【正文】 征空間的數(shù)據(jù)劃分為自然集合，以確定它們是否代表一定意義的目標類別。 基于專家系統(tǒng)的融合方法是以規(guī)則為基礎(chǔ)的傳統(tǒng)的物理及符號表示方法，它以規(guī)信息融合技術(shù)在飛行器故障診斷中的應用 22 則表示形式并構(gòu)成知識庫，運用適當?shù)慕鉀Q問題的推理方法，在計算機上得到解決問題的推論。專家系統(tǒng)最終的輸出結(jié)果是給用戶的推薦結(jié)果集。 神經(jīng)網(wǎng)絡(luò)輸 入 數(shù)據(jù) 矢量可通過 非線性 變換 產(chǎn)生輸出矢量， 這說明 神經(jīng)網(wǎng)絡(luò)具有數(shù)據(jù)分類 的 功能， 因 此，我們可以用 神經(jīng)網(wǎng)絡(luò) 來提取 多傳感器 信息 的特征。 但證據(jù)理論本身也存在一些缺陷，如要求證據(jù)必須是獨立的，證據(jù)合成規(guī)則沒有非常堅實的理論支持，計算上存在潛在的組合爆炸問題。 ? 融合 輸出 ? 故障診斷 中的 信息融合方法 近年來， 信息融合 技術(shù)被 應用于故障診斷領(lǐng)域，先后提出了一些信息融合故障診斷方法，比如： 1. 參數(shù)化 方法 參數(shù)化方法主要有 經(jīng)典推理、貝葉斯法和 DS 證據(jù)理論法。由于 故障征兆是各種各樣的， 可由 不同的傳感器獲得，對這些 征兆 信息的處理過程 實質(zhì)上 就是 數(shù)據(jù) 融合。 2. 數(shù)據(jù)輸入－特征輸出 (DAIFEO)：該過程 也 屬于數(shù)據(jù) 層 融合，其 可 根據(jù)實際問數(shù)據(jù)入 — 數(shù)據(jù)出 數(shù)據(jù)入 — 特征出 數(shù)據(jù)入 特征入 — 特征出 特征入 — 決策出 決策入 — 決策出 數(shù)據(jù)入 特征入 特征入 決策入 數(shù)據(jù)出 特征出 特征出 決策出 決策出 圖 Dasarathy 信息融合 的結(jié)構(gòu) 沈陽航空航天大學畢業(yè)設(shè)計（論文） 19 題需求，通過多 傳感器 數(shù)據(jù)融合 來提取 所需的特征 信息 。 選擇 最終的 融合層次是一個系統(tǒng)工程問題，需要 根據(jù)具體 的應用 問題， 綜合考慮通信帶寬、 數(shù)據(jù) 源的特點、可 以使 用的計算資源等 各 方面的因素。 決策層融合 由 圖 可知， 決策級融合 利用各種不同類型的傳感器觀 察同一目標，各個傳感器單獨完成基本的信息預處理、特征提取和識別判斷，并得出觀察目標的初步結(jié)論，最后通過決策層融合得出最終的識別結(jié)果。但因為部分有用信息的損失，降低了系統(tǒng)的融合性能。 首先 關(guān)聯(lián)所有 傳感器的觀測數(shù)據(jù)，然后從中提取 最有效的幾種 特征向量，并信息融合技術(shù)在飛行器故障診斷中的應用 16 進行識別判斷。 可 再增加診斷信息 Y 以 進一步減 少 系統(tǒng)運行狀態(tài) θ 的不確定性，由 互信息的定義 ， θ 與 ),( YX 的互信息為： 沈陽航空航天大學畢業(yè)設(shè)計（論文） 15 ,( , , )( , , ) ( ) ( | , ) ( , , ) l o g ( ) ( , )θ xyp θ xyI θ X Y H θ H θ X Y p θ xy p θ p x y? ? ? ? ?? (36) 根據(jù) 定理 1 的證明方法可以證明： ( | , ) ( | )H θ X Y H θ X? (37) 由式 (35)、式 (36)和式 (37)可知： ( , , ) ( , )I θ X Y I θ X? (38) 式 (38)說明，系統(tǒng)運行狀態(tài) θ 的不確定性 因為 診斷信息 Y 而 有所減小。這些信息層次有數(shù)據(jù)層、特征層和決策層。四個信號 3A , 3D , 2D , 1D 頻帶正好不相交的布滿整頻率軸，提供了信號 s 的無冗余，無疏漏的全部信息，圖 信號小波分解的結(jié)果如表 所示： 表 分解信號及其頻帶 信 號 3A 3D 2D 1D 頻 帶 ]8,0[ 0f ]4,8[ 00 ff ]2,4[ 00 ff ],2[ 00 ff 以分解信號的能量為特征量，也即以各個獨立頻帶內(nèi)的能量為特征量構(gòu)造信號的特征向量，可以較好的反映信號的特征，為狀態(tài)的分類提供了依據(jù)。分解后的信號完整的反映了信號的全部信息，無冗余，無遺漏。 fAj 1? 通過用離散低通濾波器對 fAj 濾波獲。滿足穩(wěn)定條件的小波才能成為二進小波。當 a 逐漸減小時，基函數(shù) )(, tba? 的時間窗口逐漸減小，而其帶寬相應增大，中心頻率逐漸升高。當 )(??? 滿足允許條件： ??? ? ????? dC R2)(? (21) 時，我們稱 )(t? 為一個基本小波或母 小波 (Mother Wavelet)。小波變換以非均勻規(guī)律對時間軸和頻率軸予以劃分，從而在滿足Heisenberg 不等式的前提條件下，既有足夠的時間分辨率對信號中的短時高頻成分進行分析，又有足夠的頻率分辨率對信號中的緩變低頻成分進行分析。從本質(zhì)來講，短時傅里葉變換使用一個固定的短時窗函數(shù)，是一種單一分辨率的信號分析方法，在信號分析上還是存在不可逾越缺陷。 第 3 章介紹了設(shè)備故障診斷中的信息融合介紹了信息融合的定義、目的、結(jié)構(gòu)、一般過程、常用方法，提出了故障診斷中的信息融合系統(tǒng)。本論文主要從以下幾個方面的做了初步的研究： 1. 飛機水平尾翼的聲發(fā)射信號數(shù)據(jù)量太大，因此需要進行特征提取，我們需要用小波變換的方法對聲發(fā)射信號進行處理，以便進行診斷。另外，各種信息融合組織和相關(guān)年會也提供了廣泛和深入的技術(shù)研討機會。多傳感器 信息融合 技術(shù)是上世紀 70 年代 提出來的 。CFMInternational 使用 CASSIOPEE 來維護波音 737 飛機上的 CFM563 引擎動力系統(tǒng)，它的案例庫包含 23000 多個案例，案例的結(jié)構(gòu)簡單，約含有 80 個屬性。 計算機技術(shù)的快速發(fā)展促使人工智能技術(shù)在可靠性、維修性和保障性 領(lǐng)域內(nèi)得到廣泛的應用，各種類型的故障診斷和維修專家系統(tǒng)已經(jīng)應用于美國 F15 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；各種 RMS 管理和設(shè)計分析的專家系統(tǒng)，用于幫助裝備設(shè)計師和可靠性工程師設(shè)計更加可靠、容易保障而且費用更低的武器裝備；同時飛機健康診斷與系統(tǒng)維護技術(shù)已經(jīng)發(fā)展得非常成熟，幾乎所有的機載電子設(shè)備都具有內(nèi)嵌測試設(shè)備 (BITE)，用于檢測和監(jiān)控設(shè)備的故障。