（车辆工程专业论文）基于振动谱图像识别的故障诊断方法研究.pdf

摘要 摘要 本文依托于为国内数家知名企业研发的主减速器性能试验机课题，针对被试 件状态检测需要人工观察振动谱图，其检测诊断的准确率与技术人员的经验密切 相关，导致准确率无法保证的情况，提出基于振动谱图像识别的智能诊断方法， 围绕其中的关键技术：信号处理方法、图像特征融合及特征分解、特征提取方法、 人工智能多类分类算法、多分类器融合方法展开研究，并将研究成果应用到主减 速器性能测试中。主要内容如下： 首先，针对振动信号的边频调制特征，在形态小波的理论基础上，提出了形 态小波包最佳树算法( m w p & b i ) ，探讨了m w p & b t 算法的滤波解调原理，并 将其应用到滚动轴承和主减速器的振动信号解调中。围绕信号的非平稳性、非高 斯性，对时频分析、双谱、循环双谱等现代信号处理方法进行对比分析。 第二，结合人眼视觉模型中对比敏感函数( c s f ) 特性，提出形态小波和c s f 的图像融合方法，使得融合图像符合人眼视觉特性，并将其应用到故障特征融合 之中；提出基于振动谱图像处理的振动特征分解方法，提出图像运算相关算子， 对基于图像运算的振动特征分解机理进行分析，并与e m d 进行比较。 第三，提出基于形态小波的图像压缩方法；针对振动谱图像特征提取，提出 两种灰度矩算法，对相关影响因素进行分析，并对s p w v d 时频图像和双谱图像 特征提取实例研究。 第四，介绍人工免疫系统的概念，建立了基于免疫网络模型的智能检测方法 的一般框架。然后，研究独特型网络动力学模型一f a 册e r 模型的稳定性，结合 f a r m e r 模型和a i n e t 的优势，提出一种人工免疫网络优化算法( 简称：a i n o a ) 。 研究了利用抗原抗体互识别的结合能量模型实现多类分类的可行性，结合 a i n o a 的样本空间优化能力和结合能量模型的分类特性，提出一种人工免疫网 络分类算法( 简称：a i n c a ) ，并将其应用到滚动轴承的故障检测之中。 第五，介绍了模糊测度、模糊积分的概念，由此引入基于模糊积分的决策融 合模型，在多类分类器的基础上，对分类结果进行模糊积分决策融合，以期提高 分类精度。 最后，建立主减速器动力学模型，对主减速器的动态特征进行仿真分析，为 浙江大学博士学位论文 基于振动信号分析的故障识别提供了理论支持。然后，对主减速器性能试验机原 理及主要功能进行介绍，对实测的三类振动信号进行分析，按照前述的图像特征 提取方法提取特征向量，利用a 1 n c a 算法对其进行分类识别，并对分类结果进 行基于模糊积分的决策融合，进一步提高识别准确率。 关键词：形态小波；解调；图像融合；图像特征分解；特征提取；人工免疫 网络；模糊积分；主减速器；故障诊断 a b s t r a c t a b s t r a c t i nt h i sp a p e r b a s e do nt h ep r o j e c to ft h em a i nr e d u c e rt e s t i n gm a c h i n ef o rs e v e r a l w e l l - k n o w nd o m e s t i ce n t e r p r i s e s ，t h e i n t e l l i g e n td i a g n o s i s m e t h o d sb a s e do n i d e n t i f i c a t i o no fv i b r a t i o ns p e c t r aw e r ep u tf o r w a r d t h er e s e a r c hi sf o c u s i n go nt h e k e yt e c h n i q u e s ：s i g n a lp r o c e s s i n gm e t h o d s ，f u s i o na n dd e c o m p o s i t i o no fi m a g e f e a t u r e s ，i m a g ec o m p r e s s i o na n df e a t u r ee x t r a c t i o nm e t h o d s ，i n t e l l i g e n tm u l t i - c l a s s c l a s s i f i c a t i o na l g o r i t h m ，d e c i s i o nf u s i o nm e t h o d s m o r e o v e rt h er e s e a r c hr e s u l t sw e r e a p p l i e dt op e r f o r m a n c et e s t i n go fm a i nr e d u c e ，e n g i n e e r i n ga p p l i c a t i o n ss h o wt h a t t h e s ek i n d so fd e t e c t i o nm e t h o d sh a v eah i i g hp r a c t i c a l i