信息融合与故障诊断作业

1、1 绪论1.1 引言 本课题源于“韶关钢铁集团烧结厂4号风机的在线监测与故障诊断系统的研究与应用”。课题主要是研究如何综合合理利用设备多个传感器所采集到的信息进行融合诊断,以提高设备故障诊断的准确性和可靠性。 韶关钢铁集团作为建立现代企业制度的特大型国有企业,在设备的现代化管理和自动化的应用方面,走在全国的先进行列,取得了较好的经济效益和社会效益。在烧结厂,用于抽除烧结过程中产生的废气的风机是生产流程中的关键设备,它们能否安全、连续、稳定运行,将直接影响到全厂的产量及产品质量。目前,中南大学机电研究所已为此风机建立了一套在线监测与故障诊断系统,通过对风机关键部位的检测,实现了对风机整体运行状态

2、的在线监测和实时诊断。但是该系统在实际运行中发现:基于不同位置传感器的诊断结论有时会冲突基于不同的特征域的诊断结论有时会冲突基于不同的诊断推理方法的诊断结论有时会冲突。这些都是由于大型设备结构复杂和运行条件多样等所导致故障诊断过程中不确定大量引入,致使诊断的可靠性和准确性下降,难以满足日益大型化复杂化设备的故障诊断需求。为此,研究信息融合技术在旋转机械故障诊断中的应用,降低故障诊断的不确定性,提高设备的诊断精度显得尤为必要。1.2 课题背景与研究意义 现代工业的特点是生产设备大型化、连续化、高速化和自动化。它在提高生产效率、降低成本、节约能源和人力、减少废品率、保证产品质量方面有很大的优势。但

3、是从另一个方面来看,由于机械设备发生故障而停工造成的损失却成反比例地增加,维修费用也大幅度地增加。例如,带钢轧制中的退火工段,由原来的五道工序改为一道连续退火生产线后,生产周期是原来的1”%,废品率降为原来的52%,节约能源82%,操作人员减为原来的72%,但是设备故障造成的单位时间内的损失却增加了6倍,而且维修费用在生产成本中所占的比例也提高了。 现代化设备对安全性和可靠性提出了越来越高的要求。许多设备的故障若不能事先发现并加以预防,那么一旦发生事故将造成人员伤亡或严重的环境污染等公害。美国三里岛核电站1979年由于设备故障导致堆芯严重损坏,放射性物质释放,不仅造成几十亿美元的经济损失,而且

4、引起居民抗议示威,迫使国会出面调查。1984年12月印度某农药厂的毒气泄漏事故,造成2”多人死亡、2”多万人受害的空前工业大事故。大型回转机械,如乙烯装置的三机(裂解气透平压缩机组、乙烯透平压缩机组、丙烯透平压缩机组)、化肥装置的五机(原料气压缩机组、合成器压缩机组、空气压缩机组、氨压缩机组、二氧化碳压缩机组),炼油厂的三机(烟气轮机、主风机组、石油气压缩机组),电厂的大型汽轮发电机组及钢铁厂的烧结风机组等,作为化工、石化、电力、钢铁等重要行业的关键设备,由于价格昂贵,很多均没有配备备用机组,一旦出现故障,将给国家和企业带来巨大的经济损失。例如,一个年加工原油5”万吨的炼油厂,停产一天的经济损

5、失达近两千万元;一个年产3”万吨的合成氨化肥厂停产一天的损失也达6”多万元。另据我国十一个化肥厂提供的不完全资料统计,1976年到1985年由于大机组事故停车损失近1”万吨尿素,折合人民币四亿七千万元;1985年大同电厂2号机组联轴器断裂事故,1988年秦岭电厂5号机组主轴断裂,这两次事故的直接经济损失均达亿元,并严重影响了华北和西北地区的供电。从1984年到1991年我国5”MW以上的汽轮发电机组转子严重被破坏等重大事故就达六起之多。1969年美国西屋公司的78OMW机组末级叶片全部断裂,全部更新,运行还不到一年再次发生同类事故;1972年日本关西海南电厂一台6”MW起轮发电机组在试车时振动

6、过大,造成飞车事故,机组全部损坏。9”年代初,台湾原子能三厂通用电气公司生产的9”MW机组末级叶片全部断裂,引起一场火灾,损失惨重。以上仅是事故造成的直接经济损失,而由事故带来的间接经济损失和社会影响,更是难以估计。为了减少和避免事故的发生,各国都投入了大量的人力物力进行故障诊断技术的研究。由于工厂中的高压容器、锅炉、等发生爆炸破裂而造成严重后果的现象也是经常出现的。可见在现代化设备中,要做到不出现事故是很难的,问题是应该努力争取早期发现,防患于未然。由此可见,旋转机械的故障诊断是非常重要的。 现代化设备技术先进、结构复杂,点检工作量大,对检测的质量要求高,一般情况下很难依靠人的感官和经验把故

7、障因素检查出来。而且对于复杂先进的设备,一般是不允许或者不方便随便解体检查的。这就要求我们采用先进的仪器和科学的方法对现代化设备进行不解体的监测和诊断。 针对上述问题,2”世纪7”年代以来,美欧日等国在管理、技术和经济三个方面来进行。管理方面是用设备综合工程学的观点来确定维修方针、目标、组织人员和管理系统;经济方面是以寿命周期费用最佳化为目标来确定维修的方针和目标、组织人员和管理系统;技术方面主要是大力发展机械设备监测和诊断技术、润滑技术及其他维修技术,而最引人注目的就是故障诊断技术,因此维修方式的改革的关键在于设备诊断技术工作的进展。 欧洲各国在欧洲维修团体联盟的推动下,主要以英国提倡的设备

