复杂系统监测多传感器信息融合理论和应用的研究论文

《复杂系统监测多传感器信息融合理论和应用的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉理工大学博士学位论文摘要复杂系统是一种由大量交互成分组成，其内部关联复杂、不确定，系统的局部特性的叠加不能描述和解释整个系统特性的非线性系统。论文依托国家自然科学基金重点资助项目，以复杂系统为研究对象，对复杂系统状态监测中的多传感器信息融合进行了较为深入地研究，重点从信息融合的框架模型、数据预处理方法、特征提取方法、决策融合方法等方面探讨了复杂系统监测的信息融合方法，并将部分研究成果应用到GIS(GasInsulatedSwitchgear)设备状态监测和旋转机械状态监测中。本文所做的主要工作为：首先，从结构模型、功能模型和

2、数学模型三方面研究了多源信息融合技术的框架模型。在此基础上，根据复杂系统监测的特殊需求，研究了系统的总体框架模型。阐明了系统的组成结构、结构间的关系与功能、实现该结构的数学问题。第二，依据复杂系统监测的总体框架，研究了信息融合技术中的数据预处理与特征提取问题。在分析传统时频分析方法和降噪算法的基础上，提出了一种基于HHT(Hilbert-HuangTransformation)变换的临界IMF(IntrinsicModeFunction)过零区间阈值降噪算法，其滤除噪声的能力优于小波阈值降噪法和其他EMD(EmpiricalMo

3、deDecomposition)降噪法。同时，研究了两种基于HHT变换的特征提取方法：基于EMD分解的波形特征提取算法和基于Hilbert谱的图形特征提取方法。两种方法分别从时域和频域对信号的特征进行了全面的描述，为决策层融合提供了合适的特征向量。第三，研究了DS证据理论和神经网络两种决策层融合方法：。针对DS证据理论的证据冲突、证据相关、焦元爆炸、基本可信度分配函数获取、证据决策等问题，提出了一种基于冲突因子的冲突证据处理方法。针对BP神经网络的学习速率与学习精度问题，研究了一种基于变速率学习法与共轭梯度法相结合的改进学习方法

4、。使得BP网络的学习速度优于共轭梯度法，预测精度优于变速率学习法，存储需求优于牛顿法和拟牛顿法。第四，研究了GIS设备的故障机理、种类和检测方法。实现了一种基于信息融合技术的GIS设备的状态监测系统。具体论述了基于GIS局放图谱特征提武汉理工大学博士学位论文取方法和基于GIS局放波形特征提取方法的原理和实现过程。并将两种方法应用于同一局放数据，提取两组特征向量。经过BP网络预测后形成两组证据的基本可信度分配函数。依据改进后的证据决策理论对证据进行合成，得到最终的融合结果。该方法的诊断精度高于使用单一特征提取和决策方法的诊断精度。

5、最后，研究了旋转机械轴系故障的种类和特征，分析了传统振动检测方法的利弊，实现了一种基于信息融合的旋转机械状态监测方法。将基于EMD分解的信息熵特征提取算法和基于Hilbert谱的图形特征提取方法用于故障特征提取。故障特征向量经BP网络后得到证据的基本可信度分配函数，依据改进后的证据决策理论对证据进行合成，得到最终的融合结果。融合结果表明，基于多源信息融合的故障诊断精度高于单一信息诊断的精度。关键词：复杂系统；信息融合；时频分析；HHT；Hilbert谱；特征提取；BP网络；DS证据理论；决策融合；旋转机械；GISⅡ武汉理工大学博

6、士学位论文AbstractAcomplexsystemisacompositionofalargenumberofinteractivecomponents，whoseinteriorisassociatedcomplex，uncertainandthelocalcharacteristicscannotdescribeandexplainthesuperpositionofthenonlinearsystem．ThisthesisissupportedbytheNationalNaturalScienceFoundation．

7、Westudiedthecomplexsystemanditsstatusmonitoring、Ⅳitllcomplexmulti—sensordatafusion,whichdiscussedtheframeworkofinformationfusionmodel，datapreprocessing，featureextractionmethods，decisionfusionmethods，acomplexsystemofmonitoringinformationfusionmethodrespectively．Somere

8、searchresultshaveappliedtoconditionmonitoringoftheGISequipmentandtherotatingmachinery．First，thethesisstudiedmulti·sourceinformation