t y m a i nc o n t e n t sa r ea s f o l l o w s ： f i r s to fa l l ，a g a i n s tt h ee d g ef r e q u e n c yo ft h ev i b r a t i o ns i g n a lm o d u l a t i o n c h a r a c t e r i s t i c s ，an o n - l i n e a rw a v e l e tt e c h n o l o g y m o r p h o l o g i c a lw a v e l e tw a s i n t r o d u c e d b a s e do nm o r p h o l o g i c a lw a v e l e tt h e o r y , t h em w p & b ta l g o r i t h mw a s a d v a n c e d ，a n di t sp r i n c i p l eo f d e m o d u l a t i o nw a sd i s c u s s e d ，m o r e o v e ri tw a sa p p l i e di n d e m o d u l a t i n gv i b r a t i o ns i g n a lo fr o l l i n gb e a r i n g sa n d m a i nr e d u c e f o rn o n s t a t i o n a r y a n dn o n - g a u s s i a ns i g n a l s ，m o d e ms i g n a lp r o c e s s i n gm e t h o d s ，s u c ha st i m e - f r e q u e n c y a n a l y s i s ，b i s p e c t r u m ，b i s p e c t r u mc y c l e ，w e r ea n a l y z e da n dc o m p a r e d ，s oa st of i n do u t t h ep r o c e s s i n gm e t h o d sw h i c ha r es u i t a b l et oo n l i n es i g n a l s e c o n d ，i nv i e wo fc o n t r a s ts e n s i t i v i t yf u n c t i o n ( c s f ) i nh u m a nv i s i o ns y s t e m ( h v s ) m o d e l ，t h ei m a g ef u s i o nm e t h o db a s e d o nm o r p h o l o g i c a lw a v e l e ta n dc s fw a s a d v a n c e d ，s ot h ef u s i o ni m a g ew o u l db em o r ei n l i n ew i t ht h ec h a r a c t e r i s t i c sh v s ，i n a d d i t i o nt h ei m a g ef u s i o nm e t h o dw a su s e di ni n t r a c l a s sa n di n t e r - c l a s sf a u l tf e a t u r e f u s i o n t h ed e c o m p o s i t i o nm e t h o do fv i b r a t i o nf e a t u r eb yp r o c e s s i n go fv i b r a t i o n s p e c t r u mw a sp r o p o s e da n di t sp r i n c i p a lw a sa n a l y z e d ，a n df u r t h e rs o m eo p e r a t o rf o r i m a g e c a l c u l a t i o nw a sp u tf o r w a r d ，i t sr e s u l t sw a sc o m p a r e dw i t ht h ee m d t h i r d ，t h em o r p h o l o g i c a l w a v e l e tb a s e di m a g ec o m p r e s s i o nm e t h o dw a s i n t r o d u c e d f o ri m a g ef e a t u r ee x t r a c t i o no fv i b r a t i o ns p e c t r u m ，t h et w ok i n d so f g r a y - l e v e lm o m e n ta l g o r i t h mw e r ea d v a n c e