信阅平台

内容介绍

　　《信息融合故障诊断技术》系统介绍了信息融合故障诊断技术的相关理论、方法、应用及仿真平台实现。全书共6章，主要内容包括故障信息仿真方法、故障特征提取方法、故障特征信息融合方法、故障决策信息融合方法、信息融合故障诊断平台设计与实现。给出了大量应用实例，并针对运载火箭关键系统，给出信息融合诊断案例

展开

精彩书摘

　　第1章绪论
　　信息融合技术最早产生于雷达目标识别问题（1973年），是20世纪80年代形成和发展起来的一种自动化信息综合处理技术。进入20世纪90年代，信息融合技术的研究在国内外受到高度重视，美国国防部把信息融合列为重点研究的20项关键技术之一。目前信息融合比较确切的定义可概括为．’利用计算机技术对按时序获得的多源的观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。信息融合按对信息处理的层次可划分为数据层信息融合、特征层信息融合和决策层信息融合。数据层信息融合主要是指直接对传感器观测到的未经预处理的原始信息进行的处理或分析过程。特征层信息融合是在对原始信息预处理和特征提取之后进行的信息融合。决策层信息融合通常是指对特征层融合基础上得到的综合信息进行信息处理判断，为指挥控制提供简明直观的决策信息。因此，信息融合就是为了某一目的对来自多源的数据和信息进行组合或综合的处理过程，以得到比单一信息源更精确、更可靠的状态估计或推理决策信息。
　　故障诊断过程实际上是一个完整的信息运动过程。从系统的物理信号、相关知识和历史背景中感知、获取系统的功能、行为、结构及各种信息，通过数学变换、参数或状态估计以及人机的智能协作等方式对这些信息进行必要的处理，再用智能活动等再生出新的信息，并依据这些信息对系统故障进行预测、定位、定量和定因，从而便于采取各种措施保护系统安全运转、恢复系统有序运行。因此，故障诊断其实也是一个多源信息融合的过程。将信息融合技术应用于故障诊断能充分利用多元数据的冗余性、互补性和计算机的高速运算能力，得出更准确、可靠的故障诊断结果。
　　1．1 故障信息融合诊断的目的
　　运载火箭在发射前，一般要在技术阵地和发射阵地进行大量测试，一旦发现异常，往往需花费很长时间解决，甚至要推迟发射任务。在飞行阶段，还需要通过遥测、外测手段测量数百个甚至是上千个参数，供技术人员监控和事后分析。由于测量参数多，数据量大，目前难以对运载火箭飞行时的故障状态进行实时评估，大多采用事后分析的方法。我国最先进的CZ-2F火箭，由于航天员座舱安全需要，专门研制了一套故障检测系统，以控制座舱自动逃逸。为了提高故障诊断速度，该故障检测系统主要采用门限值判别法进行故障诊断与监控，初步解决了发射初段航天员的安全问题。该项技术为运载火箭和战略导弹故障快速诊断提供了一个应用范例，但为了提高整个运载火箭的安全、可靠和及时性，还必须要进一步发展、研究先进的故障诊断技术。
　　运载火箭测试发射周期之所以比较长，一是因为需要长时间多工序测试，通过对单元、分系统、系统的多次测试过程来保证使用可靠性；二是因为测试数据多，判读时间长，发现异常后故障的查找和定位则需更长时间，缺少快速可靠的状态评估和故障诊断技术的支撑；三是因为大多数情况下要根据故障现象和故障结果进行维修，缺少相应的快速维修体系，一旦出现严重故障，排除故障和故障归零的周期比较长，有的甚至需要延迟和中断试验计划，协调生产单位解决故障问题。在运载火箭各个组成部分中，控制系统是运载火箭的关键系统，也是故障的高发部位，故障模式复杂多样，对控制系统故障实现准确、快速的诊断是一个难点，应给予高度的重视，本书研究探讨的信息融合故障诊断技术和大多数案例也主要是针对火箭控制系统进行的。
　　在传统测试系统中，状态检测可以测量判断参数值是否在允许范围内、状态是否正确，并以某种方式提示操作人员。在广泛应用计算机技术的自动化测试系统中，做到“越限报警，故障判读”的状态检测已经很普遍。但对故障部位、故障机理、故障性质和影响程度作出准确深入的判断仍较困难。传统测试系统中的状态检测并不能称为故障诊断系统，只是故障诊断系统的一个组成部分L32。把快速故障诊断技术纳入航天装备的测试领域，建立智能化、实用化的故障诊断系统，是国内外行业专家们多年探索和研究的课题。
　　……

