设备故障诊断史远1121241019多源信息融合方法在故障诊断中的应用研究

设备故障诊断课程论文（报告、案例分析）院系物流学院专业机械设计制造及其自动化班级112124101学生姓名史远学号1121241019任课教师陈志新2014年12月28日多源信息融合方法在故障诊断中的应用研究机械设计制造及其自动化专业学生史远学号1121241019关键词：多源信息；故障诊断；信息融合；传感器机械故障诊断是一种通过监测机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。近年来,故障诊断技术在各产业部门和技术领域取得了很大的成效,促进了设备维修体制的变革,使设备维修体制由传统的事后维修和预防维修方式转变为预知维修。减少了停机损失,提高了设备运行的可靠性,降低了维修费用,创造了巨大的经济效益。然而,随着机械设备不断向着大型化、高速化、连续化和自动化方向发展,而相应的设备故障诊断系统也随之日益复杂和庞大，并且在机械故障诊断的发展历程中，对于故障确诊率的提高一直是研究的热点，传统的故障诊断方法只是对机器状态信息中的一种或几种信息进行分析,从中提取有关机器行为的特征信息。实践证明,利用一种信息有时虽然可以判别机械设备的故障,但在许多情况下得出的诊断结果并不可靠。这是由于机械设备故障具有复杂性和多样性,同类型的故障其征兆可能是多样的,不同类型的故障也可能表现出征兆的相似性,而且在故障诊断系统中,由于诊断对象存在着不确定性、系统噪声以及传感器的测量误差等各种原因,由传感器所提供的信息往往是不完整、不精确和模糊的,有时甚至可能是矛盾的。如果在机械设备的故障诊断过程中,利用多源信息融合技术对来自不同途径的、直接或间接反映设备运行状态的各类信息进行综合分析和处理,提取出故障特征信息来进行诊断,很大程度上能够确保诊断结果的可靠性。因此，多源信息融合应用于故障诊断中已成为一种必然趋势。一、多源信息融合简介1、多源信息融合产生的背景由于现代战争中各种高科技的广泛应用，基于陆、海、空、天立体化的高技术战争已经成为趋势。在现代高技术战争环境中，必须使用多传感器和多信息源系统，才能获得更多的战场信息，其数据处理量和处理能力远远超过单个传感器，随着雷达、红外、光电等传感器种类及数量的不断增加，多传感器信息融合技术得以广泛使用。另外，随着民用高科技的发展,开发高智能化的信息处理技术和方法成为各个工程领域的主要目标,多源信息融合技术成为完成这个目标最恰当的手段。随着电子技术、信号检测与处理技术、计算机技术、网络通信技术以及控制技术的飞速发展，这就使得利用计算机技术对获得的多传感器信息在一定准则下加以自动分析、优化综合以完成所需的估计与决策成为可能。所以可认为信息融合技术是随着信息处理和指挥自动化系统的发展而形成的，其涉及数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多学科的交叉和具体应用。2、多源信息融合的含义多源信息融合也叫作多传感器信息融合。信息融合是关于如何协同利用多源信息，以获得对同一事物或目标更客观、更本质认识的综合信息处理技术。在信息网络系统中，原始采集的信息经常是无序的、分散的甚至是错误的，只有经过信息处理，将大量的信息进行融合，相互印证，去伪存真，才能得到有用的、相互关联的、而且是可方便使用的信息。实际上，人本身就是一个高级的信息融合系统，大脑这个融合中心去协同眼(视觉)、耳(听觉)、口(味觉)、鼻(嗅觉)、手(触觉)等多类“传感器”去感觉事物各个侧面的信息，并根据人脑的经验与知识进行相关分析、去粗取精，从而综合判决，获得对周围事物性质和本质的全面认识。信息融合的概念主要包括下面三层含义：（1）信息的多源、多维性：融合系统要处理的是确定和不确定（模糊）的、同步和非同步的、同类型和不同类型的、数字和非数字的信息，是多源多维信息。（2）信息的综合：融合可看做是系统动态过程中所进行的一种信息综合加工处理。