【正文】 g more evident and important. This paper use the wavelet transform to acplish the feature extraction of structural ponents of aircraft health monitoring information, By using the method of wavelet transform, the absolute maximum, singular value, and standard deviation of the wavelet coefficients were extracted respectively, and the feature vectors were constructed. In aircraft fault diagnosis, the more information available, the higher diagnostic accuracy. Only taking full advantage of useful information to diagnose the fault on the aircraft can improve the accuracy and the reliability. Therefore, the effectiveness of fault diagnosis is largely more closely related to information fusion. We have designed the fault diagnosis connector that based on generalized regression neural work and BP neural work information fusion, and use it for diagnosing the extraction of features. Briefly introduced the DS evidence theory and basic principles of weighted fusion, on this basis, according to the characteristic layer and decisionmaking layer of information fusion, we designed the information integration strategy based on DS theory of evidence and weighted fusion, and were bined with general regression neural work and BP neural work fault diagnosis connector on the health status of aircraft diagnostic studies. Results show that the strategy of decisionmaking fusion effect is better for the health diagnosis. Keywords: fault diagnosis。 weighted theory。故障診斷技術(shù)研究的主要內(nèi) 容包括：故障機理、故障信息處理技術(shù)、故障源分離和定位技術(shù)以及人工智能技術(shù)的應用研究 。 我們 將 數(shù)據(jù) 融合 技術(shù) 應用 于飛行器 故障診斷， 提出了使用 GRNN 神經(jīng)網(wǎng)絡、 BP神經(jīng)網(wǎng)絡和證據(jù)理論、加權(quán)融合的分層 信息融合故障診斷系統(tǒng)，利用 DS 證據(jù)理論、加權(quán)融合 技術(shù)對 神經(jīng)網(wǎng)絡飛行器故障 診斷 特征層和決策層的 融合， 提高了飛行器的故障診斷率 ， 從而 實現(xiàn)對 飛行器 故障的有效診斷。在智能技術(shù)已有較深厚基礎(chǔ)的國家中，機械、電子設(shè)備的智能故障診斷系統(tǒng)已基本完成了研究和試驗的階段，開始進入廣泛應用的階段。從 80年代開始，各種類型飛行器的故障診斷系統(tǒng)大批地問世。英國 British Airway 航空公司使用一個 CBR 系統(tǒng)—— CASE line 作為波音 747 飛機的故障診斷系統(tǒng)，效果良好，之后又被用作協(xié)和式飛機的故障診斷。