基于多传感器数据融合技术的电子设备故障诊断

基于多传感器数据融合技术的电子设备故障诊断

ID:28094919

大小:18.41 KB

页数:5页

时间:2018-12-08

基于多传感器数据融合技术的电子设备故障诊断_第1页
基于多传感器数据融合技术的电子设备故障诊断_第2页
基于多传感器数据融合技术的电子设备故障诊断_第3页
基于多传感器数据融合技术的电子设备故障诊断_第4页
基于多传感器数据融合技术的电子设备故障诊断_第5页
资源描述:

《基于多传感器数据融合技术的电子设备故障诊断》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。基于多传感器数据融合技术的电子设备故障诊断  摘要:针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然

2、后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。  关键词:故障诊断;数据融合;发射机;神经网络;DS证据理论  中图分类号:文献标识码:A  1引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校

3、做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。  现代电子装备结构日益复杂,自动化程度越来越高,一个故障部位常常引起多种故障现象,或者一个故障现象可能由不同的故障部位引起的,使得仅靠单一类型故障特征量和诊断方法往往无法完成诊断任务,从而导致故障诊断率不高的结果,必须运用多传感器协同工作来实现故障检测和定位,多传感器数据融合技术特别适合解决电路中前后元件互相影响以至不能测准元件的故障以及由于容差、非线性及元件参数相互影响而出现的诊断不确定性[

4、1,2]。  目前,数据融合技术在发动机故障诊断、电力系统故障诊断、智能交通、机电设备故障诊断等领域得到广泛的研究和应用[3-8],本文在以上研究成果的基础上,尝试将数据融合技术引入多注速调管发射机装备故障诊断。  2故障诊断模型  由于故障与征兆之间关系很难用数学模型来表示,本文依据多源数据融合数据处理方式,结合电子装备故障诊断的特点,建立了基于特征信息融合的电子装备故障诊断决策模型,如图1所示。  特征层的数据融合  经过对采集的特征信号进行预处理后,得到p种故障特征,基于神经网络的非线性映射特性,经过对大量

5、样本的学习,获得每次测量结果对不同故障的基本概率分配值。经BP网络的运算后,得到相应结果,由公式算出BP网络的实际输出与理想输出之间的误差为  Ep=12∑Nj=12  其中,Ep是第p个表征矢量的误差;tpj是第j个输出神经元的期望值;ynj是第j个输出神经元的实际值。将以上面公式算出的网络误差做为不确定因素。  然后,对神经网络的诊断结果进行归一化处理,计算公式为:为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教

6、育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。  m=yS  式中:Ai表示故障模式,i=1,2,3,…,n;y表示BP网络的诊断结果;  S=∑ni=1y+Ep  计算结果m即为每个样本中第i种故障模式的基本概率值。  决策层的数据融合  决策层融合输出是一个联合决策结果,主要方法有贝叶斯推断、模糊集理论、DS证据理论、专家系统等。Bayes

7、方法曾是解决多传感器数据融合的最佳方法,文献[2]提出一种基于多Bayes方法的融合模型,但在应用的过程中Bayes决策理论不能将不知道和不确定严格分开,并且要求精确知道先验概率,而在电子装备的故障诊断的过程中,由于各种环境因素的影响,以及传感器本身精度的限制,所得到的测量数据有很大的不确定性,因而不适宜采用Bayes方法。文献[3]采用模糊故障诊断方法,通过隶属函数和模糊关系矩阵的概念来解决故障与征兆的不确定关系,实现故障的检测和诊断,但在应用过程中,构造隶属函数是实现模糊故障诊断的前提,是人为构造的,具有主观

8、因素。DS证据理论凭借其能够表示不确定性未知等概念的优点在数据融合中得到广泛应用,特别是成功应用于图像处理、机器人导航、医疗诊断决策分析等需要处理不确定信息的领域[4]。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。