d ，a n dt h e i rr e l a t e df a c t o r sw h i c hi m p a c t 1 1 i 浙江大学博士学位论文 t h er e s u l to ff e a t u r ee x t r a c t i o n ，f u r t h e r m o r et h e yw e r eu s e di nf e a t u r ee x t r a c t i o no f s p w v ds p e c t r u ma n db i s p e c t r u m f o u r t h ，t h ec o n c e p to fa r t i f i c i a li m m u n es y s t e mw a si n t r o d u c e da n dt h eg e n e r a l f r a m e w o r ko fi n t e l l i g e n tf a u l td i a g n o s i sb a s e do ni m m u n en e t w o r km o d e lw a s e s t a b l i s h e d t h es t a b i l i t yo fd y n a m i cm o d a l ，f a r m e rm o d a l ，o fi d i o t y p i cn e t w o r kw a s a n a l y z e d ，c o m b i n i n gt h ea d v a n t a g eo ff a r m e rm o d a la n da i n e t ，ak i n do fa r t i f i c i a l i m m u n en e t w o r ko p t i m i z a t i o na l g o r i t h m ( a i n o a ) w a sp u tf o r w a r d t h ef e a s i b i l i t yo f m u l t i c l a s sc l a s s i f i c a t i o nr e f e r r i n gt ot h em o d a lo fa n t i g e n - - a n t i b o d yb i n d i n ge n e r g y w a sp r o v e d i nr e f e r e n c eo ft h eo p t i m i z a t i o nc a p a c i t yo ff a r m e r - a i n e tf o rt h e s a m p l es p a c ea n da b i l i t yo f c l a s s i f i c a t i o no f b i n d i n ge n e r g y , ak i n do f c l a s s i f i e rn a m e d a r t i f i c i a li m m u n en e t w o r kc l a s s i f i c a t i o na l g o r i t h m ( a i n c a ) w a sa d v a n c e d ，a n dt h e n i tw a su s e di nf a u l td i a g n o s i so fr o l l i n gb e a r i n g s f i f t h ，t h ec o n c e p to ff u z z ym e a s u r ea n df u z z yi n t e g r a lw e r ed e l i v e r e d ，a n dt h u s t h ed e c i s i o n - m a k i n gf u s i o nm o d e lb a s e do nf u z z yi n t e g r a lw a si n t r o d u c e d ，w i t ha v i e wt oi m p r o v i n gc l a s s i f i c a t i o na c c u r a c y t h r o u g hd e c i s i o n - m a k i n gf u s i o no ff o u r a r t i f i c i a li m m u n en e t w o r kc l a s s i f i e r s ( a r n c ) b yf u z z yi n t e g r a l ，t h ec l a s s i f i c a t i o n a c c u r a c yo f r o l l i n gb e a r i n g ss i g n i f i c a n t l yi n c r e a s e d f i n a l l y , t h ed y n a m i cm o d e lo ft h em a i nr e d u c e rw a se s t a b l i s h e d ，a n dt h e i r d y