【正文】 基于知識的專家系統(tǒng)用于多傳感器融合可以優(yōu)化跟蹤和識別功能， 專家系統(tǒng) 將已知的專家規(guī)則和其它的知識合并來自動確認(rèn)目標(biāo)，其 通過查詢知識庫，并利用各種規(guī)則和算法對輸入數(shù)據(jù)進行推理。聚類方法需要一個相似矩陣或相關(guān)性度量來表示兩特征向量間的接近度。相比貝葉斯信息融合方法、卡爾曼濾波方法、模糊推理方法、數(shù)理統(tǒng)計方法等， DS 方法可以有效地處理未知環(huán)境中的不確定信息，這個獨特的優(yōu)勢使得它在信息融合中應(yīng)用廣泛。 信息融合技術(shù)在飛行器故障診斷中的應(yīng)用 20 在診斷決策層中，證據(jù) 理論 用 BP 神經(jīng)網(wǎng)絡(luò) 和 GRNN 神經(jīng)網(wǎng)絡(luò)的 輸出結(jié)果構(gòu)造證據(jù)體，通過 綜合 證據(jù)推理 或加權(quán)融合 分析，得出最終診斷結(jié)論。 故障診斷的本質(zhì)就是狀態(tài)的識別，診斷過程主要有三個步驟：第一步是檢測設(shè)備狀態(tài)的特征信號，如振動、噪聲、溫度等；第二步就是從所檢測到的特征信號中提取征兆；第三步是故障的模式分類。 1. 數(shù)據(jù)輸入－數(shù)據(jù)輸出 (DAIDAO)：最基本的融合 形式 ，屬于數(shù)據(jù) 層 融合，主要 針對 多 傳感器 輸入的原始數(shù)據(jù)進行融合處理 。但 考慮到 環(huán)境的動態(tài)時變特性、知識庫的巨量特性 和很難獲取系統(tǒng)的 先驗知識等 方面的原因 ，決策層融合理論與技術(shù)的發(fā)展仍 面臨巨大的挑戰(zhàn) 。在特征層現(xiàn)已具有行之有效的關(guān)聯(lián)技術(shù)，可以保證信息融合的一致性，因此特征層融合具有廣闊的發(fā)展和應(yīng)用前景。 特征層融合可實現(xiàn)原始信息量的壓縮，降低了對通信帶寬的要求，有利于實時處理，而且因為其所選擇的特征直接與決策分析有關(guān)，故最終的融合結(jié)果能最大限度地給出決策分析所需的特征信息。 數(shù)據(jù)層融合 如圖 所示， 數(shù)據(jù)層融合是指各傳感器的原始信息不經(jīng)預(yù)處理就進行關(guān)聯(lián)、綜合處理。 X 與 θ 的互信息 (, )IX? 越大，診斷信息 X 對 確定系統(tǒng)運行狀態(tài) θ 的 幫助越大 ， 也就是說 信息 X 的診斷 貢獻(xiàn)越大 ；反之，則信息 X 對 診斷效果 貢獻(xiàn)越小 。多源信息融合與經(jīng)典信號處理方法間的本質(zhì)區(qū)別是信息融合所處理的信息具有更復(fù)雜的形式，并且可以出現(xiàn)在不同的抽象層次上。假設(shè)信號的采樣頻率為 02f ，那么分解后信號的頻帶分布如表 所示。多分辨分析區(qū)別于小波包分解之處在于多分辨分析僅對上一步分解的低頻信號進行分解，而高頻部分不進行分解。 Mallat 算法的基本思想如下：假定已經(jīng)計算出信號 )()( 2 RLtf ? 在分辨率 j?2 下的離散逼近再 fAj ，則 )(tf 在分辨率 )1(2 ??j 的離散逼近。 二進小波的穩(wěn)定性條件：小波母函數(shù)為 )(t? ，其傅里葉變換為 )(?? ，若存在常數(shù) A ， B ，當(dāng) ???? BA0 ，使得： BAzkk ????2|)2(| ?? (28) 若 A = B 稱為最穩(wěn)定條件。當(dāng) a 逐漸增大時，基函數(shù) )(, tba? 的窗口也逐漸變大，而其對應(yīng)的頻域信息融合技術(shù)在飛行器故障診斷中的應(yīng)用 8 窗口 (帶寬 )相應(yīng)減小，中心頻率逐漸變低。 設(shè) )()( 2 RLt ?? ，其中 )(2 RL 表示平方可積的實數(shù)空間，即能量有限的信號空間，其傅里葉變換為 )(??? 