基于多源信息融合的發(fā)動機故障診斷研究.pdf

1、發(fā)動機作為一種典型的往復動力機械，結構復雜決定了其故障呈現出復雜性和多樣性的特點，運行環(huán)境、系統(tǒng)噪聲及傳感器精度等帶來的不確定性因素的影響，導致發(fā)動機故障診斷準確率降低，多源信息融合為解決發(fā)動機本身結構復雜及這些不確定因素帶來的問題提供了一條新的途徑。在此背景下，本文研究了基于多源信息融合的發(fā)動機故障診斷。
　　本文首先介紹了發(fā)動機故障診斷的國內外研究現狀及典型方法，以及將多源信息融合技術應用到發(fā)動機故障診斷中的必要性和可行性。<

2、br>　　其次重點描述了多源信息融合的三種典型方法：D-S證據理論、模糊集合理論、人工神經網絡。由于傳統(tǒng)BP神經網絡存在局限性，本文將多種改進方法應用到發(fā)動機故障診斷中，將輸出結果進行比較，驗證了共軛梯度法改進BP神經網絡的優(yōu)越性；為了避免單一傳感器帶來的信息不準確性，將改進BP神經網絡和D-S證據理論相結合進行決策層融合的發(fā)動機故障診斷，大大提高了診斷結果的可信度。
　　最后針對D-S證據理論無法解決證據沖突問題，采用加權證據理