n a m i cc h a r a c t e r i s t i cw a ss i m u l a t e d ，s oa st op r o v i d eat h e o r e t i c a ls u p p o r tf o rf a u l t i d e n t i f i c a t i o n t h e n ，t h ew o r k i n gp r i n c i p l ea n dm a i nf u n c t i o n so ft h em a i nr e d u c e rt e s t m a c h i n ew e r ei n t r o d u c e d ，a n dt h r e et y p e so fm e a s u r e dv i b r a t i o ns i g n a la n a l y s i sw e r e a n a l y z e d i na c c o r d a n c ew i t ht h ea f o r e m e n t i o n e di m a g ef e a t u r ee x t r a c t i o nm e t h o d s ， t h e 佗a t u r ev e c t o r sw e r ee x t r a c t e d ，a n dt h e nt h e ya r ei d e n t i f i e du s i n gt h ec l a s s i f i c a t i o n a l g o r i t h ma i n c a i no r d e rt oi m p r o v er e c o g n i t i o na c c u r a c y , f o u ra i n cw a sb u i l ta n d t h e i rr e s u l t sw e r ei n t e g r a t e db yf u z z yi n t e g r a l b a s e dd e c i s i o n m a k i n gf u s i o n k e yw o r d s ：m o r p h o l o g i c a lw a v e l e t ；d e m o d u l a t i o n ；i m a g ef u s i o n ；d e c o m p o s i t i o no f i m a g ef e a t u r e ；f e a t u r ee x t r a c t i o n ；a r t i f i c i a li m m u n en e t w o r k ；f u z z yi n t e g r a l ；m a i n r e d u c e r ；f a u l td i a g n o s i s i v 浙江大学研究生学位论文独创性声明 本人声明所旱交的学位论文是本人在导师指导下进行的研究- t 作及取得的研究成果。 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，也不包含为获得逝望盘堂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。 学位论文作者签名：签字日期：年 月日 学位论文版权使用授权书 本学位论文作者完全了解逝姿态茎有权保留并向国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权迸姿态堂可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，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：导师签名： 签字日期：年月 日签字日期：年月日 1 1 致谢 论文是在周老师指导下完成的周老师渊博的知识、开阔的视野、缜密的思维和严谨的 治学态度给了我深深的启迪，并将时刻激励着我在未来的人生旅途中奋发努力、锐意迸取 四年来，周老师不仅在学业上给我以精心指导，同时还在生活上给我以无徼不至的关怀和帮 助，值此论文完成之际，谨向导师周晓军教授致以诚挚的谢意和崇高的敬意! 衷心感谢程耀东教授在论文撰写过程中给予的悉心指导! 程老师对学生严格的要求和殷 殷关切之情令我十分感动在论文撰写过程中，程老师给了我很多的鼓励，提出了许多非常 宝贵的建议，再次向程老师致以诚挚的感谢! 特别感谢孙德芬老师对我的关心和帮助! 感谢徐志农副教授、杨辰龙副教授、庞茂博士 后在学习、工作中给予的指导和帮助! 感谢德育导师杨世锡教授在我的学习、工作和生活方面提供的建议和帮助。感谢现代制 造工程研究所全体老师，是你们的共同耕耘，让我有一个好的学术环境。 感谢实验室的师兄弟们：郑慧峰、杨富春、宫燃、杨先勇、张文斌、沈路、张志刚、张 杨、何虹儒、黄平娟、谢明祥、杨家军、杜李峰、金娇娇、卓耀彬、祝建礼、竺科仪、田磊、 李涛、朱灵安、曾学花、刘洪亮、涂春磊、滕瑞静、王力求等，是你们让我的生活简单而充 实，留下了美好的回忆。感谢胡宏伟、李雄兵、孟庆华、吴瑞明、吴跃成、刘守山等已毕业 博士师兄对我的热心建议。 