基于神经网络与DS证据理论的多传感器信息融合技术在烟气轮机故障诊断中的应用.pdfVIP

基于神经网络与D—S证据理论的多传感器信息融合 技术在烟气轮机故障诊断中的应用。 王少红100081北京理I：大学机械t彳车辆I=程学院 张唐瑭徐小力100192北京信息科技大学机电系统测控北京市重点实验窀 摘要详细介绍多传感嚣信息融合技术在烟气轮机故障诊断中的应用，为复杂的机械系统故障诊断提 供一种新的方法。针对BP网络训练速度慢，易陷入局部极小点的问题，提出神经网络理论与D．s证据理论 相结合的信息融合方法，建立基于多传感器信息融合技术的故障诊断模型。烟气轮机是炼化企业生产中重要 的核心设备，其运行状况影响到整个机组的运行，一旦停机，将造成巨大的经济损失，因此对其进行状态监 测和故障诊断意叉重大。建立基于多传感器信息融合的烟气轮机故障诊断系统，通过试验验证，该方法可以 有效提高故障诊断系统的准确性。 关键词神经网络D—s证据理论烟气轮机多传感器信息融合 1概述 多传感器信息融合是一个新兴的交叉研究领域，涉及到信号处理、概率统计、信息论、模式识别、人 工智能等理论。多传感器信息融合技术最早应用在军事领域，随着信息融合理论和人工智能技术的不断发 展．其应用的领域也不断地扩展。目前广泛应用于智能机器人、智能交通管理、智能无人驾驶、图像处 理、复杂工业过程的监控和大型设备的故障诊断等领域。由于信息融合应用的领域非常广泛，不同的应用 领域按照各自的理解给出了不同的定义，因此目前很难给出一个统一、全面的定义。虽然多传感器信息融 合有多种不同的定义，但是融合的原理本质是一样的．都是对人脑综合处理的复杂问题的一种模拟。信息 融合系统将多传感器系统提供的各种观测信息按照某种准则进行合理的组合和使用，获得被测对象的一致 性解释或描述。 在目前的机械状态监测与故障诊断过程中往往只是对机器状态信息中的一种或几种信息进行多层次、多 角度的分析和观察，从中提取有关机器行为的特征，所以给机器故障的有效诊断带来了局限性。比如．利用 振动加速度信号对轴承状态进行诊断时．由于信号类型单一。能够提供的信息较少。因而很难作出准确评 价，但如果能将轴承润滑油的温度信息、油样信息综合起来考虑，就可以对轴承状态进行更准确的评价。 本文利用多传感器信息融合技术，从不同角度获得有关大型旋转机械系统运行状态的特征参量，采用神 经网络与D·s证据理论相结合的方法将信息进行有效的融合，并针对石化企业的大型烟气轮机进行验证。 2基于BP神经网络与D-S证据理论相结合的多传感器信息融合方法 2．1 多传感器信息融合技术 多传感器信息融合是研究如何充分发挥各个传感器的特点．把分布在不同位置的多个同类或不同类传感 器所提供的局部、不完整的观察量加以综合。利用其互补性、冗余性，克服单个传感器的不确定性和局限 性，提高整个传感器系统的有效性能，以形成对系统环境相对完整一致的感知描述．提高测量信息的精度和 可靠性，从而提高智能系统识别、判断、决策、规划、反应的快速性和准确性．同时减低其决策风险。单一 传感器获得的仅是环境特征的局部、片面的信息．信息量非常有限，且每个传感器还受到自身品质、性能及 噪声的影响，采集到的信息往往不完善，带有较大的不确定性．甚至是错误的。而融合多个传感器的信息可 以在较短的时间内，以较小的代价得到使用单个传感器所不可能得到的精确特征。因此，通过多传感器进行 测量并进一步融合数据，对于全面了解被测对象信息，提高准确性具有重要意义。 按融合过程的顺序和融合层次的高低可分为数据层融合、特征层融合和决策层融合。表l对以上三种融 s05 合层次的特性进行了比较。 法、人工智能神经网络法、模糊集理论等。 袭1各种融合层次的特性比较 特性 数据层融合 特征层融合 决策层融合 信息肇 最大 中等 最小 信息损失 最小 中等 最大 容错性 最差 中等 最好 抗f：扰性