（计算机应用技术专业论文）设备故障诊断的容错神经网络信息融合方法.pdf

哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的引用已在文中指出，并与参考文献相对应。除文l _ 卜i 已 注明引用的内容外，本论文不包含任何其他个人或集体已 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 作者( 签字) ：签舀是 日期：护岁年? 月 哈尔滨i ：科人学硕十学位论文 第1 章绪论 1 1 设备故障诊断的发展与现状 设备故障诊断技术是近4 0 年来发展起来的适应工程实际需要而形成的 一门综合学科，是各学科交叉发展的必然，由此获取的经济效益十分显著。 设备故障诊断的历史和人类对设备的维修方式紧紧相联。在工业革命后 的相当长的时期，r | _ i 于当时的生产规模，殴备的技术水平和复杂程度都很低， 设备的利用率和维修费用没有引起人们的重视，人类对设备的维修方式基本 上是事后维修，即设备运行出现问题之后进行故障分析和维护。2 0 世纪以后， 由于大生产的发展，尤其是流水线生产方式的出现，设备本身技术水平和复 杂程度大大提高，设备故障对生产的影响显著增加。这样，出现了定期维修， 以便在事故发生之前力以处理。大约在6 0 年代，美国军方意识到定期维修的 的一系列弊病，丌始变定期维修为预知维修，即在设备正常运行过程中就丌 始进行监护，以发现潜在的故障因素，及早采取措施，防止突发性故障的发 生。这种主动维修方式，不仅大大避免了灾难性的设备故障，而且避免了失 修和过剩维修，经济效益十分显著。 从科学发展的大环境来看，没备故障诊断技术的产生是各学科交叉发展 的必然。4 0 年代咀来，人类的生产方式r 益向火工业方向发展，系统论、模 糊与混沌技术等纷纷诞生，尤其是控制理论出现了重大突破，产生了一系列 现代控制方法。生产系统的庞大化和复杂化同时也暴露出一些问题，这要求 有相应的故障渗断技术。同一时期，电子技术，尤其是计算机技术的发展， 为设备故障诊断技术提供了必要的技术基础。6 0 年代，快速傅立叶变换的出 现，使故障诊断技术的发展产生了飞跃。近年来，传感器技术的发展，信号 处理的系列技术，如各种滤波技术，各种谱分析技术，人工智能的系列技术， 如专家系统，神经网络等，以及其它技术在诊断中的应用，使设备故障渗断 技术逐渐完善。 国外故障诊断技术的发展丌展较早，已有4 0 多年的历史。美国足最早丌 哈尔滨i 计￥人学预十学位论文 展战障诊断技术研究的国家。目前，美国已有多家公司从事电站敝障诊断系 统的工作，其中最知名的有西屋公司( w h b c ) ，b e n t ly 公司和i r d 公司。西屋 公司从19 7 6 年丌始电站在线计算机诊断工作，1 9 8 1 年进行电站人工智能专 家故障诊断系统的研究，1 9 8 4 年应用于现场，后来发展成网络化的汽轮发电 机组渗断专家系统( a i d ) ，并建立了沃伦多故障运行中心( d o c ) 。通过d o c 中 心，l 叮以看到分布在全美2 0 多个电厂的数据信息。b e n t l y 公司在故障诊断 方面起步较晚，但该公司在转子动力学方面，旋转机械故障机理的研究比较 透彻，在振动监测方面具有雄厚的基础，因此该公司，r 发的旋转机械故障渗 断系统( a d r 3 ) 在国内外电站领域的应用很受用户的欢迎。在欧洲也有不少公 司从事故障珍断技术的研究、产品的丌发及应用。如瑞士a b b 公司目前正在 大力发展振动观察系统( v i b r o v i e w ) ，并由渗断软件精确诊断机器故障。法 国电气研究与发展部近年来发展了以监测与渗断辅助站的p s a d 系统，用_ 丁大 型电站机组监测与渗断。英国在6 0 年代术，由c o l l a c o t t 的机械状态监测中 心首先丌始渗断技术的研究，目前己有多家机构从事此项研究。 国内故障诊断技术从8 0 年代中期丌始进入了迅速发展的时期。目前，在 理论研究方面，形成了具有我国特点的故障诊断理论，出版了一系列相关的 论著，研制出了可与国际接轨的大型设备状态监测与故障诊断系统。现在全 国从事与电站设备故障珍断系统相关的单位就有数十家，其巾有高校、研究 所、设备制造厂等。尽管国内起步比较晚，但已丌发出2 0 种以上适合于电站 汽轮机组的故障诊断系统和1 0 余种可用来做现场简易故障诊断的便携式现 场采集器。清华大学、华中科技大学、上海发电设备成套设计研究所、哈尔 滨_ 业大学等单位都开发出了多种类型的故障诊断装置，山东电力科学研究 院和清华大学等单位在1 9 9 7 年共同丌发了类似于美国西屋公司的a i d 系统的 “人型汽轮发电机组远程在线振动监测分析与渗断网络系统”，通过网络方式 将多个电厂的振动数据传输到山东电力科学研究院远程诊断中心站，并通过 中心站对振动数据进行远距离的监测分析与诊断。我国的故障诊断披术发展 很快，但与国外相比，仍存在一定的差距。主要表现在传感器的性能及可靠 性较差，诊断理论和机理的研究尚不很透彻，多参数综合分析诊断应用较少， 故障诊断系统自身的可靠性较低等几个方面。 