展开

前言
第1章绪论
1.1 故障信息融合诊断的目的
1.2 故障信息融合诊断的策略
1.3 故障信息融合诊断技术的发展
1.3.1 信息融合技术
1.3.2 故障诊断技术
1.3.3 希尔伯特一黄变换
1.3.4 过程神经元网络
1.3.5 支持向量机
1.3.6 证据理论
1.3.7 贝叶斯网络
参考文献
第2章故障信息仿真技术
2.1 基于混合自动机的故障描述模型
2.1.1 混合自动机理论概述
2.1.2 基于混合自动机的故障描述
2.1.3 故障描述模型的建立
2.2 基于Simulink／Stateflow的故障仿真实现
2.2.1 平台姿态测量系统故障描述模型实现
2.2.2 速率陀螺组合故障描述模型实现
2.2.3 伺服机构故障描述模型实现
2.2.4 箭载计算机仿真模型
2.2.5 箭体动力学仿真模型
2.2.6 力及力矩仿真模型
2.2.7 故障仿真案例
参考文献
第3章故障特征提取技术
3.1 被测量及特征分析
3.1.1 故障特征分类
3.1.2 确定性信号及特征分析
3.1.3 随机信号及特征分析
3.2 基于小波变换的特征提取方法
3.2.1 基本原理
3.2.2 故障特征提取
3.2.3 存在的问题
3.3 基于希尔伯特一黄变换的特征提取方法
3.3.1 基本原理及方法
3.3.2 故障特征提取及比较
3.3.3 存在的问题
3.3.4 分离终止条件的比较分析
3.3.5 含直流分量的包络分段计算方法
3.3.6 希尔伯特一黄变换在故障诊断中的应用
参考文献
第4章故障特征信息融合技术
4.1 基于神经网络的融合方法
4.1.1 神经元模型
4.1.2 前馈神经网络
4.1.3 存在的问题
4.2 基于过程神经元网络的融合方法
4.2.1 过程神经元模型
4.2.2 前馈过程神经元网络
4.2.3 融合诊断的过程神经元网络模型
4.2.4 时间累积运算的比较分析
4.2.5 同精度解的存在性研究
4.2.6 网络训练收敛性分析
4.2.7 网络初始化方法改进
4.2.8 网络学习算法改进
4.3 神经网络与过程神经元网络的比较
4.3.1 一维时变信号的辨识问题
4.3.2 多维时变信号的故障识别问题
4.3.3 方法适用性分析
4.4 基于支持向量机的融合方法
4.4.1 最优超平面的构造
4.4.2 SVM分类算法推导
4.4.3 核函数
4.4.4 SVM工作原理
4.4.5 SVM融合诊断流程
4.5 故障特征信息融合诊断应用
4.5.1 基于希尔伯特一黄变换和过程神经元网络的融合诊断
4.5.2 基于频谱和过程神经元网络的融合诊断
4.5.3 基于希尔伯特一黄变换和支持向量机的融合诊断
参考文献
第5章基于D—S证据理论的故障决策信息融合方法
5.1 D—S证据理论与故障诊断
5.1.1 证据理论基本概念
5.1.2 证据分类
5.1.3 证据理论决策级融合诊断方法及关键问题
5.1.4 证据理论决策级融合诊断模型
5.2 证据冲突衡量方法
5.2.1 典型冲突衡量方法分析
5.2.2 修正证据距离
5.2.3 基于合取冲突和修正证据距离的二元组冲突衡量方法
5.2.4 二元函数冲突程度衡量方法及其Dempster规则使用判据
5.3 证据聚类方法
5.3.1 典型证据聚类方法分析
5.3.2 基于主元和凝聚层次聚类的证据聚类算法
5.3.3 算例验证
5.4 证据合成方法
5.4.1 Dempster规则悖论分析
5.4.2 基于焦元冲突分配的证据序贯合成方法
5.4.3 基于焦元冲突分配的证据均值合成方法
5.4.4 基于主元的证据折扣方法
5.4.5 基于分类的证据折扣方法
5.4.6 合成方法比较
参考文献
第6章基于贝叶斯网络的故障决策信息融合方法
6.1 贝叶斯网络理论
6.1.1 概率论及概率推理
6.1.2 贝叶斯网络
6.1.3 贝叶斯网络推理
6.1.4 贝叶斯网络学习
6.2 基于贝叶斯网络的故障诊断
6.2.1 贝叶斯诊断网络的表达方式
6.2.2 贝叶斯诊断网络的数学描述
6.2.3 贝叶斯诊断网络的面向对象表达
6.2.4 贝叶斯诊断网络的建模方法
6.3 案例仿真
6.3.1 伺服阀案例分析及建模
6.3.2 伺服阀单故障现象仿真与分析
6.3.3 伺服阀多故障现象仿真与分析
6.3.4 贝叶斯诊断网络算法蒙特卡罗仿真验证试验
6.3.5 贝叶斯诊断网络特性总结
参考文献
每7章信息融合故障诊断平台设计与实现
7.1 信息融合故障诊断平台设计
7.1.1 开发环境
7.1.2 功能设计
7.1.3 软件模块
7.1.4 系统流程
7.2 信息源模拟软件设计与实现
7.2.1 功能设计
7.2.2 接口设计
7.2.3 软件介绍
7.3 特征提取与融合软件设计与实现
7.3.1 功能设计
7.3.2 接口设计
7.3.3 软件介绍
7.4 决策融合诊断软件设计与实现
7.4.1 功能设计
7.4.2 接口设计
7.4.3 软件介绍
7.5 故障管理统计软件设计与实现
7.5.1 功能设计
7.5.2 数据结构
7.5.3 接口设计
7.5.4 软件介绍
7.6 信息融合故障诊断平台案例仿真
7.6.1 仿真案例
7.6.2 诊断准确度统计
参考文献

展开