8、综合工程学为指导,而美国以后勤学为指导。设备综合工程学和后勤学在概念和目标上是一致的,不同的是前者包含了设备的一些原有技术问题,后者则不包括。日本吸收了二者的特点,形成了全员生产维修的观点,并成立设备诊断技术委员会和寿命周期费用委员会来推动设备维修的改革。 这些新的设备管理维修思想的应用使许多企业取得了显著的经济效益和社会效益。例如,在采用故障诊断技术后,日本每年节省维修费用3亿英镑,扣除由于故障诊断工作的投入的0.5亿英镑,净获利2.5亿英镑;英国节约维修费用约7.5亿英镑;美国的一些知名大型企业,如杜邦、通用汽车、3M、M&M、Mars、德州仪器等的维修费用都平均减少5%,宾州电厂

9、开展预知维修后,每年平均节约维修费用200万美元,等等。我国开展故障诊断的时间较短,但也取得了显著的效果,例如铁路系统采用故障诊断技术后,1979年至1986年共发现和防止车辆燃轴达291万件,1986年与1978年相比,燃轴事故减少到1/14,按经济效益技术,使机组的大修开缸率由1992年的89%逐步下降到1994年的57%,机组边疆运行记录由1992年以前的历史最高记录150天,提高到1997年的332天,创造了直接经济效益达7600万元;乌鲁木齐石化总厂在采用监测诊断技术以后,每年增产节支达一千万无以上,等等。 大型旋转机械状态监测、分析与故障诊断技术长期以来一直受到国家有部71的高度重

10、视。由国家科委组织的«国家“八·五”攻关可行性论证报告»指出,“大型旋转机械状态监测、分析与故障诊断技术己受到人们的重视,已成为当代国际高技术竞争中的热点之一”。旋转机械已广泛应用于石油、化工、电力、冶金等行业,对国民经济的发展有重要的意义。通常的旋转机械,如冶金企业的大型旋转风机、电厂的大型水力火力发电机组等,由于工作现场条件恶劣,振动比较强烈,噪声较大,容易发生故障。一旦出现故障,将会引起生产线上主机的停产,从而使经济损失严重。在某些情况下,还会导致环境污染、损害人身安全等更为严重的后果。因此对旋转机械开展状态监测与故障诊断工作,保障其安全可靠的运行,可以取得

11、巨大的经济效益和社会效益。1.3 旋转机械故障诊断技术及其发展趋势1.3.1 旋转机械故障征兆的提取 旋转机械的振动信号反映了设备的运行状况,其时域、频域和幅值域分析结果均可以作为故障征兆。由于以快速Fourier变换(FFT)为基础的数字信号处理技术在机械动力学中应用广泛,测试分析方法己经达到了比较完善的程度,而且,旋转机械的振动信号在频域内的能量分布具有比较明显的特点。因此,目前的旋转机械故障诊断仍以振动信号的频域特征作为主要的故障征兆阵。(l)功率谱估计 旋转机械振动信号在频域内具有明显的分布特征,因此,各种功率谱估计技术在故障征兆的提取中得到了广泛应用。其中,经典功率谱估计方法(如周期

12、图法、自相关法)在工程实践中应用最为广泛,但是,该方法存在着方差性能差,分辨率低等局限。现代功率谱估计中的最大嫡谱估计和参数模型功率估计(如AR、MA、ARMA和Pron模型)提高了频率分辨率,在振动信号的分析中也得到了应用。对于平稳信号而言,其频域的能量分布不随时间变化,上述功率谱估计方法可以满足精度要求。(2) 时频分析 旋转机械在升降速过程中的振动信号为非平稳信号,为了获得信号相对于频率和时间的变化规律,提高分析结果的精度,需要采用时频分析技术,如短时Fourier变换(SFFT)、Wigner-Vill分布(WVD)和小波(Wavelet)分析等。其中,短时Fourier变换用窗函数将

13、信号截短,将每小段信号视为平稳过程来进行谱估计,从而得到功率谱随时间变化的大致规律,转速谱阵即是该方法的一种变化形式;Wigner-Vill分布真正将一维的时间或频率函数映射为时间一频率的二维函数,比较准确地反映了信号能量随时间和频率的分布情况,但是该方法存在频率干涉现象,难以将含有多成分的信号表示清楚;小波分析是适应信号处理的实际需要而发展起来的一种时频分析方法,与传统的信号处理方法相比,小波变换在时域和频域同时具有良好的局部化特征,目前,基于小波包和多分辨分析的小波分析方法己经在旋转机械的故障征兆提取中得到了研究和应用。(3) 其它方法 为了尽可能全面地获得设备的运行状态信息,提取故障征兆

14、,针对旋转机械还有一些其它的分析技术。 轴心轨迹。轴心轨迹是旋转机械状态监测的重要参数,该参数不但能够显示转子轴径相对滑动轴承位移,反映轴承的预负荷,而且还可以提供转子的涡动频率和进动方向。 全息谱。全息谱能够反映转子弯曲和扭转振动的形式,是针对旋转机械故障征兆提取而提出的一种方法。该技术在FFT算法的基础上,通过内插技术,精确求得按自由方式采集的振动信号的幅值、频率和相位值,然后将转子截面水平和垂直方向振动信号的幅值、频率和相位信息进行集成,用合成的一系列椭圆来刻划不同频率分量下的转子振动行为。全息谱包括二维全息谱、三维全息谱和全息谱阵。全息谱技术与传统的谱分析方法不同,构造了多支承转子系统