哈尔滨i ：群人学硕十学位论文 1 2 信息融合技术 1 2 1 信息融合技术的发展与现状 7 0 年代初，美国的军事机构就丌始研究数据的自动化综合处理， 9 7 3 年，美国防部资助开发了声呐信弓理解系统，数据融合技术在浚系统中得到 了最早的体现。此后，数据融合技术蓬勃发展，不仅在c 3 i 系统中尽可能采 用多种传感器柬收集持息，而且存工业控$ , j s d 管理等领域也朝着多传感器的 方向发展“。 近2 0 年来，信息融合技术越束越受到人们的普遍关注。西方发达困家州 当重视信息融合技术，其研究与应用发展十分迅速，一从概念论正走向丌发 应h j 。 9 8 7 年以来，美国困会一直将其列为对美国国防具有重要影响的2 i 项关键技术之，并在信息融合技术研究方面投入巨资。一些采用信息融合 技术的军事系统也相继研制成功。信息融合另外一个有成就的研究和应用领 域是智能机器人，智能机器人需要依靠本身的传感器系统综合信息、识别环 境作出决策。例如，融合超声传感器和摄像机的信息以确定机器人的空间位 置。i t a ij a r 移动机器人首次将视觉、听觉、触觉和激光测距等传感器集成起 来，使之能在未知环境中运动。s t a n f o r d 大学将立体视觉、滑觉和超声波传 感器用在移动机器人上，用卡尔曼滤波综合传感器信息取得成功。我幽存信 息融合技术方面尚处于起步阶段，在智能机器人中研究和应用信息融合技术， 取得一定的成果，信息融合技术在医学、公安等领域中的图像分析与理斛、 多源图像复合等方面也有所应用。 1 2 2 信息融合研究存在的问题 ( 1 ) 未形成基本的理论框架和有效广义模型及算法 虽然数掘融合的应用研究已相当广泛，但是，数据融合问题本身至今未 形成基本的理论框架和有效的广义融合模型及算法。其绝大部分工作鄙是， | 对待定应用领城内的问题来丌展研究，也就是浇，目前刈信息融合问题的研 究都足根抛问题的种类，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。如典型的分布式检测融合，己从理论上解决了 哈尔滨l 稗人学硕十学化论文 最优融合准则、最优局部决策准则和局部决策门限的最优协调方法，并给出 了相应的算法。但这些研究反映的只是数据融合所固有的面向对象的特点， 也就难以构成数据融合这一独立学科所必需的完整理论体系。这一理论短缺 现象阻碍了研究者对数掘融合本身的深入认识也使得数据融合在某种程度 f ：仅被看成是一种多传感器信息处理概念；人们无法对面向对象的融合系统 作出综合分析和评估使得融合系统的设计带有一定的盲目性。因此，即使 少数学者曾探索了融合系统的性能评估问题，但这类评估大多只是提出一些 特定的系统性能指标，或针对待定应用背景来对某种具体融合算法进行分析。 ( 2 ) 关联的二义性是数据融合中的主要障碍 住进行融合处理6 u ，必须对信息进行关联，以保证所融合的信息是来自 同一目标或事件，即保证融合信息的一致性。如果对不同日标或事件的信息 进行融合，将难以使系统得出正确的结论，这问题称为关联的二义性，是 数据融合中克服的主要障碍。由于在多传感器信息系统中引起关联二义的原 因很多，例如传感器测量的不精确性、干扰等，因此，怎样确立信息刈融合 性的判断准则，如何进一步降低关联的二义性已成为融合研究领域亟待解决 的问题。 ( 3 ) 融合系统的容错性或稳健性没有得到很好的解决 冲突( 矛盾) 信息或传感器故障所产生的错误信息等的有效处理、或稳健 性【乜是信息融合理论研究中必须考虑的问题。 ( 4 ) 对数据融合的具体方法的研究尚处于初步阶段 就已建成的数据融合系统柬看，仅仅是以种简单的方法合成信息，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处于 试探性的，或是仿真性的。同时，数据融合也可以借鉴其它领域的很多新技 术，如人工智能技术、计算神经网络技术等。因此，目前在数据融合具体方 法方面的研究也还处于初步阶段。 ( 5 ) 数据融合系统的设计还存在许多实际问题 在数据融合系统的设计方面还面临许多实际问题，如严格的系统设计工 程和规范，传感器测量误差模型的建立，复杂动态环境下的系统实时响应， 大知1 泌库的建立及其管理等。 哈尔滨f ：榭人学硕十学位论义 1 2 3 信息融合的研究方向 数据融仑不是一门单一的技术，而是一门跨学科的综合理论和方法，并 且仍然是一个不很成熟的新研究方向，尚处在不断的变化和发展过程中。从 日日f 收集到的国内外资料来看。数据融合研究方向可归纳为： ( 1 ) 建立数据融合的基础理论。基础理论研究分为两个方面。一是同类信 息柏融合的数值处理方法，特别是研究各种员优、次优分散式算法；二是不 同类型信息相融合的符号处理方法，其理论研究难度较大，目前以专家系统 技术、各种a i 技术为主。但传统的专家系统常常不能满足实际的推理和实时 性需要。因此，要研究具备学习功能的新at 技术( 如人二r = 神经网络技术等) 。 ( 2 ) 兼有稳健性和准确性的融合算法和模型的研究。着重研究相关处理、 融台处理和系统模拟的算法利模型，注意这些算法和模型的稳健性和准确十牛， 丌展对数据融合系统的评估技术和度量标准研究。 ( ： ) 研究数据融合剧的数据库和知识库，高速并行检索和推g _ , f jl $ 0 。 ( 4 ) 丌发推理系统，尤其是不确定性推理，以进行融合过程中的状态估计i 和决策分析。 ( 5 ) 研究数据融合的分钚式数据处理体系结构。 ( 6 ) 把处理算法分解成适于在并行机上实现的并行处理。 ( 7 ) 将神经刚络用于探测跟踪、分类和估计等问题。 ( 8 ) 数据融合系统的工程化设计方法和系统评估方法。 1 3 基于信息融合的设备故障诊断的问题 就信息融合技术在故障诊断领域中的应用研究来说，需要作的工作还 多： ( 1 ) 在设备故障渗断的过程中，如何减少误渗率，提高可靠性的研究具 有重大的意义。传统的诊断系统未考虑网络在各种扰动或故障作用情况下的 输出误差，使得系统的容错性受到很大限制。因此神经网络本身的可靠性显 得越来越重要，迫切需要建立分析和设计高可靠性的神经网络的理论和方法。 ( 2 ) 如何选择反映诊断对象工作时的状态信号利状态参数。状态信号和 哈尔滨1 剧人。7 ：颂十学位论文 状态参数是信息融合故障诊断系统的信息末源，也是故障诊断的基础。如何 优选状态信号和状念参数，是减小系统规模，提高系统诊断性能的关键。 ( 3 ) 如何解决融合系统的容错性或稳健性。也就是说，对于有冲突的信 息或由于传感器故障所造成的错误信息，融合系统仍然能够进行正确的处理， 并作出合理的响应。 ( 4 ) 如何提高融合系统的实时性。随着监测系统的复杂化，信息融合故 障珍断系统需要处理的信息随之增加，信息处理周期增人，从而造成融合系 统的实时性无法保证。因此，如何建立分布式数掘处理体系结构，如何实现 多机并行处理融合算法，以提高系统的实时性是有待进一步研究的内容。 ( 5 ) 如何评估信息融合故障诊断系统的性能。对于同一系统的不同设计 方案，或不同系统的多个设计方案，如何建立合理的数学模型对这些系统的 性能进行评估，从而选出最优设计方案，这也是有待进一步研究的课题。 1 4 课题提出的背景及意义 信息融合技术在目标识别、医学诊断等领域得到了广泛的应用，但在故 障珍断领域，这一技术的应用尚处于起步阶段。设备故障诊断中可利用的信 息很多，只有充分利用有用的信息来对设备的故障进行诊断才能提高故障诊 断的精度和u j 靠性，因此故障诊断实质上是一个多信息融合的过程。 虽然信息融合技术已经应用在设备故障诊断中，但是还有很多问题没有 解决。在设备故障诊断中，如何提高确诊率和容错性具有卜分重要的意义。 集成神经网络可以提高网络的确诊率。从信号的有效组合出发，用各种子神 经网络，从不同侧面渗断故障，充分地利用各种信扈。则能提高确渗率。由 于各种子神经网络输入特征信息不同，其决策从不同方面反映了设备的状态， 它们经过重新融合，有利f 减少决策间的彳i 确定性，提高确珍率。 系统的容错性在信息融合系统研究中具有非常重要的意义，r 前这个f 1 题也没有被很好的解决。值得指出的是，诈如神经网络在诸如模式识别、信 号处理和智能控制等领域的广泛应用推进神经网络理论的发展一样，神经网 络本身的可靠性显得越来越重要，当前迫切要求丌发典型的容错神经网络应 哈尔滨i 稃人学硕十学位论文 用系统，这样将有力地促进容错神经网络理论的发展。而且，人工神经网络 的容错性研究对于揭示人脑神经系统的容错机理和丰富容错计算理论有重大 意义。 综上所述，本文研究的设备故障渗断中容错集成神经网络的信息融合方 法具有卜分重要的研究价值和前景。 1 5 论文的主要研究内容 本文从提高故障诊断的如何提高确诊率和容错性出发，针对设备故障诊 断中多信息的特点，采用神经网络的信息融合方法， 本文的研究工作共分为血章论述： 第】章绪论。首先论述了设备故障诊断和信息融合技术的发展和现状。 之= ，阐述了信息融合技术存在的削题和当今的发展方向( 即有待于解决的 问题) 。最后介缁了本课题的背景和意义。 第2 章设备故障诊断的信息融合技术。本章主要介绍了信息融合技术的 定义、原理、特点、应用领域、常用方法和设备故障诊断中的信息融融系统。 第3 章基于集成神经网络信息融合的故障诊断。本章重点分析了集成神 经网络信息融合的结构、组成原则和实现策略，以大型电机转子的振动信号 为研究刘象列其进行了仿真，取得了满意的结果。单子神经网络可刺多类故 障进行诊断，然而单子神经网络存在要实现对多个故障模式的诊断需要大量 的学习样本，构造特征向量、确定网络结构有一定难度等问题，集成神经网 络信息融合系统提高了学习样本的f 确识别率，改善了检验样本的识别性能。 另方面，信息融合能够使不同信源的信息相互补充，从而减小了系统信息 的不确定性，使系统信息具有更高的精度和可靠性，进而能够获得列故障状 态的最优估计与判决。 第4 章容错神经网络的模型和推理。本章提出了容错神经网络理论的仞 步框架，虽然还待于不断地完善。接着本文介绍了当今比较典型的神经网络 的容错算法，并对此进行了比较。当前迫切要求丌发典型的容错神经网络应 用系统，这样将有力地促进容错神经网络理论的发展。 哈尔滨l 拌人学硕十学位论文 第5 章基丁容错神经网络的设备故障诊断。木章针对设备故障诊断系统 昝错性差的缺点，提出了容错神经网络的故障珍断模型，改进了隐层结点冗 余容错算法，并在第二章集成神经网络仿真系统的基础上进行了仿真，与第 三章的集成神经网络仿真结果相比较，得到了满意的结果，证实了一旦网络 出现故障，系统的识别率也很高，因此该系统具有良好的容错性。 