神經網絡信息融合故障診斷方法及其在輸油管道中的應用.pdf

1、信息融合是近年來新興起的一門學科，它將來自多傳感器采集到信息進行綜合分析處理，進而做出正確的判斷和估計，因此人們將其廣泛的應用到很多領域中。在管道泄漏故障診斷中，反映系統(tǒng)運行狀態(tài)的的信息很多，只有充分利用這些有用信息才能很好的提高故障診斷的精度和準確度，在此基礎上提出了一種多傳感器故障診斷融合系統(tǒng)模型，并將其應用到管道泄漏故障診斷中。
　　 本文首先對管道泄漏故障診斷機理加以分析研究，并簡單介紹了一下實驗裝置的設計，該裝置可以實

2、現管道壓力數據的采集。在此基礎上，本文通過小波包變換來實現對壓力信號的除噪和故障特征向量的提取，并且從“能量-故障識別”的角度來構造管道泄漏壓力信號的特征向量，進而為后續(xù)的神經網絡信息融合故障診斷方法的學習奠定了基礎。
　　 本文詳細介紹神經網絡的結構和學習算法，并將此應用于故障診斷中，通過分析它在故障診斷過程中存在的優(yōu)勢和不足，提出并建立一種新的融合故障診斷模型，將模糊技術融合到神經網絡中，該融合診斷模型主要是特征級的融合診斷

3、。在此基礎上，為了提高網絡的性能和速度，提出了一種改進的模糊神經網絡結構及構建了相應的故障診斷融合模型框架，用于復雜系統(tǒng)的故障診斷時，可以解決“維數爆炸”問題，最終達到提高診斷精度的目的。將其應用到輸油管道泄漏故障診斷中，分別對管道正常、泄漏、調泵三種故障模式進行識別，通過對實驗裝置采集的帶有故障信息的壓力信號進行MATLAB仿真實驗，結果表明和一般的神經網絡故障診斷方法相比，診斷精度得到很大的提高，從而驗證了該方法的有效性和可行性。<