。變化較慢的信號具有較低頻率成分的頻譜，變化較劇烈的信號具有較高頻率成分的頻譜。短時傅里葉變換分析的基本思想是：假定一個非平穩(wěn)信號在分析窗函數(shù) )(tg 的一個短時間間隔內(nèi)是平穩(wěn)的，移動分析窗函數(shù)，使 )(tf 、 )(tg 在不同的有限時間寬度內(nèi)是平穩(wěn)信號，從而計算出各個不同時刻的功率譜。 第 2 章介紹了小波變換信號處理的方法，以及基于小波分解的特征提取。 本文的主要研究內(nèi)容 本文從提高故障診斷的精度和可靠性出發(fā)，針對飛行器故障診斷中多信息的特點，將信息融合技術(shù)引入到設(shè)備故障診斷中來。 信息融合技術(shù)最早發(fā)源于軍事應(yīng)用 ， 近年來，信息融合的思想、方法在民用領(lǐng)域也被廣泛使用。近 年 來， 由于新的 傳感器 的出現(xiàn)、處理技術(shù)的提高使得在 數(shù)據(jù)融合的實際應(yīng)用成為可能。 CASSIOPEE 是一個值得關(guān)注的 CBR 故障診斷系統(tǒng)，它是由AcknoSoft(Paris) 在 KATE TOOLS 的 基 礎(chǔ) 上 為 CFMInternational 而設(shè)計。尤其在航空航天領(lǐng)域中，可靠性和維修性工程越來越受到重視，迫切需要利用自動故障診斷和維修的專家系統(tǒng)來保障飛機、火箭、衛(wèi)星和導(dǎo)彈試驗以及基地飛行試驗的安 全。 故障信息處理技術(shù)是故障診斷的前提，它在提高診斷的準(zhǔn)確性和可靠性方面處于非常重要的地位，其主要包括故障信號檢測和故障信號分析處理。 feature extraction。本文采用小波變換對飛機有關(guān)結(jié)構(gòu)部件的健康監(jiān)測信息進行特征提取，分別提取了小波系數(shù)的絕對值最大值、奇異值和標(biāo)準(zhǔn)差三個不同的特征，構(gòu)建特征向量。簡要介紹了DS 證據(jù)理論和加權(quán)融合的基本原理，在此基礎(chǔ)上，針對信息的特征層融合和決策層融合，分別設(shè)計了基于 DS 證據(jù)理論和加權(quán)融合的信息融合策略，并分別結(jié)合廣義回歸神經(jīng)網(wǎng)絡(luò)和 BP 神經(jīng)網(wǎng)絡(luò)故障診斷器對飛行器的健康狀態(tài)進行了診斷研究。故障診斷是指設(shè)備在特定的工作條件下，根據(jù)機械設(shè)備運行過程中產(chǎn)生的各種信息判別機械設(shè)備是正常運行還是發(fā)生了異?，F(xiàn)象，并判定產(chǎn)生故障的原因和部位，以及預(yù)測、預(yù)報設(shè)備狀態(tài)的技術(shù) 。 飛行器故障診斷技術(shù)研究現(xiàn)狀 飛行器故障診斷技術(shù)發(fā)展歷史 飛行器故障診斷技術(shù)經(jīng)歷了 20 世紀(jì) 60 年代初的閾值診 斷 ,70 年代初的算法診斷 ,到 80 年代發(fā)展成智能診斷，隨后形成了以診斷專家系統(tǒng)為平臺的、集成多種診斷技術(shù)的綜合智能診斷維護系統(tǒng)。各種類型的故障診斷和維修專家系統(tǒng)已經(jīng)應(yīng)用于美國 F 15 戰(zhàn)斗機、 F 16戰(zhàn)斗機、 B 1B 轟炸機等在役裝備的故障診斷和維修中，有效地減少故障診斷時間和熟練維修技術(shù)人員的數(shù)量；加拿大龐巴迪（ Bombardier）飛機公司， 20xx 年在其客戶服務(wù)網(wǎng)站上捆綁了由加拿大 case bank 技術(shù)公司開發(fā)的一套飛機故障診斷支持服務(wù)系統(tǒng) —— Spotlight 用于幫助飛機用戶進行飛機故障的排故和決定準(zhǔn)確的維修措 施。 信息融合研究意義及現(xiàn)狀 信息融合技術(shù)概述 信息融合是人類 日常生活和 其它 各種 邏輯系統(tǒng)中常見的基本功能。 