15、的单一截面和整机振动分析方法,利用转子在相互垂直的两个方向振动之间的相互关系,可以了解转子的振动全貌,体现了诊断信息的全面利用,综合分析的思想。 角域分析。该方法适用于旋转机械的非平稳状态分析,实现的必要技术是对数据采集进行反馈控制,使采样频率跟踪转速变化,将相对频率非平稳的信号转变成相对转子转角为平稳的信号,在信号幅值相对时间变化平稳的假设前提下,对数据进行谱分析,阶次跟踪分析的依据就是这种原理。 分形维数。分形是非线性理论中的概念,它是事物的形状、形态、结构和组织的分解、分割、分裂与分析,分形是事物从整体向局部、从宏观向微观转化的过程。机械设备发生故障时,振动信号通常变得更为复杂、不规则,

16、分形维数能够描述信号的复杂性和不规则性,研究表明,可以将其作为故障征兆来识别设备的状态。何正嘉等结合小波分析对汽轮发电机组轴承发生松动故障前后振动信号的分形维数进行了计算,得到了不同的结果。吕志民等在应用分形维数作为征兆参数对滚动轴承进行故障诊断研究之后得出结论,滚动轴承在不同的运动状态下具有不同的分形维数,分形维数可以作为识别轴承故障的特征量。 对于旋转机械中常见零部件(如滚动轴承、齿轮)的故障,还有专门的振动信号处理技术,如包络解调和倒谱分析等方法。为了从被噪声严重污染的信号中提取有用信息,时域滤波技术(如滤波和自适应滤波等)也在旋转机械的故障征兆提取中得到了应用。1.3.2 故障诊断常用

17、的推理方法 目前,故障诊断推理过程中采用的方法较多,按照它们隶属的学科体系,可以将其分为三类：基于控制模型故障诊断;基于模式识别故障诊断;基于人工智能故障诊断。(l)基于控制模型的故障诊断 对于动态系统,若通过理论或实验方法能够建立模型,则系统参数或状态的变化可以直接反映设备物理系统或物理过程变化,为故障诊断提供依据。基于控制模型的故障诊断涉及模型建立、参数估计、状态估计和观测器应用等技术,其中,参数与状态估计技术是该方法的关键,需要系统的精确模型,在实际的生产环境中,对于复杂的设备而言,该方法不是经济可行的。(2)基于模式识别的故障诊断 模式识别是对一系列过程或事件进行分类或描述,主要分为统

18、计法和语言结构法两大类。设备的故障诊断即可以视为模式识别过程:测量并记录设备的运行状态参数,从中提取故障征兆参数,对于不同的故障状态,相应的征兆参数形成不同的模式,将系统的状态模式与故障字典中的故障样本模式进行匹配,从而识别出设备的故障。当系统的模型未知或者非常复杂时,该方法为解决故障诊断问题提供了一种简便有效的手段。 (3)基于人工智能的故障诊断 由于故障诊断技术正向人工智能化方向发展,并且人工智能技术本身有很多的分支,所以在故障诊断当中又形成了很多的诊断技术。如:基于专家系统的诊断技术、基于神经网络的诊断技术、基于故障树分析的诊断技术、基于实例推理的诊断技术、基于模糊理论的诊断技术、基于粗

19、糙集理论的诊断技术等,其中典型的是专家系统和神经网络分析。 专家系统。专家系统用于故障诊断,不仅包括从信号检测到状态识别,而且还包括从决策形成到干预的全过程。它不但具有计算机辅助诊断系统的全部功能,还能将管理专家的宝贵经验和思想方法同当代计算机的巨大存储、运算与分析能力结合起来,形成人工智能的计算机系统。知识是专家系统的核心,其显式表示使专家系统具有概念明确、长于定性分析、推理路径清晰、易于用户参于、便于解释等显著优点。存在的问题主要表现在:缺乏有效的诊断知识表达方式、不确定性推理方法,推理效率低;存在知识获取“瓶颈”问题、知识“窄台阶”问题,易出现“匹配冲突”、“组合爆炸”及“无穷递归”等问

20、题;学习能力、自适应能力差;诊断求解过程是一个在超高维空间的搜索过程,对于复杂的诊断对象,由于搜索空间大、搜索速度慢,使得在线诊断困难、实时性差。 神经网络。神经网络将已有数据和已知故障模式作为样本,通过学习得出数据量与故障模式间的映射关系,实现了对人类经验思维的模拟。与专家系统相比,基于神经网络的故障诊断系统具有如下优点:统一的内部知识表示形式,大量知识规则都可通过对范例的学习存储于一个相对小得多的神经网络的连接权重中,便于知识库的组织与管理,通用性强、知识容量大;便于实现知识的自动获取,能够自适应环境的变化;推理过程为并行的数值计算过程,推理速度快;具有联想、记忆、类比等形象思维能力,克服