衷心感谢我的父母、岳父、岳母、妹妹及所有亲人，在二十多年的求学生涯中正是你们 的关爱、无私奉献和大力支持才使我的学业得以完成。一份真诚的感谢送给我的妻子，感谢 你多年来对我学业的支持! 林勇 2 0 0 9 年7 月于求是园 l 绪论 1 绪论 1 1 研究背景及意义 随着科学技术的进步和生活质量的提高，人们对汽车安全操控性能的要求也 越来越高。汽车作为一个复杂的机电一体化系统，整车由许多零部件组成，整车 安全操控性能依赖于各零部件的可靠性，因此，汽车零部件生产过程中，进行检 测是必要的，它不但能够判断这些质量性能指标和工艺技术参数是否已经达到设 计的要求，而且能够通过对检测数据的分析处理，判断这些性能指标和技术参数 失控的状况和产生的原因，从而达到改进产品质量和稳定生产过程的目的。主减 速器总成作为汽车传动系的关键部件，为了避免不合格的主减速器总成产品流入 市场，浙江大学现代制造工程研究所与数家国内知名企业合作，研发了汽车主减 速器性能试验机以满足厂家的需求。本论文正是依托于该项目。 随着现代信号处理技术的发展，基于振动信号分析的方法能够在不破坏试件 的情况下，生成反应试件的振动特性谱图，从而对试件的工作状态进行评估。但 是，对于人工检测来说，检测诊断的准确程度与诊断者的知识和经验有密切关系。 采用人工智能技术，以提高故障诊断的技术水平，是世界各国都很重视的研究内 容。因此，从图像模式识别的角度，对振动谱图的纹理分布特征进行提取，然后， 基于人工智能的方法建立多类识别器，从而实现对不同故障的检测识别，是一条 新的智能检测途径。 在基于振动谱图像识别的智能故障诊断系统中，振动谱图是指基于现代谱分 析技术( 如：时频分析) 生成的反映振动信号频率分布情况的频谱图( 如：时频灰 度图) ；振动谱图像识别是指通过提取振动谱图的特征向量，按照一定的量度对 提取的特征向量进行归类；智能故障诊断是指对原始特征向量样本库训练，得到 优化的类特征向量，通过考查待测样本特征向量与类特征向量的配合程度，从而 判断待测样本类别的故障诊断方法。 在基于振动谱图像识别的智能故障诊断系统中，包含着两个核心步骤：其一， 准确提取故障特征；其二，对故障特征进行有效分类识别。 在特征提取方面，当故障发生时，采集到的振动信号往往表现出较强的非线 浙江大学博士学位论文 性、非高斯性和非平稳性特征，必须考虑相应的振动信号处理方法，从而生成反 应其振动特性的谱图。这是特征提取的第一步，即由振动信号生成反应振动特征 的谱图。接下来，对振动谱图进行纹理分布的特征提取，这是特征提取的第二步。 而且，振动谱图的特征主要是沿频率方向的纹理分布特征，这不同于人脸识别、 字符识别中的特征提取方法，振动谱图的相关特征提取方法是研究的新领域。振 动谱图的特征提取作为一项基础研究项目，为进一步的模式识别提供依据。 在智能分类识别方面，生物系统为人工智能提供了丰富的理论源泉。生物免 疫系统是一个自适应、自组织，高度分布和没有控制中心的系统。人工免疫已成 为继神经网络、模糊系统和进化计算研究之后又一个研究热点。基于免疫机理发 展的人工免疫系统通过学习自然防御机理的技术，能明晰地表达学习的知识、具 有知识记忆能力并能遗忘很少使用的知识，同时还具有分布式并行处理和鲁棒性 等很多优点，因此具有提供解决复杂工程问题的能力和工程应用的潜力。因此， 借鉴生物免疫系统的自然防御机理，可望产生更有效的智能故障诊断方法。同时， 故障诊断是一个多类分类问题，把多个分类器的输出信息联合起来进行分类决策 是解决复杂问题的一种有效方法，有助于提高故障诊断的准确率。 基于振动谱图像识别的智能故障诊断系统将振动信号处理、图像处理、人工 免疫网络、信息融合结合起来，充分利用了现代信号处理技术良好的特征提取能 力和人工免疫网络的优化和智能诊断能力，实现了基于振动分析的故障诊断方法 的智能化，为故障诊断进一步自动化、网络化应用打下基础，是故障诊断领域的 一种探索。 使用检测技术可以有效降低事故发生率，降低设备维修费用，具有显著的社 会经济效益。将基于振动谱图像识别的智能故障诊断方法应用到汽车零部件检测 中，可望产生更有效的汽车零部件检测方法，给车辆检测这一研究领域带来生机。 1 2 相关文献综述 一套完整的基于振动谱图像识别的智能故障诊断系统，主要围绕振动信号处 理、图像处理及特征提取、智能诊断方法三部分内容 1 3 1 振动信号处理研究现状 ( 1 ) 振动信号解调方法 当故障发生时，会使滚动轴承和齿轮等零部件受到周期性的冲击激励，导致 2 1 绪论 出现振动信号的调制现象。对于实际的齿轮系统，调幅现象和调频现象一般总是 同时存在的n 1 ，可以运用广义检波滤波解调分析n 1 和循环平稳解调方法嘲对调频 调幅信号进行解调，但是，广义检波滤波解调分析难以克服频混现象n 1 ，而循环 平稳解调方法运算量大，因此，更常用得方法是h i l b e r t 解调。但是h i l b e r t 解 调是一种线性的解调方法，不能适应振动信号的非线性特征。基于数学形态学的 形态滤波是一种非线性方法，具有滤波解调的作用h 5 1 。