基于信息融合的發(fā)動機故障診斷研究.pdf

1、發(fā)動機設備屬于典型的多層次系統(tǒng)，各部件之間互相影響關系復雜，其工作狀態(tài)往往受當前環(huán)境、運行條件等諸多不確定性因素的影響，這些復雜特性決定了發(fā)動機故障存在多樣性和模糊性的特點，這使得傳統(tǒng)的診斷方法故障識別率較低，對于復雜情況往往需拆機檢查，進一步增加了停機造成的經濟損失。因此，在發(fā)動機不解體的前提研究一種快速、準確地故障診斷方法變得十分必要。
　　針對發(fā)動機故障檢測的難點，本文將信息融合技術應用于發(fā)動機的故障診斷領域，給出了一種將人

2、工神經網絡和D-S證據理論相結合的決策級信息融合方法，該方法主要由故障信號的特征提取、故障的初級診斷和故障的決策級融合診斷等部分構成。
　　對于故障信號的特征提取部分，本文提出了一種基于小波細節(jié)系數自相關分析的消噪方法，借助Mallat小波將原始信號進行噪聲分離，更大程度的保留了故障信號中的有用信息，為故障診斷的時頻特征提取奠定了基礎。為了更全面準確診斷故障，本文還引入了發(fā)動機瞬時轉速和氣缸壓力信號特征，為后續(xù)診斷提供了三種不同的

3、特征矢量，以便于進行融合診斷。
　　在故障的初級診斷階段，分析了傳統(tǒng)BP網絡的局限性和不足，對其逐一進行改進優(yōu)化，并通過發(fā)動機故障實例驗證了改進后的BP神經網絡在故障診斷中的有效性。為了進一步提高故障診斷準確度，在上述研究的基礎上，本文采用D-S證據理論對局部診斷結果進行決策級融合，并針對融合過程中存在的證據沖突問題，提出了加權優(yōu)化方法。
　　最后，本文將改進BP網絡與加權D-S證據理論相結合的數據融合方法應用于發(fā)動機的故障