21、了传统专家系统中存在的“知识窄台阶”等问题,可以工作于所学习过的知识以外的范围;将知识表示、存储和推理3者融为了一体。但是由于神经网络只是从已知样本中得到解决问题的能力,故仍存在一些局限性,表现为对奇异模式的判断力较差、对结论及其过程缺乏解释能力、忽视了领域专家的经验知识等。1.3.3 故障诊断技术的发展趋势 故障诊断技术研究和发展的直接动因是为了提高诊断的精度和速度,降低误报率和漏报率,确定故障发生的准确时间和部位,并估计出故障的大小和趋势,其未来的发展方向必将是与容错控制、冗余控制、自治控制和余度管理等可靠性系统设计相结合。随着人工智能技术的迅速发展,特别是知识工程、专家系统、模糊逻辑和神

22、经网络在诊断领域中的进一步应用,迫使人们对智能诊断问题.进行更加深入与系统的研究。从分支学科的要求来看,无论是在理论体系的构建方面,还是在解决实际问题方面,故障诊断研究仍有一段艰巨的路程要走。目前和今后的主要研究可归纳为:多传感器数据融合技术;在线实时故障检测算法;混合智能故障诊断技术;基于因特网的远程协作诊断技术;以故障监测及分离为核心的容错控制、监控系统和可信性系统研究等。(l)多信息量融合,多层次诊断集成 它集成知识库中的各种诊断知识,结合数据库中的各种故障数据,按照不同的故障情况进行综合分析、判断,定位故障点。主要对状态监测所得到的信息进行融合,然后结合层次诊断模型,按照深浅结合的推理

23、层次进行诊断。它进一步把状态监测中的信号监测处理集成到诊断系统中,进行在线数据处理与在线诊断推理,实现非实时诊断到实时诊断的转变,也实现信息诊断与智能诊断的统一。(2)多种诊断方法的结合 将多种不同的智能技术结合起来的混合诊断系统,是智能故障诊断研究的一个发展趋势。结合方式主要有基于规则的专家系统与神经网络的结合,实例推理与神经网络的结合,模糊逻辑、神经网络与专家系统的结合等。其中,模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的,也是目前人工智能领域的研究热点之一。这方面的探索刚开始,很多问题需要深入研究。例如,模糊逻辑与神经网络的组合机理、组合后的实现算法、便于神经网络处理的模糊

24、知识的表达方式等。(3)远程协作诊断 基于因特网的设备故障远程协作诊断是将设备诊断技术与计算机网络技术相结合,用若干台中心计算机作为服务器,在企业的关键设备上建立状态监测点,采集设备状态数据;在技术力量较强的科研院所建立分析诊断中心,为企业提供远程技术支持和保障。跨地域远程协作诊断的特点是测试数据、分析方法和诊断知识的网络共享,因此必须使传统诊断技术的核心部分(即信号采集、信号分析和诊断专家系统)能够在网络上远程运行。要实现这一步,应重点研究和解决如下几方面的问题:远程信号采集与分析;实时监测数据的远程传输;基于研怂b数据库的开放式诊断专家系统设计;通用标准(包括测试数据标准、诊断分析方法标准

25、和共享软件设计标准)。(4)诊断与控制相结合 根据当前设备的健康状况决定设备运行方式或策略,最终预知故障,从而防止故障的发生,是目前诊断技术的最高目标。它是把诊断系统和控制系统进一步结合,达到集监测、诊断、控制、管理于一身。它由单机诊断发展到分布式全系统诊断,信息量大,类型多,相应的也就需要多种数据处理和诊断推理方法的联合1.4 信息融合技术概述1.4.1 信息融合技术的发展起源和现状 国外对信息融合技术的研究起步较早。早在20世纪70年代,美国的研究机构通过对多个独立的连续声纳信号进行融合处理,自动检测出敌方潜艇的位置。自此以后,在对各种系统的开发过程中,多传感信息融后技术的应用引起了越来越

26、多的重视。不仅如此,在工业控制、机器人、海洋监视、管理等领域也朝着多传感器的方向发展。1985年,JDL下设的技术委员会成立了信息融合专家组(DFS),专门组织和指导相关技术的研究,为统一数据融合的定义、建立信息融合的公共参考框架做了大量卓有成效的工作。美国1988年起,把信息融合列为重点研究和开发的20项关键技术之一,且列为最优先发展的A类。 在学术方面,美国三军数据融合年会、SPIE传感器融合年会、国际机器人和自动化会刊以及IEEE的相关会议和会刊等每年都有有关该技术的专门讨论。1998年成立的国际信息融合学会,总部设在美国,每年都举办一次信息融合国际学术大会,系统总结该领域的阶段性研究成

27、果以及介绍该领域最新的进展。一些具有代表性的专著,如Waltz的专著«多传感数据融合»、Hall的专著«多传感数据融合的数学基础»以及«多传感数据融合手册»系统介绍了多传感信息融合的模型框架,并对研究内容等作了全面系统的论述。Bar-Shalom的专著«跟踪与数据关联»、«估计与跟踪:原理、技术与软件»、«多传感多目标跟踪:原理与技术»则综合报道了信息融合在目标跟踪领域的新思想、新方法以及新进展。 我国对信息融合技术的研究起步较晚,且发展相对缓慢。20世纪80年代末,国内才开

28、始出现有关多传感信息融合技术的研究报道。在政府、军方以及基金机构的资助下,许多高校和科研院所开始着手从事这一领域的研究工作,出现了一批专著和译著,出现了一批专著和译著,如敬忠良的«神经网络技术与应用»、周宏仁等人的«机动目标跟踪»、康耀红等人的«数据融合理论与应用»、刘同明等人的«数据融合技术及应用»、何友等人的«多传感器信息融合及应用»、韩崇昭等人的«多源信息融合»,以及赵宗贵等人的«多传感信息融合»、«数据融合方法概论»等。大量的学