該公司在此基礎(chǔ)上與中國西南航空重慶公司飛機維修廠經(jīng)過一年多的合作努力，聯(lián)手開發(fā)出了一套極具操作性的應用軟件系統(tǒng) —— “ B737 飛機故障診斷與維修指導系統(tǒng)”。 由于 各種感官所 具有的不同度量特征， 可以綜合利用它們來檢測 出不同 時 空范圍的各種物理現(xiàn)象。主要是因為其應用非常廣泛，各行業(yè)會按自己的理解給出不同的定義。整個 80 年代 ，美國 三軍總部高度重視數(shù)據(jù)融合在戰(zhàn)術(shù)和戰(zhàn)略監(jiān)視系統(tǒng)的應用 ，并在信息融合技術(shù)研究方面投入巨資 ， 一些軍事系統(tǒng)也相繼采用 數(shù)據(jù) 融合技術(shù)。 目前信息融合技術(shù) 已獲得了各領(lǐng)域的普遍關(guān)注和廣泛應用，其思想和方法已成為智能 信息處理的一個重要研究領(lǐng)域， 在目標識別、醫(yī)學診斷等 各 領(lǐng)域得到廣泛應用。 (3) 可移植性差： 設(shè)備復雜性 導致 相應設(shè)備故障診斷系統(tǒng)專用性強， 很難 移植 ，這也是 限制 信息融合 應用 的一個重要因素 。本文從信息的有效組合出發(fā)，充分利用了各種信息，盡量提高確診率。 本論文共分五章 : 第 1 章緒論簡要介紹了故障診斷技術(shù)的發(fā) 展概況、研究現(xiàn)狀及信息融合技術(shù)的發(fā)展情況。 第 5 章介紹了 DS 證據(jù)和加權(quán)融合的基本概念，建立了故障診斷的基本模型，并且說明了融合的基本過程，最終進行仿真驗證，得到了特征融合和決策融合的診斷結(jié)果以及正確識別率。為了分析和處理非平穩(wěn)信號，人們對傅里葉分析進行了推廣乃至根本性的革命，提出并發(fā)展了一系列的信號分析理論：短時傅里葉變換、 Gabor 變換、時頻分析、小波變換、 Randon 一 Winger變換 、分數(shù)傅里葉變換、線調(diào)頻小波變換、循環(huán)統(tǒng)計量理論和調(diào)頻 調(diào)幅信號分析等。它具有多分辨率分析的特點，而且在時頻域都具有表征信號局部特征的能力，是一種窗口大小固定不變但是其形狀可改變，時間窗和頻率窗都可以改變的時頻局部化分析方法。小波變換的基本思想是將實際信號看做不同頻率分量具有不同的時變特征。 小波變換方法 沈陽航空航天大學畢業(yè)設(shè)計（論文） 7 連續(xù)小波變換 連續(xù)小波變換與短時傅里葉變換的不同處是窗函數(shù)不同，連續(xù)小波變換的特點是由小波基函數(shù)本身所具有的特點引起的。原時間域上的信號在小波變換域上得到一個表示，通過多個尺度的分解，便能得到信號的時間－尺度表達，從而能在變 換域上達到最有效的信號處理目的。 將小波母函數(shù) )(t? 進行伸縮和平移，就可以得到函數(shù) )(, tba? ： )(1)(, a btatba ?? ?? 0, ?? aRba ； (22)式中 a 為尺度因子， b 為平移因子，稱 )(, tba? 為依賴參數(shù) a 和 b 的小波基函數(shù)。 小波可以看作是一個雙窗函數(shù)，即小波母函數(shù) )(t? 及其傅里葉變換 )(?? 同時滿足窗函數(shù)條件。 圖 連續(xù)小波變換描述 對于任意的函數(shù) )()( 2 RLtf ? 的連續(xù)小波變換為： 其逆變換為： dta bttfafbaW Rbaf ? ????? ? )()(,),( 2/1, ?? (23) dadba btbaWaCtf R R f )(),(11)( 2 ?? ? ?? ?? (24) 離散小波變換 在實際應用中，為了方便用計算機進行分析、處理，連續(xù)小波變換必須加以離散，這一離散是針對連續(xù)的尺度因子 a 和平移因子 b 的，成為離散小波變換。為了使小波變換具有可變化的時間 和頻率分辨率，適應待分析信號的非平穩(wěn)性，需要改變 a 和 ? 的大小，使小波變換具有“變焦距”的功能，實際中最常用的是二進小波變換。假定有一放大倍數(shù) j?2 它對應觀測到信號的某部分內(nèi)容。 Mallat 算法在小波分析中的地位相當于FFT 算法在經(jīng)典傅里葉分析中的地位。 經(jīng)一系列的變換，可得到： mjmkj ckmhc ,10, )2( ???? (215) mjmkj ckmhd ,11, )2( ???? (216) 上式說明 j 尺度空間的平滑系數(shù) kjc, 和細節(jié)系數(shù) kjd, 可由 1?j 尺度空間的平滑系數(shù) kjc,1? 經(jīng)濾波器系數(shù) 0H ， 1H 進行加權(quán)求和得到。