基于多传感器的多故障诊断研究.docVIP

基于多传感器的多故障诊断研究 导语：?数据融合分为像素级融合、特征级融合和决策级融合。本文采用特征级数据融合 一、建立诊断模型 数据融合分为像素级融合、特征级融合和决策级融合。本文采用特征级数据融合，其结构如图1。它既可以有效利用信息又可以减少信息损失。 设有M个传感器监视系统运行，每个传感器可以提取不同的特征信号，如：电压、频率、功率谱等。融合中心的输入为： R=[S1，S2,……SM] Si [Si1，Si2，……SiN]其中：Si 为第i个传感器的输出特征向量，Sij为第i个传感器第j个特征值，Ni为第I个传感器的特征向量维数，通常，Ni各不相同。系统中还有一些重要信息是不可测的，可以将他们以观察、记录的形式输入融合中心。 融合中心对不同传感器的不同特征向量的敏感度是不同的，对不同传感器的不同特征分别赋予不同的权值： wij为融合中心对第i个传感器第j个特征值的敏感度，I为M个传感器中最大特征维数。w ij,可由专家打分、统计试验等方法确定。对于特征维数小于l的传感器，用0补齐。 数据融合推理方式主要有贝叶斯推理、证据推理、模糊推理等。本文采用模糊推理技术，其结构如图2。 首先将不同的特征值进行模糊化处理，对应得到一个隶属度，模糊化