2 0 0 0 年，g o u t s i a s 和 h e ij m a n s 提出了形态金字塔( m o r p h o l o g i c a lp y r a m i d s ) 拍1 和形态小波 ( m o r p h o l o g i c a lw a v e l e t s ，简称：m v ) n 1 两个概念将线性小波的概念扩展到非线 性小波，形成了形态小波的统一理论框架，为解调分析开辟了新的道路。振动信 号解调使故障频段得以还原，便于观察，文献【8 】对电机电流波形进行解调分析， 实现对多级变速箱的故障诊断。 ( 2 ) 非平稳信号分析 对于非平稳信号的分析与处理，必须使用局部交换的方法，用时间和频率的 联合函数来表示信号，这就是时频分析法。时频分析法按所设计的时频联合函数 不同可以分为：线性时频表示和非线性时频表示侈1 。 线性时频表示主要有短时傅立叶交换( s t f t ) 、戈勃( g a b o r ) 展开及小波交换 等。s t f t 和g a b o r 的窗函数的宽度是固定的，而小波变换的窗函数的宽度可以 随频率变化的1 9 1 i j 0 1 小波交换既可以分析平稳信号，也可以分析非平稳信号。在 小波变换的应用中，小波基函数的选择是最大的问题n 1 1 n 引。迄今为止，最优小波 基的选择仍然没有明确的标准和操作步骤，小波变换的使用存在随意性。 非线性时频表示由能量谱或功率谱演化而来，其交换是二次的，所以也称二 次型( 双线性) 时频表示，主要有c o h e n 类双线性时频分布和仿射类双线性时频 分布等。威格纳一维尔分布( w i g n e r - v i l l ed i s t r i b u t i o n ，w v d ) 是联结c o h e n 类分 布与仿射类分布的纽带。w v d 是分析时频能量分布的常用工具，改进的伪威格 纳一维尔分布( p s e u d ow i g n e r - v i l l ed i s t r i b u t i o n ，p w v d ) 能减少交叉项，而进一步 发展的平滑伪威格纳一维尔分布( s m o o t h e dp s e u d ow i g n e r - v i l l ed i s t r i b u t i o n ， s p w v d ) ，能够有效消除交叉项，准确反应信号的时频特征d 1 。时至今日，消除 交叉项依旧是研究的热点，文献 1 3 】提出应用基于g a b o r 展开的w v d 的交叉项 消除方法，文献【1 4 】提出利用局域波分解方法抑制w i g n e r 高阶矩谱( w h o s ) 的 交叉项。基于威格纳一维尔分布的时频分析方法在故障诊断中得到广泛应用 1 1 5 1 - 1 1 9 | 3 浙江大学博士学位论文 局域波时频分析方法是一种新的具有自适应特性的非线性时频表示方法。它 是从1 9 9 8 年有美国学者h u a n g 提出的基于经验的模式分解方法( e m o ) 幢町乜1 1 的基 础上发展起来的，目的是对时变信号进行正确的描述。e m d 是基于数据的时间尺 度的局部特征，因而更适宜处理非平稳数据。局域波法是来源于e m d 和瞬时频率 的概念。通过e m d 和h il b e r t 变换得到局域波时频谱，是一种新的时频表示方法， 可以更充分地表达其时频信患。文献【2 2 】、【2 3 】对其特性和分解精度进行了分析。 局域波分解方法n 引和瞬时频率n 卯的计算依然是局域波时频分析研究的重点。由于 良好的非平稳信号分析能力，局域波时频分析在故障诊断中得到广泛应用住1 旺7 1 。 ( 3 ) 非高斯信号分析 在机械故障诊断中，故障信号常常是非高斯的，因此，当机械发生故障时， 它就会从高斯过程进入非高斯过程。而高阶统计量、高阶循环统计量是处理非高 斯信号的有力工具n 帕心引。 高阶统计量理论是在二阶统计量( 相关函数和功率谱) 基础上发展起来的。它 克服了二阶统计量因缺少相位信息而无法直接处理非最小相位系统的固有缺陷， 并包含更为丰富的内容。概言之，一切用二阶统计量可以处理但又不能圆满解决 的问题，原则上都可以利用高阶统计量的方法加以处理n 引2 盯。高阶谱是高阶累计 量的二维f f t ，文献 3 0 1 3 1 】对双谱、三谱概念及双谱估计进行了介绍。 高阶统计量，尤其是高阶累积量具有以下优势n 3 2 ：能够有效地检测信号 幅度信息，还可以提供信号的相位等信息，因此可以用于非最小相位系统和信号 的辨识；可以抑制高斯噪声，从而提高信号参数估计性能；可以提取随机过 程偏离高斯分布的程度，因此可用于信号的分类；能够检测和刻画信号的非线 性特性或者辨识系统的非线性程度。基于以上优势，文献【3 2 对双谱切片进行相 位重构，同时，高阶统计量在故障诊断领域得到应用b 钉。 高阶循环统计量吸取了高阶统计量和循环平稳两者的优点4 1 ，理论上可以完 全抑制任何平稳( 高斯和非高斯) 噪声以及非平稳的高斯噪声干扰，还可以表征非 线性系统以及恢复时变的相位信息。文献【3 5 】将高阶循环统计量之一循环双谱应 用到齿轮箱故障识别中。 1 3 2 图像处理与特征提取研究现状 基于振动谱图像识别的图像处理，涉及的图像处理技术有：图像压缩，图像 4 l 绪论 融合、图像特征提取 ( 1 ) 图像压缩 图像压缩可以减轻图像存储的负担，便于图像实时处理。