基于多传感器数据融合技术的电子设备故障诊断.docx

基于多传感器数据融合技术的电子设备故障诊断.docx

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

??

?

??

基于多传感器数据融合技术的电子设备故障诊断

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

吴苏+吴文全+王薇

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:TP391.9文献标识码:A

1引言

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[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。

2.1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(1)算出BP网络的实际输出与理想输出之间的误差为

Ep=12∑Nj=1(tpj-ynj)2(1)

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:

m(Ai)=y(Ai)S(2)

式中:Ai表示故障模式,i=1,2,3,…,n;y(Ai)表示BP网络的诊断结果;

S=∑ni=1y(Ai)+Ep

计算结果m(Ai)即为每个样本中第i种故障模式的基本概率值。

2.2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]。

计算技术与自动化2015年12月

第34卷第4期吴苏等:基于多传感器数据融合技术的电子设备故障诊断

2.3融合诊断的主要流程

依据融合故障诊断决策模型,本文分别提取多注速调管的阴极电流信号和温度信号2种不同类别的信息做为故障特征,并分别输入不同的神经网络NN1和NN2进行初步诊断。由于将多维的测试信息同时输入到同一网络处理,将使得训练时间长,诊断效果差,有时甚至导致网络不收敛。因此,不同的测试信息应由各自的神经网络来诊断。然而用神经网络进行局部诊断后,从每一个或几个诊断参数都可以得到各自的诊断结果,但这些结果不尽相同,难以确定准确结果。

针对这一不足,可利用DS证据理论提供的一种有效证据组合的方法,对同一状态的不同神经网络诊断结论分别看作是对同一现象的不同证据体,那么就可以利用DS证据理论的证据组合规则将不同神经网络的诊断结论融合,完成决策级的融合诊断工作,得到最终的综合诊断结果。

3诊断实例

发射机是雷达中的重要组成部件,也是雷达故障率最高的模块,其中多注速调管是发射机的核心部件,多注速调管发射机的组成如图2所示。由

文档评论(0)

132****3356 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档