國內(nèi)外應(yīng)用研究現(xiàn)狀 由于信息融合系統(tǒng)本身所具有的良好穩(wěn)定性能、寬闊的時空覆蓋域、 較 高的測量信息融合技術(shù)在飛行器故障診斷中的應(yīng)用 4 維數(shù)和良好的目標(biāo) 識別率 以及較強的故障容錯與系統(tǒng)重構(gòu)能力等潛在 特點 ，因此，信息融合技術(shù) 很早就 引起了 各國的高度重視 。限制其發(fā)展的因素主要有 ： (1) 性能與成本的矛盾： 數(shù)據(jù) 融合 必將 涉及多 傳感器數(shù)據(jù) 的獲取， 這無疑會 增加信號 檢測 系統(tǒng)的復(fù)雜性和成本， 而 客戶 很多時候只 需要 相對便宜 、 能夠 正常工作 而又可靠準(zhǔn)確的診斷系統(tǒng) ； 這是 數(shù)據(jù) 融合技術(shù)在故障診斷領(lǐng)域中發(fā)展的主要限制因素。 3. 在故障診斷系統(tǒng)中，由于診斷對象的不確定性、系統(tǒng)噪聲以及測量誤差，所提供的信息一般是不完整、不精確和模糊的，所以故障診斷中存在大量的不確定性。傳統(tǒng)的時頻信號分析建立在傅里葉變換的基礎(chǔ)上。很適合于探測正常信號中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分，所以被譽為分析信號的“顯微鏡”。小波函數(shù)的確切定義為：小波變換的作用是將一個信號與一個在時域和頻域上均具有局域化性質(zhì)的平移伸縮小波權(quán)函數(shù)進行卷積，從而將信號分解成為與不同時寬和頻帶上的各個成分，基本思想就是用某函數(shù)族來表示或逼近觀測信號。在式 (22)中 a 是用來對小波 )(t? 作伸縮的，以調(diào)整小波基函數(shù)覆蓋的頻率范圍；平移因子 b 的作用是確定待分析信號的時間位置，即用來調(diào)整小波基函數(shù)的時域位置；系數(shù)a1用來實現(xiàn)小波能量的歸一化。 (1) 尺度離散：通常對尺度進行冪級數(shù)離散化，即令： t 2b 1b ? 2 0? 0? 2/0? 2/1?a 2?a 1?a 沈陽航空航天大學(xué)畢業(yè)設(shè)計（論文） 9 moaa? 0, 0 ?? azm (2) 位移離散：通常對 b 進行均勻離散，以覆蓋整個時間軸，并且采樣間隔滿足Nyquist 采樣定理，即采樣頻率大于等于該尺度下頻率通帶的二倍。因此離散二進小波變換被稱為數(shù)學(xué)顯微鏡。同樣將尺度空間 kc,0 不斷分解下去，可得到任意尺度空間稱的 jV 和 kjc, 和 kjd, 。信號 s 三層多分辨分析的分解樹如圖 所示。多 源 信息融合的基本原理 是 充分利用多個傳感器 數(shù)據(jù) ，通過合理使用和 組織 這些觀測信息，把 它們在 空間或時間的冗余 、 互補信息 按照 某 些規(guī)則 進行組合 以 獲得被測 目標(biāo) 的 更準(zhǔn)確的 描述。 定義 2 以 X 表示某診斷信息，且 設(shè)定 X 是 值域為 有限個離散值的隨機變量，即12{ , , }MX x x x? ，則 當(dāng) jXx? 時， 系統(tǒng) 運行狀態(tài) ? 的條件熵為： 信息融合技術(shù)在飛行器故障診斷中的應(yīng)用 14 1( | ) ( | ) . l o g ( | )Nj i j i jiH θ X x p θ xp θ x?? ? ? ? (32) 定義 3 診斷信息 X 己知時，系統(tǒng)運行狀態(tài) ? 的平均條件熵為： 1( | ) ( ) ( | )MjjjH θ X p x H θ Xx?? ? ? ?? (33) 定理 1 系統(tǒng)運行狀態(tài) ? 的條件熵必定不大于無條件熵，即： ( | ) ( )H θ XHθ? (34) 證明：把式 (33)帶入式 (34)可得： 1( | ) ( )MjjH θ X p x?? ? ( | ) ( )i j ip θ Xpθ? lo g ( ( | ) ) lo g ( ( ) )i j ip θ Xp θ?? 