海量信息融合方法及其在故障诊断中的应用.docVIP

海量信息融合方法及其在故障诊断中的应用 摘要：针对多传感器融合的信息不确定性以及证据理论缺 乏对海量信息融合的有效处理，以概率盒理论为基础，提出一 种基于改进的证据理论概率盒融合算法，用于解决故障诊断中 的应用问题。首先将多个传感器数据进行分布类型检验，然后 针对不同分布特点使用不同方案进行建模，并利用改进的证据 理论概率盒融合算法进行数据融合，最后从融合后的结果中提 取特征，利用支持向量机进行故障诊断，得出诊断结果。实验 结果表明，该方法合理可行，尤其在海量信息融合中，效率得 到显著提升。 关键词：故障诊断；概率盒；信息融合；多传感器；支持 向量机 DOIDOI： 10.11907/rjdk. 173304 中图分类号:TP319 文献标识码：A文章编号:1672-7800 (2018) 008-0174- 04 英文摘要 Abstract： Aiming a/t the information uncertainty of multi-sensor fusion and evidence theory1s ineffective treatment of mass information fusion, this paper proposes an improved probability theory box fusion algorithm based on evidence theory to solve the problem of fault diagnosis problem?First， the data of multiple sensors were tested for distribution type. Then different schemes were used to model different distribution characteristics .Thirdly, the improved evidence theory probability box fusion algorithm is used for data fusion. Finally, the feature is extracted from the fusion resuIts， and the SVM is used to diagnose the fault, and the diagnosis results are obtained. The experimental results show that the method is reasonable and feasible, especially in the massive information fusion， the efficiency is significantly improved. 英文键词 Key Words： fauIt diagnosis； probability box； information fusion； multi-sensor； SVM 0引言 故障诊断是指运用已有检测方法发现系统和设备故障的过 程，对避免设备的意外失效、延长部件使用寿命具有重要意义。 由于以往的单传感器信号采集系统在传感器失效时无法正常采 集信号，可靠性和容错性较低，因而现今指标为减少数据集缺 失，多由多源传感器采集。与单一传感器系统相比，在故障诊 断等方面采用多源信息融合技术能够增强数据可信度，并有效 提高诊断精度。此外，多传感器的信息融合可以为诊断提供更 丰富的信息，全面反映监控对象状态，在传感器失效时，正常 工作的传感器可作为冗余备份采集有效的故障信息。因此，为 了得到更好的预测结果，必须对数据进行融合处理。常用的融 合算法有神经网络［1-3］、贝叶斯［4］、DS证据理论［5-7］等。 其中，文献［8］、文献［9］虽然为海量信息融合技术的发展提供 了新的探索途径，但在融合海量信息时，证据理论具有潜在指 数级复杂度的缺点会更加突出，同时参与海量信息融合的各传 感数据变量都存在不确定性［10］,即便符合某种分布，也很可 能存在波动情况。 本文将概率盒理论［11］引入到信息融合中，提出基于改进 的证据理论概率盒融合算法，并采用支持向量机［12-14］进行 故障诊断，以有效解决海量信息融合在故障诊断中的应用问题。 1概率盒及DS结构体 2概率盒融合算法 2. 1概率盒建模 为了在有限信息量的前提下达到最优，需将不确定数限制 在概率盒内，从而实现概率盒的建模。 本文采用3种建模方法[15],分别为原始参数概率盒建模 方法(The P-boxes Modeling Met hod Based on Original Parameters, OPPMM)