29、术论文也相继涌现,这些工作都为我国信息融合的理论研究和工程应用做出了重要贡献,但是与国际先进水平相比,或与国家需求相比,目前还有很大的差距,国内新一代应用系统的研发以及现代民用高科技的迅猛发展,都对信息融合的基础研究和应用研究提出了更多的挑战。 表面上看,多传感信息融合的概念很直观.,具有较完善的框架模型,但要真正建成一个高效、实用的融合系统还需考虑很多实际问题,包括整个融合系统中的传感器的类型、个数、分辨率、传感器的分布形式以及调度方式、系统的通信能力和计算能力、系统的设计目标、拓外结构以及有效的融合算法等。尽管存在很多实际困难,但由于我传感信息融合系统具有改善系统性能的巨大潜力,人们还是投

30、入了大量的精力进行研究。 随着新型传感器的不断涌现,以及现代信号处理技术、计算机技术、网络通信技术、人工智能技术、并行计算的软件和硬件技术等相关技术的飞速发展,多传感信息融合将成为我国未来大量军用和民用高科技系统重要手段。目前,信息融合仍是一个不很成熟的发展技术,在基础理论研究以及应用研究领域尚有很大的发展空间。而在我国对信息融合技术的研究尚处于初级阶段,与发达国家相比较还有较大的差距,特别缺少适合于工程实用的工程化设计方法。1.4.2 信息融合技术故障诊断简介 故障诊断中多源信息融合是把多个渠道,多方位采集的局部的不完整信息加以综合,消除多源信息间可能存在的冗余和矛盾的信息,加以互补,降低其

31、不确实性,以形成对系统的相对完整一致性描述的过程,从而提高智能系统的决策、规划,反应的快速性和正确性,降低决策风险。也就是指对来自多源的信息进行多级别、多方面、多层次的处理,从而产生更多的有意义的信息,而这种新信息是任何单源信息所无法获得的,是一个涉及到信息科学、计算机科学、自动化科学的交叉学科。 在故障诊断领域,多信息融合具有以下性能优势: l)、增加了系统的生存能力。多个传感器的量测信息之间有一定的冗余度,当有若干传感器不能利用或受到干扰,总还有一部分传感器可以提供信息,使诊断系统能够不受干扰连续运行。 2)、扩展了空间覆盖范围。通过多个交叠覆盖的诊断判据作用区域,扩大了空间覆盖区域,一些

32、传感器可以探测其他传感器无法探测的地方,进而增加了系统的监测能力。 3)、扩展了时间覆盖范围。因为某些传感器在某个时间段上可能探测到其他传感器在该时间段不能顾及的目标和事件,进而通过多个传感器的协同作用提高了检测概率。 4)、提高了诊断可信度。多传感器的联合信息对同一目标或事件加以确认,降低了目标或事件的不确定度,因而提高了诊断系统的可信度。 5)、降低了系统成本。信息融合提高了信息的利用效率,.可以用多个较廉价的信息渠道获得与昂贵的单一信息渠道同样甚至更好的信息,如可用多个较廉价的传感器获得与昂贵的单一传感器同样甚至更好的效果,因此可大大降低系统的成本。 但是,将信息融合技术应用于故障诊断中

33、的研究尚处于尝试和探索阶段。由于信息融合技术本身发展并不成熟,没有真正可以直接移植的统一的方法和基础性理论,并且信息融合的研究缺乏系统性,相关的领域和基础较多而且复杂,导致概念模糊,大大增加了数据融合应用的盲目性和随意性。2 基于诊断不确定性的信息融合研究框架2.1 信息融合技术的一般概念与定义 信息融合是多源信息融合又称多传感器信息融合的简称,是20世纪70年代提出来的。军事应用是该技术诞生的源泉。事实上,人类和自然界中其他动物对客观事物的认知过程,就是对多源信息的融合过程。在这个认知过程中,人或动物首生通过视觉、听觉、触觉、嗅觉和味觉等多种感官(不是单纯依靠一种感官)对客观事物实施多种类、

34、多方位的感知,多而获得大量互补和冗余的信息;然后由大脑对这些感知信息依据某种未知的规则进行组合和处理,从则得到对客观对象统一与和谐的理解和认识。这种由感知到认知的过程就是生物体的多源信息融合过程。人们希望用机器来模仿这种由感知到认知的过程。于是,一门新的边缘学科)信息融合技术便诞生了。由于早期的融合方法研究是针对数据处理的,所以有时也把信息融合称为数据融合。这里所讲的传感器也是广义的,不仅包括物理意义上的各种传感器系统,也包括观测环境匹配的各种信息获取系统,甚至包括人或动物的感知系统。 虽然人们对这门边缘学科的研究己经有20至30年的历史了,但至今仍然没有一个被普遍接受的定义。目前能被大多数研

35、究者接受的有关信息融合的定义,是由美国三军组织实验室理事联合会JDL提出来的。 定义1信息融合就是一种多层次、多方面的处理过程,包括对多源数据进行检测、相关、组合和估计,从而提高状态和身份估计的精度,以及对战场态势和威胁的重要程度进行适时完整的评价。 从该定义可以看出,信息融合是在几个层次上完成对多源信息处理的过程,其中每一个层次反映对原始观测数据不同级别的抽象。 也有专家认为,信息融合应该按如下定义给出。 定义2信息融合就是由多种信息源,如传感器、数据库、知识库和人类本身来获取有关信息,并进行滤波、相关和集成,从而形成一个表示构架,这种构架适合于获得有关决策、对信息的解释、达到系统目标(如识