（3）信息的互补过程：融合的目的之一是要解决系统功能上的互补问题；反过来，互补信息的融合可以使系统发生质的飞跃。3、多源信息融合的功能、目的（1）功能：可以扩大时空搜索范围；可以扩展系统的空间覆盖范围；可以扩展系统的时间覆盖范围；可增加系统的信息利用率；可提高合成信息的可信度和精度；可改进对目标的检测、识别；可降低系统的投资；增强系统的容错能力和自适应能力。从根本上来说，上述结果来源于信息的冗余性及互补性。因此多传感器信息融合往往可以获得单传感器难以获得的结果，其性能往往会有质的飞跃。（2）目的：信息融合通过数据组合推导出更多的信息，得到最佳协同作用的结果，即利用多个传感器共同或联合操作的优势，提高传感器系统的有效性，消除单个或少量传感器的局限性。4、多源信息融合现状尽管目前信息融合技术在许多领域得到了成功的应用,但是由于信息融合概念的提出是基于信息处理技术发展的需要,信息融合技术没有专门的理论体系,所采用的理论和方法主要是通过变化和改进现有的信息处理技术来获得的。关于信息融合技术的研究主要是如何利用这些理论和方法构建适合的信息融合系统。二、多源信息融合故障诊断的理论基础】【1信息融合技术可以从不同侧面提供更多的故障状态信息,本文从信息论的角度来证明信息融合在故障诊断中的有效性和可靠性。不失一般性,这里只考虑有两个传感器的诊断系统,但所得结论同样适用于多传感器诊断系统的情况。设z1,Z2分别是两个传感器所获得的诊断信息特征矢量,z1Rm，Z2Rn；yRr,则融合系统y=g(z1，Z2)的统计特性可以用p(y|z1，Z2)表示。Rm,Rn分别表示从各个传感器获得的信号中提取出的多个信息特征所形成的m或n维的矢量空间,Rr表示设备不同的运行状态所形成的r维矢量空间。在融合系统中将融合熵定义为H(y|z1，Z2),表示给定系统输入z1，Z2后,系统输出y的平均不确定度。关于条件熵在信息论中有如下结论:条件熵不大于无条件熵,条件多的熵不大于条件少的熵。在信息融合诊断系统中,也有类似的性质,以结论形式表述如下。结论1:设y与z1，Z2之间不独立,则融合系统的条件熵满足H(y|Zi)H(y)(1)H(y|z1，Z2)H(y|Zi)(i=1,2)(2)结论说明,在具有单诊断信息z1或Z2的条件下,设备状态y的不确定性有所减小,诊断的准确性有所增加。而多个传感器诊断信息融合之后的条件熵不大于单个传感器信息的条件熵,即多传感器信息融合的输出可以获得比单个传感器更小的不确定度和更大的信息量,从而使得误判的概率更小。结论2:令H0(y|z1，Z2)为z1与Z2彼此独立时系统输出的熵值,H(y|z1，Z2)为一般情况下的条件熵,则H0(y|z1，Z2)H(y|z1，Z2)(3)即当诊断信息z1与Z2相关性最小,z1与Z2为相互独立时,融合系统对输出不确定性的压缩能力最大。该结论说明各传感器之间诊断信息的相关性越小,融合后的系统输出的不确定性越小,关于目标的信息量就越大。所以,在实际的信息融合诊断系统中,为了最大程度地消除不确定性,应当充分利用所诊断对象的特性,尽量采用不同物理原理的多类传感器,也要充分利用时空资源,尽量减小诊断信息的相关性。因此说明采用信息融合技术后,能够有效的提高故障诊断的准确性和可靠性。三、多源信息融合的主要方法利用多个传感器所获取的关于对象和环境全面、完整的信息，主要体现在融合算法上。因此，多传感器系统的核心问题是选择合适的融合算法。对于多传感器系统来说，信息具有多样性和复杂性，因此，对信息融合方法的基本要求是具有鲁棒性和并行处理能力。此外，还有方法的运算速度和精度、与前续预处理系统和后续信息识别系统的接口性能、与不同技术和方法的协调能力及对信息样本的要求等。一般情况下，基于非线性的数学方法，如果它具有容错性、自适应性、联想记忆和并行处理能力，则都可以用来作为融合方法。下面介绍4种信息融合方法：1、加权平均法信号级融合法最简单、最直观方法是加权平均法，该方法将一组传感器提供的冗余信息进行加权平均，其结果作为融合值，该方法是一种直接对数据源进行操作的方法。