【正文】 相關(guān)理論與之結(jié)合是一條重要途徑。為克服這些缺陷，一些學者提出了不同的改進方法，基本可分為兩類：修改證據(jù)及修改組合規(guī)則。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。貝葉斯方法的主要缺點有：很難定義先驗概率函數(shù)；當存在多個潛在的假設(shè)和多個條件獨立事件時的復(fù)雜性；多種競爭假設(shè)的排它性要求；不能解決一般的不確定問題；因而實際融合系統(tǒng)中也很少采用。另外，它一次只能估計兩個假設(shè)，并且隨著變量數(shù)據(jù)的增加，其復(fù)雜性也急劇上升，故很少在信息融合中使用。經(jīng)典推理根據(jù)對于已知的假設(shè)，給出觀測信息對于目標或事件出現(xiàn)的概率。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。從圖中可知，整個診斷過程分為兩級，基于BP神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)的初步診斷層和基于DS證據(jù)推理和加權(quán)融合的融合決策診斷層。而DS證據(jù)理論和加權(quán)融合是通過對同一識別框的各證據(jù)體進行綜合推理，得到最終的決策結(jié)果，其屬于決策層融合，基于小波分析的BP神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)的結(jié)合能夠發(fā)揮出信息融合的優(yōu)勢互補功能，可以提高故障診斷的準確率和可靠性。因此基于信息融合技術(shù)的故障診斷模型和方法是研究非常重要也很有意義。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。面對實際的故障診斷問題，應(yīng)該根據(jù)具體問題進行具體分析，選擇適當?shù)娜诤峡蚣堋?. 決策輸入－決策輸出(DEIDEO)：屬于決策層融合，其可實現(xiàn)在局部決策基礎(chǔ)上進行進一步的融合，從而得到更高精度與可靠的識別結(jié)果。3. 特征輸入－特征輸出(FEIFEO)：屬于特征層融合，在已提取特征的基礎(chǔ)上，對特征在時間和空間上進行綜合分析。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 Dasarathy信息融合的結(jié)構(gòu)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。該模型基于融合的功能而不是所面臨的任務(wù)，將融合過程抽象為決策（符號和信念的估價）、特征（中間級信息）和數(shù)據(jù)三級處理，因此，融合可以發(fā)生在各個處理級，也可以是它們之間的轉(zhuǎn)換處理。信息融合框架對融合效果非常重要，決定了系統(tǒng)識別的準確率。沒有可以適用于所有系統(tǒng)的普適結(jié)構(gòu)。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)。決策層融合和特征層融合沒有對傳感器同質(zhì)的要求，另外，不同融合層次的融合方法各有利弊，這就要求我們開發(fā)高效的局部傳感器策略和融合規(guī)則來提高信息融合的速度和精度。從理論上說，如果能充分、適當?shù)貙Χ鄠鞲衅髟紨?shù)據(jù)進行組合、關(guān)聯(lián)，數(shù)據(jù)層融合可得到最好的融合效果，因為它使用了最多的原始數(shù)據(jù)。決策級融合屬三級融合的最高層次結(jié)果，其決策判斷直接決定最終的決策水平。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。具體融合方法仍是模式識別的相應(yīng)技術(shù)，具體的實現(xiàn)技術(shù)包括參數(shù)模板法、K階最近鄰、聚類算法、人工神經(jīng)網(wǎng)絡(luò)等。目標特性融合就是特征層聯(lián)合識別，其實質(zhì)就是根據(jù)關(guān)聯(lián)后的特征矢量進行模式分類識別。特征層融合可分為目標狀態(tài)融合和目標特性融合。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。 特征層融合，特征級融合首先提取各傳感器原始信息的特征，然后由融合中心對所提取的特征信息進行綜合分析和處理。