36、别或跟踪运动目标)、传感器管理和系统控制等。 本文认为目前所研究的信息融合技术用下面的定义可能具有更大的包含度。 定义3所谓信息融合,主要是指利用计算机进行多源信息处理,从而得到可综合利用信息的理论和方法,其中也包含对自然界人和动物大脑进行多传感信息融合机理的探索。信息融合研究的关键问题,就是提出一些理论和方法,对具有相似或不同特征模式的多源信息进行处理,以获得具有相关和集成特性的融合信息。研究的重点是特征识别和算法,这些算法使得多传感信息的互补集成,改善不确定环境中的决策过程,解决把数据用于确定共用时间和空间框架的信息理论问题,同时用来解决模糊的和矛盾的问题。 我们所研究的信息融合技术,实际

37、上是对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中,各种传感器提供的信息可能具有不同的特性,时变的或非时变的,实时的或非实时的,确定的或随机的,精确的或模糊的,互斥的或互补的等。多传感信息融合系统将充分利用多个传感器资源,通过对各种观测信息的合理支配与使用,在空间和时间上把互补与冗余信息依据某种优化准则结合起来,产生对观测环境的一致性解释或描述,同时产生新的融合结果。其目标是基于各种传感器的分离观测信息,通过对信息的优化组合导出理多的有效信息,最终目的是利用多个传感器共同或联合操作的优势来提高整个系统的有效性。2.2 信息融合系统的模型与结构2.2.1 功能模型 关于数据融合的功能模型

38、有过许多不同的观点,但由JDL数据融合组首先提出,并几经修改后的数据融合功能模型(如图1-l),正为越来越多的实际系统所采用。构建JDL数据融合模型的目的是促进系统管理人员、理论研究者、设计人员、评估人员相互之间更好地沟通和理解,从而使得整个系统的设计、开发和实施过程得以高效顺利地进行。 三级处理 影响估计 二级处理 态势估计 一级处理 目标估计数据预处理 数 据 源 人机接口 四级处理 过程评估 数据库管理系统融合数据库支持数据库 图1-1 JDL数据融合模型 在该处理模型中,包括以下几种处理过程。 第一级处理是所谓的目标评估,如图1-2所示,主要功能包括数据配准、数据关联、目标位置和运动学

39、参数估计,以及属性参数估计、身份估计等,其结果为更高级别融合过程提供辅助决策信息。定位运动学/属性参数估计数据配准 预处理传感器1 跟踪门 数据 关联预处理 数据配准传感器2 身份估计A 测量文件B 传感器信息C 航迹文件传感器N数据配准预处理图1-2 一级处理中的对象评估模型 所谓数据配准,就是将时域上不同步,空域上属于不同坐标系的多源观测数据进行时空对准,从而将多源数据纳入一个统一的参考框架中,为数据融合的后期工作做铺垫。数据关联主要处理分类和组合等问题,将隶属于同一数据集组合在一起。跟踪用以实现对运动实体的运动参数估计。身份估计处理的是实体属性信息的表征与描述。 此级别的处理属于数值计算

40、过程,其中位置估计通常以最优估计技术(线性估计技术、非线性估计技术)为基础,而身份估计一般以参数匹配技术或模式识别技术为基础,从比较简单的技术(如多数表决法)到更复杂的统计方法。 第二级处理是所谓态势评估问题,是对整个态势的抽象和评定。其中,态势抽象就是根据不完整的数据集构造一个综合的态势表示,从而产生实体之间一个相互联系的解释。而态势评定则关系到对产生观测数据和事件态势的表示和理解。态势评定的输入包括事件检测、状态估计以及为态势评定所生成的一组假设等。态势评定的输出在理论上是所考虑的各种假设的条件概率。在军事领域,态势评估是指评价实体这间的相互关系,包括敌我双方兵力结构和使用特点,是对战场上

41、战斗力量分配情况的评价过程。 第三级处理是所谓的影响评估问题,它将当前态势映射到未来,对参与者设想或预测行为的影响进行评估。在军事领域即指威胁估计,是一种多层视图处理过程,用以解释对武器效能的估计,以及有效地扼制敌人进攻的风险程度。此外,威胁估计还包括通过汇集技术和军事条令数据库中的数据,对我军要害部位受敌人攻击时的脆弱性做出估计,以及对作战事件出现的程度和可能性进行估计,并对敌方作战企图给出指示和告警。目前,对第二、三级别的融合处理研究主要集中于基于知识的方法,例如基于规则的黑板模型系统等。但对此领域的研究远未成熟,虽然有很多的原型可供借鉴,却少有真正鲁棒且可操作的系统。如何建立一个可变的规

42、则库以表征有关态势评估和影响评估的相关知识,是该领域极具挑战意义的研究课题。当前,出现了基于模糊逻辑和混合结构的研究方法,它将原有黑板模型的概念扩展到面向等级化和多时尺度的概念,可望对态势评估和影响评估领域的研究起到有力的推动作用。 第四级处理的是所谓过程评估印问题,它是一个更高级的处理阶段。通过建产一定的优化指标,对整个融合过程进行实时监控和评价,从而实现多传感器自适应信息获取和处理,以及资源的最优分配,以支持特定的任务目标,并最终提高整个实时系统的性能。对该级别融合处理研究的困难,主要集中在如何对系统特定任务目标以及限制条件进行建模和优化,以平衡有限的系统资源,如计算机的运算能力以及通信带

