许多科学家提出了 很多改进的算法切 ， 如 s a n d e r s 等人提出t s l u ( s u r e l y l o c a l l y u n - b i a s m e t h o d )方法，s h a h 提出一 第2 章 基于信息融合的故障诊断模型 种次优化的分散卡尔曼滤波理论，h a s s a n 给出了一种最优化的分散滤波结构， s p e y e r 最早提出了 测量空间分散化处理的方法。 但这些方法都存在信息量过大， 在融合中必需要考虑各局部状态估计解的相关性等实际操作困难。 在此基础上， b i e r m a n , c a r l s o n 和k e r r ，吴德平等人又分别对卡尔曼滤波算法进行了改进， 其中吴德平等人提出的信息联合滤波理论应用比较广泛。联合滤波是一种分块 估