分解時小波函數(shù)相當于一個帶通濾波器。 )(nh 是低通濾波器， )(ng 是帶通濾波器， 可分別通過 )(t?和 )(t? 的內(nèi)積獲得： )](),2(21[)( nttnh ?? ?? (217) ZnRtnttng ???? ,) ] ,(),2(21[)( ?? (218) 小波分解為 : )()2( 1 kAnkhA jkj ???? ? (219) )()2( 1 kAnkgD jkj ???? ? (220) 信號的多分辨率分析中，小波函數(shù)的伸縮把頻率軸分為不同的頻帶，不同頻帶上的信息由小波函數(shù)的時間平移生成，所有頻帶的加法和完整的組成整個頻率軸。其中 : 1233 DDDAs ???? 。將信號的特征向量與同一時刻的其他信號一起就可以構(gòu)成用于故障診 斷的完整特征向量。 多傳感器系統(tǒng)可以獲得被檢測目標和環(huán)境更多的信息量。 下面我們 以信息論中 的基本概念： “ 熵 ” 、 “ 條件熵 ” 、 “ 平均 條件熵 ” 和 “ 互信息 ” 為基礎(chǔ)，給出 信息融合在 故障診斷中的相關(guān)定義，并用 信息論的 知識論證 信息融合在故障診斷中的 可 用性和有效性。 定義 4 診斷信息 X 與系統(tǒng)運行狀態(tài) ? 的互信息為： ,( , )( , ) ( ) ( | ) ( , ) l o g ( ) ( )θ xp θ xI θ XH θ H θ Xp θ x p θ px? ? ? ? ?? (35) 互信息的概念給出 了信息 X 對 系統(tǒng)運行狀態(tài) θ 信息量的 貢獻 大小?？梢?推斷 ， “ =” 成立的充要條件是：對所有 ( , , ) 0p θ xy? 的 ? ， x 和 y，有 ( | , ) ( | )p θ x y p θ x? (311) 從物理意義上看， 下述 情況 下， Y 不提供 對診斷有意義 的 信息： (1) Y 與 ? 相互獨立； (2) Y 與 X 線性相關(guān)。 信息融合的級別 按照數(shù)據(jù)融合中抽象的層次， 一般 把信息融合 分為三個層次 ， 即數(shù)據(jù)層、特征層和決策層。 數(shù)據(jù)層融合通常用于多源圖像復合、圖像分 析與理解、同類雷達波形的直接合成等。一般說來，提取的特征信息 必須能 充分表示 原始 數(shù)據(jù)信息， 最 后 根據(jù) 特征信息進行分類 判斷 。目標狀態(tài)融合主要用于目標跟蹤領(lǐng)域。 信號 1 信號 2 信號 3 融合 特征提取 識別 圖 數(shù)據(jù)層融合 沈陽航空航天大學畢業(yè)設(shè)計（論文） 17 特征層融合在理論上和應用上都已比較成熟，現(xiàn)在已經(jīng)具有針對具體問題的具體解決辦法。決策層融合常用的方法主要有貝葉斯理論、DS 證據(jù)理論、模糊集理論和神經(jīng)網(wǎng)絡等。 信號 1 信號 2 信號 3 特征提取 融合 識別 特征提取 特征提取 識別 識別 圖 決策層融合 信號 1 信號 2 信號 3 特征提取 融合 識別 特征提取 特征提取 圖 特征層融合 信息融合技術(shù)在飛行器故障診斷中的應用 18 目前信息融合 的 研究成果 主要集中在 決策層 融合上 ， 決策層融合已成為 信息融合研究 領(lǐng)域 的一個 重要研究方向 。 故障診斷技術(shù) 中 的信息融合模型 信息融合故障診斷的框架 對多個信息進行融合 處理的過程 就是信息融合框架。 該方法可用于構(gòu)建靈活的信息融合系統(tǒng)結(jié)構(gòu)，對于實際的應用研究也有指導意義。 4. 特征輸入－決策輸出 (FEIDEO)：屬于決策 層 融合， 必須在已具有 先驗知識 的前提下才可使用 ，通過 提取 不同 數(shù)據(jù) 源的特征進行分類識別，得出 識別 結(jié)果。 以 (DEI+FED－ DEO)融合模型 為例 ， 該模型的輸入為 特征和決策，輸出 為 決策，非常 適 用 于故障診斷領(lǐng)域的應用研究 。 分層信息融合診斷功能模型 BP 神經(jīng)網(wǎng)絡 和 GRNN 神經(jīng)網(wǎng)絡作為 故障診斷方法 ， 從 數(shù)據(jù) 融合 層次 上講屬于特征 層 融合。在基于 BP神經(jīng)網(wǎng)絡 和 GRNN神經(jīng)網(wǎng)絡 的初步診斷層中，首先應確定特征子空間 ； 其次 ， 特征子空間 獨立的構(gòu)造相應分類器的學習樣本； 然后構(gòu)造 出 BP 神經(jīng)網(wǎng)絡 和 GRNN 神經(jīng)網(wǎng)絡