由全概率公式可得： 1 ( ) . ( | ) ( )Mj i j ij p x p θ xp θ? ?? 1( | ) ( ) . l o g ( ( ) ) ( )NiiiH θ Xp θ p θ H θ?? ? ? ?? 所以 ，條件熵 必定不 大于無條件熵，證畢。 根據(jù)以上 討論可以看出，在故障診斷過程中， 有效 診斷信息的增加 可以減 小系統(tǒng)診斷的 不確定性，提高診斷的可靠性和準(zhǔn)確 率 。 從數(shù)據(jù)融合的角度看，由于沒有辦法對原始數(shù)據(jù)所有的特性進行一致性檢驗，數(shù)據(jù)層融合具有很大的盲目性，因此一般的應(yīng)用不會直接在數(shù)據(jù)層上進行融合，但考慮到圖像處理本身的特殊性，才保留了這一帶有圖像處理色彩的融合層次。 考慮到 多傳感器系統(tǒng) 可以 提供更多有關(guān)目標(biāo)的特征信息， 從而 增大了特征空間維數(shù)。除非 各 傳感器 數(shù)據(jù) 是 相互 獨立的， 否則 決策層融合的分類性能 一般都要 低于特征層融合。融合結(jié)構(gòu)的新進展是 Dasarathy 提出的五級結(jié)構(gòu)，“ 數(shù)據(jù)入－數(shù)據(jù)出 ” 、 “ 數(shù)據(jù)入－特征出 ” 、 “ 特征入－特征出 ” 、 “ 特征入－決策出 ” 和“ 決策入－決策出 ” ，如圖 所示?？梢酝ㄟ^決策規(guī)則來實現(xiàn)。 基于多分類器融合的故障診斷模型如圖 所示。 貝葉斯技術(shù)解決了經(jīng)典推理的 部分問題 ， 它根據(jù)先前的似然估計和其它觀測更新假設(shè)的概率，并能同時處理超過兩個的假設(shè)。 2. 信息論 方法 信息論方法 包括 參數(shù) 模板 法 、聚類 算法 和神經(jīng)網(wǎng)絡(luò)等。 邏輯模板 是基于邏輯的識別技術(shù)的總稱 ，它利用存儲的各種模式對觀測數(shù)據(jù)進行匹配，以識別目標(biāo)的意圖或估計態(tài)勢。模糊集合論允許知識表示的不確定性，為那些信息不精確或不完全的事物。 而且可以把 信息融合中的很多 其它方法 引入到神經(jīng)網(wǎng)絡(luò)中來，比如 在目標(biāo)識別中， 各種 網(wǎng)絡(luò)類型都有一定的局限性， 但是這些 網(wǎng)絡(luò)類型對 相同目標(biāo)的識別結(jié)果可能具有互補性，可以 利用信息 融合中的 DS 證據(jù)推理理論對 它們的識別結(jié)果進行融合 判斷 ， 以 提高整個系統(tǒng)的識別率?？梢?看出，這些改進的方法都是通過與其他理論結(jié)合而產(chǎn)生的。 技術(shù)完全依賴數(shù)學(xué)理論，其 缺陷是用于目標(biāo)分類的變量的密度函數(shù)很難獲得， 當(dāng)用于多變量統(tǒng)計時， 具有 要求先驗概率密度 的 限制。 分層信息融合診斷功能模型 BP 神經(jīng)網(wǎng)絡(luò) 和 GRNN 神經(jīng)網(wǎng)絡(luò)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。 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。 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。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(luò)等。目標(biāo)狀態(tài)融合主要用于目標(biāo)跟蹤領(lǐng)域。 數(shù)據(jù)層融合通常用于多源圖像復(fù)合、圖像分 析與理解、同類雷達(dá)波形的直接合成等?？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?