基于信息融合的發(fā)動(dòng)機(jī)故障診斷研究.pdf

1、發(fā)動(dòng)機(jī)設(shè)備屬于典型的多層次系統(tǒng)，各部件之間互相影響關(guān)系復(fù)雜，其工作狀態(tài)往往受當(dāng)前環(huán)境、運(yùn)行條件等諸多不確定性因素的影響，這些復(fù)雜特性決定了發(fā)動(dòng)機(jī)故障存在多樣性和模糊性的特點(diǎn)，這使得傳統(tǒng)的診斷方法故障識(shí)別率較低，對(duì)于復(fù)雜情況往往需拆機(jī)檢查，進(jìn)一步增加了停機(jī)造成的經(jīng)濟(jì)損失。因此，在發(fā)動(dòng)機(jī)不解體的前提研究一種快速、準(zhǔn)確地故障診斷方法變得十分必要。
　　針對(duì)發(fā)動(dòng)機(jī)故障檢測(cè)的難點(diǎn)，本文將信息融合技術(shù)應(yīng)用于發(fā)動(dòng)機(jī)的故障診斷領(lǐng)域，給出了一種將人

2、工神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論相結(jié)合的決策級(jí)信息融合方法，該方法主要由故障信號(hào)的特征提取、故障的初級(jí)診斷和故障的決策級(jí)融合診斷等部分構(gòu)成。
　　對(duì)于故障信號(hào)的特征提取部分，本文提出了一種基于小波細(xì)節(jié)系數(shù)自相關(guān)分析的消噪方法，借助Mallat小波將原始信號(hào)進(jìn)行噪聲分離，更大程度的保留了故障信號(hào)中的有用信息，為故障診斷的時(shí)頻特征提取奠定了基礎(chǔ)。為了更全面準(zhǔn)確診斷故障，本文還引入了發(fā)動(dòng)機(jī)瞬時(shí)轉(zhuǎn)速和氣缸壓力信號(hào)特征，為后續(xù)診斷提供了三種不同的

3、特征矢量，以便于進(jìn)行融合診斷。
　　在故障的初級(jí)診斷階段，分析了傳統(tǒng)BP網(wǎng)絡(luò)的局限性和不足，對(duì)其逐一進(jìn)行改進(jìn)優(yōu)化，并通過(guò)發(fā)動(dòng)機(jī)故障實(shí)例驗(yàn)證了改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)在故障診斷中的有效性。為了進(jìn)一步提高故障診斷準(zhǔn)確度，在上述研究的基礎(chǔ)上，本文采用D-S證據(jù)理論對(duì)局部診斷結(jié)果進(jìn)行決策級(jí)融合，并針對(duì)融合過(guò)程中存在的證據(jù)沖突問題，提出了加權(quán)優(yōu)化方法。
　　最后，本文將改進(jìn)BP網(wǎng)絡(luò)與加權(quán)D-S證據(jù)理論相結(jié)合的數(shù)據(jù)融合方法應(yīng)用于發(fā)動(dòng)機(jī)的故障