近年来，由于小波 交换理论、分形理论、人工神经网络理论、视觉仿真理论的建立，图像压缩技术 得到了前所未有的发展，其中分形图像压缩和小波图像压缩是当前研究的热点 3 6 1 。新的图像压缩标准j p e g 2 0 0 0 q b 已将小波作为压缩工具之一n 7 1 。 小波变换的基函数是快速衰减的非周期函数，因而能更好刻画图像的边缘信 息d 引。文献【3 9 】【4 0 】分别将小波和多小波应用到图像压缩之中。2 0 0 0 年，h e i j m a n s 和g o u t s i a s 提出了形态小波的系统理论“ ，为构造非线性多分辨信号分解提供了 数学工具。小波及多分辨分析理论，其在图像压缩中的潜力还很大，远未充分挖 掘出来，值得我们去进行深入的探索。 ( 2 ) 图像融合技术 图像融合是把多幅图像综合成一幅图像的先进图像处理技术。相对于图像处 理其他领域的研究而言，图像融合技术的研究还刚刚开始，还没有成熟的理论和 方法，有许多问题急需解决m 1 。 按信息抽象的程度，图像融合可以分为三个结构层次：像素级图像融合、特 征级图像融合和决策级图像融合。本文研究的是像素级图像融合。 像素级图像融合方法通常概括为两大类：基于非多尺度变换的图像融合和基 于多尺度变换的图像融合。前者建立在对原图像进行单尺度统计的基础上，常用 方法有基于p e a 、调制、颜色空间、神经网络的融合方法。后者是像素级图像融 合中的一类重要方法，主要有：基于金字塔变换的图像融合方法、基于小波交换 的图像融合方法 b u r t 最早提出基于拉普拉斯金字塔变换的融合方法 。其缺点是图像的金字 塔分解均是图像的冗余分解( 即分解后各层间数据有冗余) ，图像的拉普拉斯、比 率低通、形态学金字塔分解均无方向性。 小波变换具有的优良特性，如方向选择性、正交性、可变的时频域分辨率等， 这些优良特性使小波变换成为图像融合的一种强有力的工具。而且，小波变换的 多尺度变换特性更加符合人类的视觉机制，与计算机视觉中由粗到细的认知过程 更加相似，更适于图像融合射。目前，基于小波变换的图像融合方法的研究主要 5 浙江大学博士学位论文 集中在以下几个方面：融合规则及融合算子的选择。目前已经提出了大量的高、 低频融合规则 4 4 o 小波分解与重构的形式文献【4 5 】提出了基于多小波变换的 图像融合方法，使图像的融合效果得到了进一步改善。1 9 9 4 年s w e l d e n s 提出了一 种基于提升机制的小波变换新方法们。2 0 0 0 年，h e i j m a n s 和g o u t s i a s 提出了形态 小波的系统理论，作为一种新的非线性小波，将其应用到图像融合之中有待 研究。 ( 3 ) 图像特征提取 用于图像模式识别的特征大致可归纳为：1 ) 颜色或灰度的统计特征；2 ) 纹理、 边缘特征；3 ) 形状特征；4 ) 变换系数特征或滤波器系数特征。如何从原始图像中 提取具有较强表示能力的图像特征是智能图像处理的一个研究热点 4 7 1o 其中，基 于纹理特征的灰度共生矩阵由r o b e r tm 提出盯，并总结出1 4 个特征参数， a n d r e ab a r a l d i 对特征参数进行分析h ，提出能量、熵等少数参数即可较好提取 图像特征，由于良好的适应性，灰度共生矩阵在木材纹理识别砧町、金相识别b ” 等方面应用广泛。基于形状特征特征提取方法应用最多的是不变矩，不变矩对平 移、尺度、旋转变化都不敏感，同时具有较高的抗噪能力，文献 5 2 】将其应用到 钢带缺陷的识别，为了克服仿射变形对特征提取的影响文献 5 3 】提出仿射不变 矩，并将其应用到轴心轨迹的提取中。数学形态学形态谱也是一种基于形状特征 的特征提取方法，在轴心轨迹识别b 钉5 5 1 中得到应用。 在基于振动谱图的特征提取中，由于振动谱图反映的是纹理沿频率方向的分 布情况，对图像的平移、旋转等变形敏感。鉴于此，文献【5 6 】针对超临界汽轮发 电机组轴系振动三维参数图形( 三坐标分别频率、转速、幅值) ，首先转化成二维 灰度图，然后利用形态学算子提取灰度图形边缘纹理，由提取的边缘纹理图形计 算灰度共生矩阵，并计算5 个纹理特征向量，不同故障时提取的特征向量有较大 差别，具有可分性。文献【5 7 】则直接根据二维灰度图，计算灰度共生矩阵和纹理 特征向量。文献【5 8 】、【5 9 】提出小波灰度矩的概念，实质是计算信号小波系数的 分布规律，进而对轴承故障信号实现特征提取。以上文献从灰度图像特征提取的 角度来研究故障特征，进而实现故障诊断，是故障诊断智能化成为可能，具有重 要意义 6 i 绪论 1 3 3 人工免疫网络研究现状 生物免疫系统( b i o l o g i c a li m m u n es y s t e m ) 是由免疫组织和器官、免疫细胞及 免疫活性分子等组成陆叭1 1 免疫( i m m u n i t y ) 是指机体接触抗原性异物的一种生理 反应。免疫的现代定义可以概括地指机体识别和排除抗原性异物的功能，即机体 区分自身和异己( s e l f - n o n s e l o 的功能。 自从b u r n e t 于1 9 5 9 年提出克隆选择学说6 2 1 后，免疫学产生了飞跃性的发展。 