43、宽等。当前,利用效用理论来开发系统性能及效率模型,以及利用基于知识的方法来开发基于上下文环境的近似推理是研究的重点。2.2.2 信息融合的级别 按照融合系统中数据抽象的层次,融合可划分为三个级别4345:数据级融合、特征级融合以及决策级融合。(l)数据级融合 数据级融合是最低层次的融合,直接对传感器的观测数据进行融合处理,然后基于融合的结果进行特征提取和判断决策(如图1-3所示)。这种融合处理方法得出融合识别结果进行识别特征提取数据级融合关联传感器1传感器2传感器3图1-3 数据级融合的主要优点是:只有较少数据量的损失,并能提供其他融合层次所不能提供的其它细微信息,所以精度最高。它的局限性包括

44、: 所要处理的传感器数据量大,故处理代价高,处理时间长,实时性差; 这种融合是在信息的最低层进行的,传感器信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力; 它要求传感器是同类的,即提供对同一观测对象的同类观测数据; 数据通信量大,抗干扰能力差。(2)特征级融合 特征级融合属于中间层次的融合,先由每个传感器抽象出自己的特征向量(可以是目标的边缘、方向和速度等信息),融合中心完成的是特征向量的融合处理。一般来说,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(如图1-4所示)。其优点在于实现了可观的数据压缩,降低对通信带宽的要求,有利于实时处理,但由于损失了一部分有用信息,

45、使得融合性有所降低。 特征级融合可划分为目标状态信息融合和目标特征信息融合两大类。其中目标状态信息融合主要用于多传感器目标跟踪领域,融合处理首先对多传感数据进行数据处理,以完成数据校准,然后进行数据相关和状态估计。具体数学方法包括卡尔曼滤波理论、联合概率数据关联、多假设法、交互式多模型法和序贯处理理论。目标特征信息融合实际属于模式识别问题,常见的数学方法有参量模板法、特征压缩和聚类方法、人工神经网络、K阶最近邻法等。得出融合识别结果关联特征层融合特征提取进行识别传感器1 特征提取传感器2特征提取传感器3 图1-4特征级融合得出融合识别结果决策层融合关联(3) 决策级融合进行识别 特征提取传感器

46、1 进行识别特征提取传感器2进行识别特征提取传感器n图1-5决策级融合 决策级融合是一种高层次的融合,先由每个传感器基于自己的数据作出决策,然后在融合中心完成的是局部决策的融合处理。决策级融合是三级融合的最终结果,是直接针对具体决策目标的,融合结果直接影响决策水平(如图1-5所示)。这种处理方法数据损失量最大,因而相对来说精度最低,但其具有通信量小,抗干扰能力强,对传感器依赖小,不要求是同质传感器,融合中心处理代价低等优点。常见算法有Bayes推理、专家系统、D-S证据推理、模糊集理论等。特征级和决策级的融合不要求多传感器是同类的。另外,由于不同融合级别的融合算法各有利弊,所以为了提高信息融合

47、技术的速度和精度,需要开发高谊的局部传感器处理策略以及优化融合中心的融合规则。2.3 故障诊断中的不确定性分析机械设备故障诊断过程大致可以用图1-6描述。在这个过程中用各种传感器采集到机械设备的运行信息经过信号处理以及特征提取再经由诊断推理得出诊断结论。机械设备诊断的过程中,每一步骤都存在不确定性,而不同的步骤都有不同的方法消除这些不确定性。机械设备或系统得出结论信号处理信号采集传感器诊断推理特征处理图1-6 机械设备故障诊断过程2.3.1 机械设备本身的不确定性 现代工业的特点是生产设备大型化、复杂化、连续化、高速化和自动化等,用单一传感器测得的都只是该机械设备的一个局部、片面的信息,就象瞎

48、人摸象。也就是说,同一故障状态的特征信息是同时分布在机械设备的多个不同部位,需要同时对机械设备的多个不同部位综合考虑才能做出准确有效的诊断。例如,转子角度不对中将会明显产生径向和轴向振动,如果只采集径向信息进行分析就有可能会误诊为其它类型故障。消除措施:安装多个传感器同时采集机械设备多个不同部位、不同性质的信息进行综合分析处理诊断,极大消除由于信息不全面、不完整所引入的不确定性。2.3.2 传感器信号的不确定性 传感器信号的不确定性一方面反映在传感器本身的可靠性,另一方面反映传感器的灵敏度、精度和测量范围。在一个复杂的传感器环境,搞高传感器的可靠性一方面依赖传感器本身的质量,另一方面依靠传感器

49、的有效性检验。而提高传感器的灵敏度、精度和测量范围则需依赖现有电子技术和信号处理技术的发展。但是不管怎么说,单个传感器总有失效的时候,一旦失效系统将无法正常准确工作;而且传感器的灵敏度、精度和测量范围也不可能无限度提高,即单个传感器信号是不可能完全包纳所有真实信息的,所以传统基于单传感器的故障诊断系统必然存在不确定性,这种不确定性是单传感器系统固有的。消除措施:利用多个传感器的冗余互补信息进行综合分析,可以大大削减单传感器系统的这种固有不确定性。2.3.3 信号采集处理的不确定性 信号采集和信号处理在很大程度上是一个很难分离的过程,很多信号的预处理都己经体现集成在信号采集的过程中,但是先进的信