哈尔滨1 2 程大学硕十学位论文 第2 章设备故障诊断的信息融合技术 2 1 信息融合技术的定义 2 0 多年来，多传感器数据融合技术在机器人和智能仪器系统、战场观测 和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别、多源 图像复合等诸多领域获得了普遍关注和广泛应用，“融合”一词几乎无限 制地被众多应用领域所引用。因此，对于信息融合这样一个具有广泛应用领 域的概念，很难给出一个统一的定义。显然，信息融合是针对一个系统中使 用多种传感器这一特定问题而展丌的一种信息处理的新研究方向，因此，信 息融合又可称作多传感器融合( m s f ) 。 数据融合比较确切的定义可概括为：充分利用不同时f 刚与空间的多传感 器信息资源，采用计算机技术对按时序获得的多传感器观测信息在一定准川 下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述， 以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能。 因此，多传感器系统是数据融合的硬件基础，多源信息是数据融合的加 工对象，协调优化和综合处理是数据融合的核心。 2 2 信息融合的基本原理。 多传感器信息融合是人类或其它逻辑系统中常见的基本功能。人非常自 然地运用这一能力把来自人体各个传感器( 眼、耳、口、鼻、四肢) 的信息( 景 物、声音、气味、触觉) 组合起来，并使用先验知识去估计、理解周围环境和 f 在发牛的事件。由于人类感官具有不同的度量特征，因而可测出不同空间 范围内的各种物理现象，这一过程是复杂的，也是自适应的。把各种信息或 数据f 图像、声音、气味以及物理形状或上下文) 转换成对环境的有价值的解 释，需要大量不同的智能处理，以及适用于解释组合信息含义的知识库。 哈尔滨l 。科人学硕+ 学伉论文 在模仍人脑综合处理复杂问题的信息融合系统中，各种传感器的信息可 能只自不同的特征：实时的或者非实时的，快变的或者缓慢的，模糊的或抒不 确定的。多传感器信息融合的基本原理也象人脑综合处理信息一样，充分利 用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把 多个传感器在空间或时问的冗余或互补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。多传感器信息融合与所有单传感器信号处 理相比，单传感器信号处理是对人脑信息处理的一种低水平模仿，而通过多 传感器信息融合可以更大程度地获得被测目标和环境的信息量。 2 3 信息融合的级别m 按照数据抽象的三个层次，融合可分为三级，即数据层融合、特征级融 合和决策级融合。 ( 】) 数据层融合 数掘层融合是直接在采集到的原始数据层上进行的融合，在各种传感器 的原始测昔未经处理之| j i 就进行数据的综合和分析。 ! 圈圈 ：二 i 特征提取【 融合 以别i 信号3 图2 1 数据级融台 如图2 1 所示，苗先将全部传感器的观测数据融合，然后从融合的数抓 中提取特征向量，并进行判断识别。这便要求传感器是同质的( 传感器观测的 是同一物理现象) ，如果多个传感器是异质的( 观测的夼是同一个物理量) ，邡 么数据只能在特征层或决策层进行融合。这是最低层次的融合，如成像传感 器对包含若干像素的模糊图像进行处理和模式识别来确认目标属性的过程就 哈尔滨i ：科人学硕十学何论文 属于数掘层的融合。 这种融合的优点是能保持尽可能多的现场数据，提供其它融合层次所币 能提供的细微信息。但它所要处理的传感器数据量太大，故处理代价高，处 理时i l ij 长，实时性差。这种融合是在信息的最低层进行的，传感器原始信。鬯、 的不确定性、不完全性和不稳定性要求在融合时有较高的纠错能力。 数据级融合通常用于：多源图像复合、图像分析和理解，同类( 同质) 雷 达波形的直接合成；多传感器数据融合的卡尔曼滤波等。美国海军9 0 i 代仞 在s s n 一6 9 1 潜艇上安装了第一套图像融合样机，它可使操作员在最佳位置上 直接观察到各传感器输出的全部图像、图表和数掘，同时又可提高整个系统 的战术性能。 ( 2 ) 特征级融合 特征级融合属于中问层次，它先对来自传感器的原始信息进行特征提取， 然后对特征信息进行综合分析和处理。 图2 2 特征级融合 一般说柬，提取的特征信息应是数据信息的充分表示量或充分统计量， 然后按特征信息对传感器信息进行分类、汇集和综合。 特征级融合的优点在于实现了可观的信息压缩，有利于实时处理，并土上 由于所提取的特征直接与决策分析有关，因而融合结果能最大限度地给h j 决 策分析所需要的特征信息。 特征级融合可划分为两大类：目标状态数据融合和目标特性融合。特征 级目标状态数据融合主要用于多传感器目标跟踪领域。融合系统首先对传感 器数据进jj ：预处理以完成数据校准，然后主要实现参效相关和状态向量估计。 哈尔滨i 。程人学颁十学位论文 特征级口标特性融合就是特征层联合识别，具体的融合方法仍足模式以别的 相应技术，只是在融合前必须先对特征进行相关处理，把特征向量分类成有 意义的组合。 ( 3 ) 决策层融合 决策级融合是一种高层次融合，即根据一定的准则以及每个决策的可信 度作出最优决策。 十f l 一姥全一 图2 3 决策级融合 信号3 决策级融合从具体决策问题的需求出发，充分利用特征级融合所提取的 测量剥象的各类特征信息，采用适当的融合技术来实现。决策级融合是三级 融合的最终结果，是直接针对决策目标的。融合结果直接影响决策水平。 决策级融合的主要优点有：具有很高的灵活性：系统对信息传输带宽要 求较低：能有效地反映环境或目标各个侧面的不同类型信息当一个或儿个传 感器出现错误时，通过适当的融合系统还能获得f 确的结果，以具有容错性； 通信量小，抗下扰能力强；对传感器的依赖性小，传感器可以是同质的，融 合中心处理代价低。 2 4 信息融合的方法 信息融合的方法很多”j ： ( 1 ) 基于统计的融合方法 基r 统计的融合方法有：经典推理、贝叶斯法和证据理论( d - s ) 法。经典 推理技术完全依赖数学理论，其优点是众所周知的，但当把它用于多变量统 鬻 一取二一黑覃 哈尔滨i 研￥人号硕十学位论文 计时，就要求先验知识和计算多维概；瞽密度函数，这对于实际应月j 是个限 制。另外，它还有其它缺点：只能同时估计两个假设：在多变量数据情况下矮 复杂性急剧上升：所以，仅当所需数是直接可利用时才使用这种方法，故在信 息融合i 巾很少使用。 贝i i f 斯推理技术解决了经典推理的某些困难， q 它的缺点也很明显：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，娃得 很复杂：要求对立的假发_ 彼此不相容：缺乏分配总不确定性的能力等。冈而实 际的融合系统很少采用。 d s 证据理论拓宽了贝叶斯理论，解决了一般水平的不确定性分配问题。 根据人的推理模式，采州概率区问和不确定区间来确定多证据下假设的似然 函数，还能计算任意假设为真条件下的似然函数值，因而具有较大的应用时 景。 ( 2 ) 基r 信息沦的融合技术 信息论技术包括模板法、聚类分析和神经网络等，这些方法的共同点是将自 然分组和目标类型相联系。聚类分析是各种过程的总称，它基木上不使用统 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，根捌 预先指定的相似标准把观测分为些自然组或聚集，再把自然组与目标 预测类型相关。 模板法通过对观测数据与先验模板匹配处理，来确定观测数据是否支持 有模板所表征的似设。 人工神经网络输入端的数据矢量经过非线性转换，在网络输出端产乍输 出矢量，这样种转换就使得人工神经网络具有数掘分类功能，冈而，可将 人工神经嘲络用于把多传感器数据转换成某个实体的特征的联合说明。虽然 这种分类功能在某种程度上类似于聚类分析法，但是，特别当输入数据中混 有噪声时，人工神经网络的优点更加突出。 ( 3 ) 基于认识模型的信息融合 基于认识模型的信息融合方法试图模仿人类从其多传感器( 眼、耳、异， 手等) 数据辨别实体的识别过程模型，其中有模糊集合理论、逻辑模板法以及 基于知识或专家系统等。 专家系统或知讨 库系统能实现较高水平的推理，但是，由于专家系统方 哈尔滨i 稗人学硕七学位论文 法依赖 一知以的表示，要通过数字特点、符号特点和基于推理的特点来表示 对象的特征，其灵活性很火，因此，要成功地设计和丌发一个应用信启、融合 的专家系统是很困难的。 模糊集合理论是一种崭新的识别技术，当前虽然己经，r 始出现一砦支持 模糊推理的商用软件工具，但关于模糊集合理论的价值和用于信息融合的懊 糊逻辑仍在研究和探讨之中。国外已丌始将模糊集合理论应用分析判断1 ；精 确事件。 逻辑模板法是基于逻辑的识别技术的总称，自7 0 午代中期以来就成功地 用于信息融合系统，主要用于时问探洲或念势估计所进行的多传感器信息融 合，也川于币个目标的特征估计”l 。 2 5 设备故障诊断中的信息融合利用 2 5 1 设备故障诊断中信息融合利用的必要性 在故障诊断中应该充分利用各种信息，而不应仅局限于一种信息。因为 从珍断学角度来看，任何一种诊断信息都是模糊的、不精确的。任 口j 一种诊 断剥象，单用一方面信息来反映其状态行为都是不完整的，只有从多方面获 得关于同一对象的多维信息，并加以融合利用，才能对设备进行更口j 靠更准 确的诊断。在故障诊断问题采用信息融合技术主要有三个原因： ( 1 ) 多传感器形成了不同通道的信号 随着故障珍断系统的庞大化和复杂化，传感器的类型和数目急剧增多， 众多的传感器形成了传感器群，由于传感器的组合不同，提供了设备不1 一| 类 型，不同部他的信息，传统的故障诊断方法只是对机器状念信息中的种或 几种信息进行分析，从中提取有关机器行为的特征信息。虽然利用一种信息 何时川以判断机器的故障，但在许多情况下得出的珍断结果并不可靠。只有 从多方面获得关于同一对象的多维信息，并加以综合利用，爿能对设备进行 更可靠更准确的渗断。 ( 2 ) i 嗣一信号形成了不同的特征信息 赴故障珍断中，故障形成的原因非常复杂，不同的故障可能以同一征兆 哈尔滨ij 群人碗十学何论文 形式表现m 束。例如，不平衡、不对巾、轴承座松动、转子径向碰摩等都会 引起旋转机械转子的异常振动，因此，转子的振动信弓包含了大量反映转了 状态的特征信息，只有综合利用这些特征信息彳能诊断出转子的故障。 ( 3 ) 故障渗断中的不确定性 在故障渗断系统中，由于诊断对象的不确定性、系统噪声以及传感器的 测量误差等原冈，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。 2 5 2 设备故障诊断中的可利用信息 在故障诊断过秤中，可以利用的机器信息很多： ( j ) 机器振动 山机器运动产生，携带大量的运行状态信息，机器出现异常或发牛故障 都会引起机器振动发生变化。如果这种变化能被检测出来，则可列机器工作 性能进行评价。依靠检测振动参量的传感器。 ( 2 ) 机器响声 由r 机器工作时的彳：平衡运动使机器发生振动所产生，它和机器振动密 切相关，但在频率分枷及信号特征上与振动信息有所不同。 ( 3 ) 机器运行中的过程量和过程参数 机器工作介质、润滑油、冷却水的温度、压力、流量，机器输入输山的 功率、转速、扭矩等过程量和过程参数也可提供有关机器运行状态的信息， 在许多情况l i ，这些信息对机器状态变化的反映往往更明显、更可靠。 ( 4 ) 残留物、排泄物 设备运行中所芦n 生的油样中的磨屑、液体中的杂物等也能反映设备的磨 损情况，这类数据只有依靠专用的检测仪器才能获得。除了上面几类同机器 运行状态直接相关的信息外，下面几种信息在故障诊断的信息融合方法中也 起着重要的作用“。“： ( 1 ) 传感器本身的数据：传感器组中每个传感器的性能指标、测量精度、 量程等数据。 ( 2 ) 设备运行历史数据：设备过去的运行状态、曾发生的故障及其处理 措施、发生故障时运行状态的振动量、热工量和其他现场参数。 哈尔滨i 稃人! 学硕十学位论文 ( 3 ) 关于设备性能的数据：设备的安装、使用说明，操作规范脱明，再 个运行状念参数f 常值的范围等。 ( 4 ) 关于诊断故障的数据：设备的工作原理、饵个零件的上艺、装配方 面的数据，设备故障诊断的判定标准等。 ( 5 ) 人类专家的经验。 2 5 3 设备故障诊断的信息融合系统 多传感器故障诊断信息融合系统的纽成如2 4 图。 系统丰要由6 大部分组成：被n x , j 象、多传感器、信号处理单儿、特征提 取、故障诊断单元和故障决策融合。图2 4 中，故障珍断系统有1 3 个传感器 s 1 ，s 2 ，s n ，它们完成故障诊断对象数据的采集工作。信号处理单元j 乞 成f 1 个传感器所采集数掘的预处理( 如滤波等) ，以减少噪声的_ t 扰；特征提取 是从传感器所采集到的经预处理数据判断此数据是舀l f 常。故障诊断单元是 当其刘心的数据不f 常时，确定对象可能出现的故障单元( 包括传感器) ：故障 决策融合运用信息融合技术，对各个传感器的故障诊断单元输出进行融合推 断，确定对象是否出现故障，以及最有可能出现的故障单元。 2 6 小结 图2 4 多传感器故障诊断信息融合系统 本争i 一要介绍了信息融合技术的定义、原理、特点、应用领域、常川_ 方 哈尔滨i 程人学硕1 ：学何论文 法和设备故障渗断中的信息融合利用，分析了多传感器故障诊断信息融合系 统。 ；堕尘鎏；：；垒垒耋：堡i ! 耋堡篁奎 ； 第3 章基于集成神经网络信息融合的故障诊断 3 1 人工神经网络简介 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ) 理沦是近几十年来迅速发 展起来的人工智能领域的一个重要分支，从人脑的神经系统结构m 发术研究 人脑的功能，其本质上是一种接近人的认知过程的计算模型，是模仿人的大 脑神经元结构特性而建立起来的一种非线性动力学网络系统。神经网络山大 量简单的非线性处理单元高度并联和互联而成的，具有类似于人脑的某些基 本特征，如学习、记忆、归纳、推理等，还具有强大的数学模拟能力。人_ _ f ： 神经网络以高度的并行分布式处理能力、联想记忆、自组织能力、自学习能 力和极强的非线性映射能力，在在众多的领域中显示出了广阔的应用前景。 节今为止，人们已经提出了几十种神经网络模型，如白适应共振理论模 型( a r 。1 ) 、误差反向传播模型( b p ) 、双向联想存储器( b a m ) 、感知机模型( p 1 r ) 、 白组织影射模型( s o m ) 、径向基函数网络模型( r b f ) 等等，但是目前应用最为 广泛，理论最为成熟的当属b p 网络模型和r b f 网络模型。 3 2b p 网络简介 3 2 1b p 网络的结构“， b p 算法是用于前馈多层网络的学习算法，前馈多层网络的结构般含有 输入层、输m 层和处于输入输出层之间的中问层。中问层有单层或多层，山 于它们和外界没有直接的联系，故也称为稳层。在隐层中的神经元出秘：为隐 单元。隐层虽然与外界不连接，但是它们的状念影响输入输出之制的关系。 这也是说，改变隐层的权系数，可以改变整个多层神经网络的特性。二层前 馈型b p 网络结构图如图3 1 所示。 哈尔滨- j 。- i 人学硕十学位论文 j “ 爿! o 图3 1 三层前馈型b p 网络 设第一层为输入层，第q 层为输出层，中间各层为隐层。设第q 层( 叮= i ， 2 ，q ) 的神经元个数为，输入到第q 层的第i 神经元的连接权系数 为：鸭= j ，2 ，n , 一，j 。该网络的输入输出变换关系为 s ，m = 。