基于贝叶斯网络和粗糙集的信息融合方法研究及应用.pdf

《基于贝叶斯网络和粗糙集的信息融合方法研究及应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、设备设计／诊断维修／再制造现代制造工程(ModernManufacturingEngineering)2013年第1期基于贝叶斯网络和粗糙集的信息融合方法研究及应用刘希亮，陈桂明，李方溪，张倩(第二炮兵工程大学，西安710025)摘要：利用贝叶斯网络处理不确定性问题能力强和粗糙集约简能够去除冗余性特征的优势，提出了一种基于贝叶斯网络和粗糙集的信息融合方法。该方法提取齿轮泵振动信号的幅域量纲参数作为来自不同传感器的多源信息，改进了特征属性约简方法，设计了贝叶斯网络分类器，构建了多故障贝叶斯网络对特征进行融合，通过最大后验概率准则识别故障类型。两次融合结果对比分析表明，特征属性约简后

2、诊断正确率明显提高，验证了该方法的有效性和实用性。关键词：信息融合；贝叶斯网络；粗糙集；故障诊断中图分类号：TP206文献标志码：A文章编号：167l-3133(2013)Ol珈125--05InformationfusionapproachstudybasedonBayesiannetworksandroughsetanditsapplicationLiuXiliang，ChenGuiming，LiFangxi，ZhangQian(SecondArtilleryEngineeringCollege，xi’all710025，China)Abstract：Makinguseofa

3、dvantagesthatBayesiannetworkhasstrongcapabilityofprocessinguncertainproblemandroughsetre·ductioncaneliminateredundantfeatures，aninformationfusionapproachispresentedbased011Bayesiannetworkandrou#set．Thevibrationsignalamplitudedomaindimensionparametersofgearpumpareextracted{lkcimulti—SOlErceinf

4、ormationfromdifferentsensors．ThenthefeatureattributereductionmethodisimprovedandtheBayesiannetworkclassifierisdesigned．Onthebasisoftheabove，multi-faultBayesiannetworkisbuiltuptofusethefeaturesandrecognizethefaultpattemthroushthehi．mumposte—riorprobabilityrule．Thecontrastanalysisoftwicefusionr

5、esultsshowsthatthediagnosisexactituderateevidentlyincreasesafterfeatureattributereduction．Finally，itprovesthevalidityandpracticabilityofthisnewinformationfusionapproach．Keywords：informationfusion；Bayesiannetwork；roughset；faultdiagnosis0引言信息融合又称多传感器数据融合，它将来自多传感器或多源的信息通过某种协调优化准则进行合理支配与使用，在空间和时间

6、上把互补与冗余信息结合起来，产生新的融合结果，得出更为准确、可信的结论[1]。从故障诊断学的角度来看，任何一种诊断信息都是模糊的、不确定的，对任何一种诊断对象，用单一信息来反映其状态都是不完整的旧J，因此，将信息融合方法应用于故障诊断可以大幅度提高故障特征信息的完备性。贝叶斯网络和粗糙集都是处理故障特征模糊性和不确定性的有力工具。贝叶斯网络采用有向无环图来表示特征的因果关系，通过条件概率将这种关系量化，并利用特征的后验概率实现故障识别⋯；粗糙集知识约简在保证决策表分类能力不变的条件下，去除其中那些不重要的冗余属性，简化了特征属性，保留了关键信息p。。基于方法互补的思想，本文提出一

7、种贝叶斯网络和粗糙集理论相结合的信息融合故障诊断方法，提取振动信号多个特征作为来自多个不同传感器的多源信息，把每个特征看成来自一个传感器HJ，通过粗糙集约简特征，利用多故障贝叶斯网络对特征进行分类，充分融合两种方法，使二者优势互补，识别故障类型，提高诊断正确率。l齿轮泵振动机理分析齿轮泵是液压系统的核心，由于受液压油的压缩性、与伺服机构的固液耦合作用以及本身固有机械运动的影响，泵壳振动信号组成复杂，呈现出较大的模糊性和不确定性。从振动机理上分析，泵壳振动归因于机械和液压两个方面。