2、最小二乘法最小二乘估计方法的准则就是选取^x互使得估计性能指标(估计误差的平方和)达到最小当各次数据测量精度不等时，应采用加权(weighting)处理，对精度较高的测量结果测量结果赋以较大的权(使其对改进结果有更大的影响)，即应选取^x使得估计误差的加权平方和达到最小。3、多贝叶斯估计法贝叶斯估计为数据融合提供了一种手段，是融合静环境中多传感器高层信息的常用方法。它使传感器信息依据概率原则进行组合，测量不确定性以条件概率表示，当传感器组的观测坐标一致时，可以直接对传感器的数据进行融合，但大多数情况下，传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。多贝叶斯估计将每一个传感器作为一个贝叶斯估计，将各个单独物体的关联概率分布合成一个联合的后验的概率分布函数，通过使用联合分布函数的似然函数为最小，提供多传感器信息的最终融合值，融合信息与环境的一个先验模型提供整个环境的一个特征描述。4、D-S证据推理方法D-S证据推理是贝叶斯推理的扩充，其3个基本要点是：基本概率赋值函数、信任函数和似然函数。D-S方法的推理结构是自上而下的，分三级。第1级为目标合成，其作用是把来自独立传感器的观测结果合成为一个总的输出结果（ID）；第2级为推断，其作用是获得传感器的观测结果并进行推断，将传感器观测结果扩展成目标报告。这种推理的基础是：一定的传感器报告以某种可信度在逻辑上会产生可信的某些目标报告；第3级为更新，各种传感器一般都存在随机误差，所以，在时间上充分独立地来自同一传感器的一组连续报告比任何单一报告可靠。因此，在推理和多传感器合成之前，要先组合（更新）传感器的观测数据。四、多源信息融合故障诊断的应用现状由于信息分析处理技术的不断发展，多源信息融合技术把来自多传感器的信息进行协调优化和综合处理，在时间和空间上把互补与冗余信息结合起来，产生新的有价值的信息，得出更为准确可信的结论。目前，主要应用于一系列故障诊断工程实例中。1、应用于发动机的故障诊断】【2首先通过发动机的振动、响声、压力和温度信号分别提取出各种特征信息,然后利用empster-Shafer证据理论对这些信息进行融合,实现对发动机工作状态的诊断。2、应用于液压泵球头松动的故障诊断】【3在充分分析液压泵球头松动故障机理的基础上,对振动信号和压力信号进行小波消噪处理,提取出球头松动的故障特征,利用主成分分析和改进算法的BP神经网络实现了对液压泵球头松动的故障诊断。3、液体火箭发动机的泄漏的故障诊断】【4利用模糊数据融合技术实现了对某液体火箭发动机的泄漏的故障诊断。采用同源多传感器数据层融合及传感器信息优化协调技术对测量数据进行初步处理,针对同一症状的不同表现信息,采用多个模糊神经网络得出对故障的局部决策,利用模糊积分融合方法,识别出该症状所对应的故障。通过对上述多传感器信息融合诊断技术的实际应用过程的分析,可以进一步证明本文所提出的信息融合诊断系统框架的正确性,并看出当前信息融合故障诊断方法仍处于初步的探索与研究阶段。五、多源信息融合故障诊断的发展趋势目前来看，多传感器信息融合诊断技术必将成为未来复杂工业系统智能检测、数据处理及故障诊断的重要方法和手段。由于近年来所研究的信息融合算法是在特殊的应用领域及背景下产生的,在简化融合计算过程和信号处理的实时性问题上还有须进一步改进的地方。信息融合诊断技术作为一门新的跨学科的综合理论与方法,还处在不断变化和发展过程中,从当前国内外的研究发展来看,多传感器信息融合诊断技术的主要研究方向归纳为以下几方面:(1)各类传感器的优化布置及监测参数的优化组合的研究。这将有利于采集到有效的数据信息及提取出显著的故障特征信息,或进一步优化产生出更好的反映诊断对象状态的特征参数,增强信息融合诊断的可靠性及准确性。(2)异类传感器信息融合技术研究。异类传感器信息融合由于具有时间不同步,数据率不一致及测量维数不匹配等特点,因而具有很大的不确定性。如何综合利用各个传感器的特征和属性参数来改善信息融合诊断性能是需要进一步研究和