由于大型復雜系統(tǒng)的故障機理十分復雜，目前還不能用精確的數(shù)學模型表示其運行狀態(tài)，因此研究故障信息的智能處理技術(shù)對航空發(fā)動機這種大型復雜設(shè)備的故障診斷具有重要的意義。 information fusion。 飛行器故障診斷可利用的信息越多，診斷準確性就越高。本文設(shè)計了基于廣義回歸神 經(jīng)網(wǎng)絡(luò)和BP 神經(jīng)網(wǎng)絡(luò)的故障診斷器，并運用其對提取的特征值進行了診斷研究。 沈陽航空航天大學畢業(yè)設(shè)計（論文） III 目 錄 1 緒論 ................................................................................................................................... 1 引言 ............................................................................................................................. 1 飛行器故障診斷技術(shù)研究現(xiàn)狀 ................................................................................. 1 飛行器故障診斷技術(shù)發(fā)展歷史 .......................................................................... 1 國內(nèi)外應用研究現(xiàn)狀 .......................................................................................... 2 信息融合研究意義及現(xiàn)狀 ......................................................................................... 3 信息融合技術(shù)概述 .............................................................................................. 3 國內(nèi)外應用研究現(xiàn)狀 .......................................................................................... 3 本文的主要研究內(nèi)容 ................................................................................................. 4 2 基于小波變換的信號處理 ............................................................................................... 6 小波變換方法 ............................................................................................................. 6 連續(xù)小波變換 ...................................................................................................... 7 離散小波變換 ...................................................................................................... 8 Mallat 算法 ........................................................................................................... 9 基于小波分解的信號特征提取 ............................................................................... 11 3 故障診斷中的信息融合技術(shù) ......................................................................................... 13 故障診斷技術(shù)中的信息融合理論 ........................................................................... 13 信息融合基本原理 ............................................................................................ 13 故障診斷信息融合的理論基礎(chǔ) ........................................................................ 13 信息融合的級別 ....................................................................................................... 15 數(shù)據(jù)層融合 ........................................................................................................ 15 特征層融合 ........................................................................................................ 16 決策層融合 ........................................................................................................ 17 故障診斷技術(shù)中的信息融合模型 ........................................................................... 18 信息融合故障診斷的框架 .......................