50、号处理技术需要单独的过程。信号采集过程中的不确定性主要是噪声污染和信号失真。随机噪声可能淹没真实的信号,而采集过程本来就是一个信息损失的过程,滤波等预处理环节本身对于信号也是一种有损变换。尽管我们可以通过满足采样定理来避免信息损失,但是因为机械设备所处环境恶劣、故障特征频率分布广泛,所以故障特征信号受到污染而失真、受到滤波而损失在所难免,诊断的不确定性必然会增加。 消除措施:采用多个传感器同时采集机械设备的故障特征信息,因为故障特征信息在多个传感器之间是相关的,而噪声信息在多个传感器之间则没有相关性,所以可以将多个传感器的信号进行相关互补分析,噪声干扰更易排除,损失的信息也可以得到弥补。2.3

51、.4 特征提取的不确定性 提取故障状态的特征参数是机械设备故障诊断过程中至关重要必不可少的一个步骤。当机械设备处于故障状态时,它的故障征兆必定同时反映在多个特征域上,如时域、频域和幅值域等。就象人感冒了一样,生病的迹象也一定会同时反映在体温、呼吸和气色等征兆上。所以要想对机械设备进行故障诊断就必须进行特征提取。但是在实际的故障诊断过程中,人们往往只是提取了设备单一方面的故障特征信息进行故障诊断(如频域特征),就象医生看病只量了体温一样,这样得出来的结论必定会存在很大的不准确性。消除措施:同时提取机械设备多个方面的特征参数,可能这一方面的特征参数对这几类故障具有很强的诊断能力,而另一方面的特征参

52、数对另几类故障具有很强的诊断能力,将这几方面的特征参数综合分析进行诊断,就能大大提高故障诊断的精确性。2.3.5 诊断推理的不确定性 将特征参数提取之后,接下来就是要依据这些特征参数分析推理,判断出机械设备出了什么故障。这样一个分析推理过程的理论基础是数学原理,每一种数学原理都有其自身的优势,但也必定有其自身的固有缺陷。所以每一种故障诊断推理机制都会因其固有缺陷而引入不确定性。消除措施:同时采用多种推理机制进行融合故障诊断,每一种诊断推理机制都有着其独特的优势,将多种推理机制融合到一起就可以进行优势互补,大大降低由于诊断推理机制固有缺陷引入的不确定性。2.4 信息融合诊断组建方法 基于多源信息

53、融合故障诊断的基本策略是利用多个传感器测得设备的大量冗余互补信息,然后对这些信息进行特征提取、分类、局部诊断,最后将多个局部诊断的结果用融合算法进行融合,使真实故障的可信度相互加强,虚假故障的可信度相互削弱,从而降低不确定性,提高故障诊断的准确率。为了达到这样的目的,我们必须研究融合诊断系统组建时应遵循的方法。 在故障诊断过程中,不确定性的主要来源和消除措施在第三节已有详细分析。融合的目的就是使这些不确定性最大限度相互削弱。由信息论可得出如下原理:当多个信息中的不确定性不相关,即多个信息相互独立时,信息融合后的不确定性最大限度削弱,达到最小。 由此原理,并根据多源信息融合故障诊断的特点,本文采

54、用下述方法: l)各传感器应尽量测得设备多个不同部位、不同性质的信息。本文3个传感器分别测取风机左轴承座水平、垂直和轴向振动信息。 2)各特征域间的相关性应尽量小。本文选用频域、时域和轴心轨迹作为三个特征域。 3)各局部诊断子模块的诊断机理应尽量不同。本文频域和时域用BP网络进行局部诊断,轴心轨迹用REF网络进行局部诊断。 第1点通过多个不同部位、不同性质的信息互补,大大提高了信息的完备性,从而极大消除了由于信息不全面、不完整所引入的不确定性。第2点保证多个证据体是从设备多个独立侧面诊断故障,经融合后,能够克服单个特征域各自自身的局限性,达到综合诊断提高系统确诊率的目的。第3点将多种故障诊断机

55、理取长补短,大大降低诊断方法固有缺陷引入的不确定性。3 总结 在故障诊断的实践中人们发现,仅仅只利用单一传感器信号或设备单一方面的故障特征信息或单一的故障诊断推理方法进行故障诊断,由于设备故障复杂多样,具有不确定性,至使在许多情况下得出的诊断结果并不可靠.因此,只有将多个传感器信号、设备多个方面的故障特征信息和多种故障诊断推理方法综合合理融合利用,才能最大限度降低诊断的不确定性,实现对设备全面与准确的诊断. 本论文主要是从理论上和实践中探索了信息融合技术在旋转机械振动故障诊断系统中的应用.其主要研究工作如下: (l)通过对信息融合技术进行研究和对故障诊断过程中的不确定性进行分析,构建起了信息融合技术在故障诊断中的研究框架,并确立了本文采用的信息融合诊断组建方法,保证了故障诊断过程中存在的不确定性经达融合后能够最大限度相互削弱,从而从理论上降低了融合诊断的不确定性,达到了精确诊断的目的. (2)主元分析能够有效处理线性问题,核函数理论具有将低维非线性问题转化为高维线性问题的特性,于是将主元分析和核函数理论相结合:构成了核主元分析方法,使其对非