埘z ，“_ 7 b 。= 臼，川，m ，。圳= 一1 ) ( 3 一1 ) x 9 = s ( s q t 32 i 2 1 ，2 ，”q= 1 ，2 ，一， q i q 2 l ，2 ，一，q 3 22b p 网络的学习算法 b p 网络连接权的调整采用反向传播的学习算法，其算法如下： ，刖 + 1 ) = 剧 ) + n 岛削 l a ) o ( 3 3 ) d ? ? = 6 | i “xp p t3 - 4 ) ，= 1 6 ：= 匹( i 箸1 p l k ：，r 1 - - x ；j ( ：j5 ) 躲= j x 譬) i 曝( 、一x 1 鲁) 1 3 6 v = g ，q 一1 - - ，lf = 1 , 2 ，- ，n 。，= 1 , 2 ，i 。一i 总括起柬，b p 网络的主要优点是： ( 1 ) 只要有足够多的隐层和隐结点，b p 例络可以逼近任意的非线性函数： ( 2 ) b p 网络的学习算法属于全局逼近的方法，因而具有较好的泛化能力。 哈尔滨1 科人学坝一l 彳：何论又 b p 网络的主要缺点是： ( 1 ) 收敛速度慢； ( 2 ) 局部极值： ( 3 ) 难以确定隐层和隐结点的个数。 3 2 3 改进的b p 网络学习算法” 由于b p 网络具有收敛速度慢、局部极值及难以确定隐层和隐节点个数晌 缺点，故在实际应用中，出现了许多b p 算法的改进算法。”算法的改进j 二 要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化 算法。 ( 1 ) 引入动量项 动量法降低了网络对于误差曲面局部细节的敏感性，有效地抑制网络陷 于局部枉乏小。标准即算法实质上是一种简单的最速卜降静态寻优算法，在修 正w ( k ) 时，只是按照k 时刻的负梯度方式进行修f ，而没有考虑到以自积累 的经验，即以前时刻的梯度方向，从而常常使学习过程发生震荡，收敛缓慢。 为此，有人提出了改进算法，即： 蹄住十1 j = w a o + a ( 1 一r o d ( k ) + r l d ( k 一1 j 】 ( 3 7 ) 式中研动可表示单个的权值，也可表示权值向量d 内= 一a a w ( k ) 为k 时刻 的负梯度。d ( k d 为k 一1 时刻的负梯度。为学习率( 口 o ) 。，7 为动量因子 ( 0 7 7 1 ) 。 这种方法所加入的动量项实质上相当于阻尼项，它减小了学习过程的振 荡趋势，从而改善了收敛性。 ( 2 ) 变尺度法 标准的i j p 学习算法所采用的是一阶梯度法，因而收敛较慢。若采用二阶 梯度法，u j 以大大改善收敛性。二阶梯度法的算法为 w 债+ 1 j ：。一d p2 e 倒r 1 v e 内( 3 - 8 ) 其中 哈尔滨jf ：稃人学硕十学位沧文 v 瓣羔矿黔篇引 圳 二阶梯度法的计算量比较大，所以一般采用变尺度法或共扼梯度法，其 算法如l - ： 晰+ 1 j = w 阳+ a h & ) d ( 31 0 ) h 似，= h 陋一1 j j a 面w ( k 面) a 丽w ( k ) 一j h 五( k - 历i 五) a 面w _ = ( k j ) a 丽w 7 ( k ) d w 冈= w 内一w ( x 一1 j d d ( k ) = d ( ”一d ( k 一、) ( 3 ) 变步长法 标准b i ，锋法收敛速度慢的另一个重要原冈足学习率选择不当。学爿宰选 得太小，收敛太慢：学习率选得太大，则有可能修f 过头，导致振荡甚午发敞。 冈此出现了白适应调整学习率的改进算法，即 w ( k + 1j = 玎，f 矽+ n 例d 内r3 1 1 、 a 倒= 2 a ( k 一1 j = s i g n d ( k ) d ( k 一1 j 】 ( 315 ) ( 31 6 ) 当连续两次迭代的梯度方向相同时，表明下降太慢，这时可使步长加倍 而当连续两次迭代的梯度方向相反时，表明下降过头，这时可使步长减半。 3 3 基于神经网络信息融合 信息融合的一般方法都需要进行大量计算，这对系统的实时性是一个制 约因素，它反过来对信号处理算法及其软件、硬件实现途径提出了较高要求。 信息融合技术是利用所获得的信息得到关于被检测对象所需要的信息。冈此， 信息融合可以视为在一定条件下信息空削的种非线性推理过程，即把多个 传感器榆测到的信息作为一个空间m ，最后要得到的信息作为另宅刚、，信 息融合技术就是实现m 到n 映射的推理过程，即，m 斗川。信号处理神经网 l 2 3 一 一 一 3 3 3 ( ( ( 哈尔滨i ：拌人学硕十学何论文 络用j 二对l 巾个传感揣检测到的信号进行处理，提取有用信息，作为融合神经 网络的输入，融合神经网络对得到的信息在一定的层次上进行融合处理，以 得剑更全面、更准确的信息。 运用神经网络信息融合技术，首先要根掘系统的要求以及传感器的特j 簟 选择合适的神经网络模型，然后再根掘己有的多传感器信息和系统的融合j ；i | | 识采用一定的学习方法，对建立的神经网络系统进行离线学习，确定网络的 联接权值和联接结构，最后把得到的网络用于实际的信息融合当中。神经刚 络在应用r | 要利用网络的自学习和自组织功能，不断地从实际应用中学习信 息融合的新知识，调整自己的结构和权值，满足检测环境不断变化的实时要 求，提高信息融合的可靠性。 