为了解释免疫系统的各种现象，在克隆选择学说的基础之上，1 9 7 2 年，n k j e r n e 提出了独特型免疫网络理论( t h e o r yo fi d i o t y p i ci m m u n en e t w o r k ) 1 6 3 1 6 4 ，并提出 了免疫网络微分方程描述，之后，许多研究人员又提出了多种免疫网络学说，如 p e r e l s o n 哺5 1 提出的独特型网络的概率描述、v a r e l a 提出的认知模型们、以及l s h i g u r o 等人提出的互联耦合免疫网络模型等，都可借鉴用于建立人工免疫网络模型。 以下是几种比较有影响的人工免疫网络模型： 0 ) d e c a s t r o 等晦力“钉提出一种名为a i n e t 的免疫网络。该网络模型忽略b 细胞 和抗体的区别，利用统计推论技术实现。d ec a s t r o 将聚类问题视为一种多峰优 化问题，据此提出了一种面向多峰值函数优化的人工免疫网络，形成o p t a i n e t 算法拍9 1 。 h u n t 和c o o k e n 町于1 9 9 6 年提出一种人工免疫系统形式结构，用模式识别 问题进行学 - - j 评估，称为骨髓模型。该模型实现从免疫系统运行思想启发的人工 免疫系统机器学习能力。它的目的不是精确模拟人类免疫系统，也不是提供人类 免疫系统如何运行的原理解释，而是研究对机器学习和解决问题有用的特征。 t i m m i s 于19 9 9 年提出有限资源人工免疫系统( r e s o u r c el i m i t e da r t i f i c i a l i m m u n es y s t e m ) m 7 2 1 该模型中，一个模式被识别出来，网络不衰退也不失去模 型，不仅可用于一次性学习，而且表现出连续学习的能力。 这3 种模型的比较见表1 1 6 4 1 。 表1 1 模型比较 a i n e t骨髓模型r l a i s 节点抗体 编码实数向量 网络初始化随机开始 b 细胞 二进制字符串 对处理时间很重要 b 细胞 抗原集合的交叉部分 抑制具有低刺激水平的 b 细胞 7 浙江大学博士学位论文 这些系统由于研究目的不同，各有各的特点、功能和结构，这也正是免疫系 统特性的真实体现：开放性、分布性、宏观上的无统一性和微观上的有统一性7 射。 由于具有强大的网络运算能力和稳定的结构，人工免疫网络已经成为人工免 疫系统研究的主流方向。围绕人工免疫网络，与模型结合和与其他人工智能方法 集成是当下研究的两个主要分支。 在人工免疫网络与模型结合方面，人工免疫网络通过模拟免疫网络模型的特 性而实现优化更新能力，随着人们对生物免疫系统的认识的深化，新的免疫作用 机理不断呈现，这些都为人工免疫模型的方法提供了基础知识支撑。文献【7 4 】 研究了一类免疫反应动力学模型解的周期性及稳定性。文献【7 5 】研究m a r h c u k 模型，并用计算机仿真方法研究模型的动力学行为。研究了模仿者模型和f a r m e r 模型的动力学特性，并构造优化算法，应用于p i d 控制器的参数整定和化工过程 的数据挖掘中。文献【7 6 】根据人类免疫系统的免疫响应过程和免疫学中独特型免 疫网络的假设，提出了建立人工免疫响应网络模型的新思想，并将网络对抗原的 首次响应和二次响应进行了仿真。文献 7 7 】针对多机器人网络系统存在故障检测 与修复、网络重构与修复等问题，提出了自重构的免疫网络模型。文献 7 8 】针对 人工免疫网络模型大规模、动态、时变流数据环境时，处理代价巨大，难以保证 应用系统的实时性，提出了面向流数据特征提取的人工免疫网络模型。 智能集成方面，由神经、内分泌和免疫这3 个生物系统可分别引发人工神经 网络( a n n ) 、人工内分泌系统( a e s ) 和人工免疫系统( a i s ) 。它们三者所组成的“神 经内分泌免疫网络”在生物系统中扮演着维持动态平衡的重要角色。文献【7 9 】 提出一种将a n n 、a e s 和a i s 进行集成的计算智能的新框架，称之为“生物网络 结构”，随着神经、内分泌和免疫相互作用机理的研究深入，基于a n n 、a e s 和 a i s 集成的人工智能算法是可能的，这必然掀起人工智能领域的新的研究浪潮。 多种人工免疫网络的智能集成算法已经得到应用，文献【8 0 】提出a r t - 人工免疫 8 1 绪论 网络，并应用多级压缩机故障诊断中。文献【8 1 】提出基于人工免疫网络的神经网 络集成方法。文献【8 2 】提出一种改进的模糊人工免疫网络数据分类方法。 1 3 4 信息融合技术研究现状 信息融合最早出现于2 0 世纪7 0 年代初期，当时美国军用首次采用了多种传 感器来采集战场信息，并用计算机自动分析它们获得的信息。2 0 世纪8 0 年代以 来，信息融合的理论和方法得到了长足的发展。 信息融合的层次结构还没有统一的分类方法，目前为学者们普遍接受的融合 结构为三层，分别是数据层融合、特征层融合和决策层融合。本文讨论的是基于 多分类器决策的决策融合。 对决策融合而言，融合之前，每种传感器的处理系统已完成决策或分类任务。 决策融合只是根据一定的准则和决策的可信度作最优决策。决策级的融合方法主 要有贝叶斯估计、d - s 证据推理理论、模糊集合论、神经网络和产生式法则等。 b a y e s 理论来源