基于神经网络的信息融合技术有许多优点“： ( 1 ) 神经网络的信息统一存储在网络的联接权值和联接结构卜，使得传 感器的信，宫、表示具有统一的形式，便于管理和建立知识库。 ( 2 ) 神经网络可增加信息处理的容错性，当某个传感器出现故障或检测 失效时，神经网络的容错功能可以使检测系统j 下常工作，并输出可靠的信息。 ( 3 ) 神经网络的自学习和自组织功能，使系统能适应检测环境的不断变 化和榆测信息的不确定性。 ( 4 ) 神经网络的并行结构和并行处理机制，使得信息处理速度快，能够 满足信息的实时处理要求。 3 4 信息融合的神经网络模型 神经网络信息融合有两种实现方式：一种是单子神经网络，第二种融合 方式是集成神经网络的信息融合。 单子神经网络的信息融合模型如图3 2 所示： ；些：鎏三；垒垡；堡圭兰堡篁圣； ；一 神 经 网 络 图3 2单子神经网络信息融合 输入为0 i 同类型的信号，或同一信号形成的不同特征因子，它们从小同 侧面反映了设备的故障。单子神经网络融合这些信息，最终给出故障决策。 这种融合方式是单个子神经网络基于特征信号形成的，它输出局部的决策， 可称为特征融合或局部融合。 5 信息融合的集成神经网络 3 5 1 集成神经网络的提出 单子神经网络通过对多类典型故障样本的学习，可记住这些故障的特性。 当输入任一案例时，网络通过联想回忆，将逼近最接近的一类故障。凼此， 单子神经网络可实现对多类故障的渗断。单子刚络虽然可以诊断多个故障， 但它自。一些的缺点，主要有： ( 1 ) 要实现对多个故障模式的诊断，网络需要大量的故障样本，但构造 反映多种故障的特征向量不是件容易的事。 ( 2 ) 适合于诊断多类故障的网络结构难以确定，即使能够确定，网络的 节点过多，结构庞大，造成训练困难。 ( 3 ) 对新出现的故障类型，单子网络必须抹去全部记忆，重新学习c 考虑到单子神经网络的上述缺点，如果从信号的有效组合出发，j 1 j 各种 子神经删络，从不同侧面珍断故障，充分地利用各种信息，则能提高确渗率。 山于各种子神经网络输入特征信息不同，其决策从不同方面反映了设备的状 哈尔滨i 群人学硕1 ：学位论文 念，它们经过重新融合，有利于减少决策问的不确定性，提高确珍率“。 3 5 2 集成神经网络的结构 集成神经网络信息融合结构如图3 3 所示： 图3 3 集成神经网络信息融合结构 集成神经网络的结构有串联和并联两种形式。串联结构的特点是接到上 级的信号就丌始融合，而并联结构接到所有信息才丌始融合。凶而串联结构 速度较快。但串联结构有明显的缺点，它对线路的故障非常敏感，若中间 个网络发生了故障，没有信息传递下来，整个融合过程将中止。考虑设备故 障珍断的实际情况，信息融合既有局部的，又有全局的，因此，刚串并联混 合的集成网络结构比较合适。从图3 3 可以看出，它是由i 、i i 、l i i 三级刚 络串联而成，其中i i 级网络形成子网的并联结构。 从功能来看，i 级网络完成信号向各设备的定位，属管理型删络。ij 级 网络由子网络并联而成，各子网络从不同侧面完成对故障的诊断，其中某些 子网络可完成局部信启、融合，因而它们属于诊断型网络。诊断子网络的结果 送入决策融合网络进行融合，最终得出渗断结果，这种融合属于全局性融合。 3 5 3 子神经网络的组建原则 集成神经网络是由若干个子网络组合而成的。予网络的构成，包括具结 哈尔滨i ：胖人学硕十学位论文 构，输入输卅样本特性，直接关系到集成神经网络的诊断效果。剖此有必要 研究子网络组建应遵循的原则。 ，譬虑图： 3 所示的集成网络信息融合结构。设y 为决策融合网络的输出。 集成神经网络的日的，就是设计n n ，使由y 。融合得到的y 具有更小的不 确定性。 出信息论町证明如下定理： 定理：当y 相关性最小，即y 相互独立时，融合系统的输出不确定性达 剑最小。 山此定理，为保证系统从尽量多个独立侧面诊断故障，提高系统的确珍 率，u j 推mf 述原则： 原则】：n n 之间的相关性应尽量小。 i 构成n n ，的神经网络模型机理应尽量不同。 2 ，训练n n ，的样本集应尽量不同。 原则2 ：特征向量，之间的相关性应尽量小。 根据这两条原则，在用于诊断的集成神经网络中，由于不同类型的信号 作为不同网络的输入有利于保证不同输入向量的不相关性，有利于从小同的 侧面反映故障，所以采用基于信号类型的诊断子网络比较合适。 按网络输入信号的类型，集成神经网络的诊断子网络分为两类。一类为 输入为同一类型信号的单类型网络，另一类是输入为不同类型信号的融合网 络。 3 5 4 集成神经网络的实现策略 集成神经网络是一个有机的整体，各子网络既相互独立，又相互配合。 在各类信号俱全的情况下，集成神经网络系统可以在线实现。否则通过人机 接口，可以离线实现。下面从各部分的功能入手研究集成神经网络的实现策 略。 神经网络的实现策略包括： ( 1 ) 信启、分配神经网络的实现 信息分配网络完成信号向各诊断子网络的分配，它完成大的部件缴的信 息定位。和单子网络珍断不同，集成神经网络不仅要提高确诊率，而且要尽 哈尔滨i 群人学坝士学何论文 可能。爻现故障的定位。集成神经网络的定位通过标识符