信號1信號2信號3融合特征提取識別 數(shù)據(jù)層融合數(shù)據(jù)層融合的主要優(yōu)點是只有較少的數(shù)據(jù)量損失，可提供其它融合層次所不具有的細節(jié)信息，但因為融合所要處理的數(shù)據(jù)量太大，故處理代價高，實時性差；原始信息的不確定性和不穩(wěn)定性要求融合時有較高的糾錯能力；其它缺點還包括數(shù)據(jù)通信量大，抗干擾能力差等。數(shù)據(jù)層融合要求各種傳感器必須觀測的是同一物理現(xiàn)象，否則就只能在特征層或決策層進行融合。 數(shù)據(jù)層融合，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。從而也就說明信息融合技術(shù)能夠有效的提高系統(tǒng)故障診斷的可靠性和準確率。將參數(shù)、診斷信息X、Y推廣到多維情形時，仍可得到上述結(jié)論。我們用表示信息對提供的額外信息，即： (39)由式(38)可知： (310)上式取“=”時，代表Y所提供的額外信息為0，也即Y所提供的信息對于診斷沒有貢獻。X與的互信息越大，診斷信息X對確定系統(tǒng)運行狀態(tài)的幫助越大，也就是說信息X的診斷貢獻越大；反之，則信息X對診斷效果貢獻越小。定理1告訴我們在擁有信息X的條件下，系統(tǒng)狀態(tài)的不確定性減小，從而可以提高系統(tǒng)診斷的準確率。定義1 Θ為系統(tǒng)運行狀態(tài)有限集，系統(tǒng)的運行狀態(tài)用隨機變量Θ表示，系統(tǒng)狀態(tài)的概率為，從而可得到系統(tǒng)運行狀態(tài)的“熵”： (31)根據(jù)熵的定義可知，它代表的是系統(tǒng)運行狀態(tài)的不確定度。 故障診斷信息融合的理論基礎(chǔ)故障診斷技術(shù)中的信息融合方法就是從不同的側(cè)面獲得更全的設(shè)備狀態(tài)信息，從而可提高故障診斷的準確率和可靠性。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。信息融合的目標是通過對信息的合理組合來充分利用各個傳感器所檢測到的分離信息以彌補信息不完全，部分信息不精確或不確定造成的缺陷，能擴大信息處理系統(tǒng)的空間、時間、頻率覆蓋范圍，支持信息共享，合理利用資源，使系統(tǒng)的性能指標、可靠性、穩(wěn)健性、容錯和反欺騙能力都得以提高。3 故障診斷中的信息融合技術(shù) 故障診斷技術(shù)中的信息融合理論 信息融合基本原理在信息融合系統(tǒng)中，不同傳感器所檢測的數(shù)據(jù)可能具有不同的特征，模糊或確定的，互補或相互矛盾的，實時或非實時的等。假設(shè)信號長度為n并進行k層分解，則 (221)表示分解后由低頻到高頻的各級信號，其中其能量表示如下： (222)原始信號的特征向量表示如下： (223)對上式進行歸一化處理： (224) (225)歸一化后的特征向量可以表示為： (226)由式(221)(226)可以看出，通過小波分解，可以得到了信號的特征向量。假設(shè)信號的采樣頻率為。信號sA1D2A2D1D3A3 信號的小波分解示意圖其中,分別為該次分解的低頻信號，,分別為該次分解的高頻信號。是低通濾波器，是帶通濾波器，可分別通過和的內(nèi)積獲得： (217) (218)小波分解為: (219) (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。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。分解時小波函數(shù)相當于一個帶通濾波器。同樣將尺度空間不斷分解下去，可得到任意尺度空間稱的和和。 經(jīng)一系列的變換，可得到： (215) (216)上式說明尺度空間的平滑系數(shù)和細節(jié)系數(shù)可由尺度空間的平滑系數(shù)經(jīng)濾波器系數(shù)，進行加權(quán)求和得到。通過用離散低通濾波器對濾波獲。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。因此離散二進小波變換被稱為數(shù)學顯微鏡。假定有一放大倍數(shù)它對應(yīng)觀測到信號的某部分內(nèi)容。滿足穩(wěn)定條件的小波才能成為二進小波。為了使小波變換具有可變化的時間和頻率分辨率，適應(yīng)待分析信號的非平穩(wěn)性，需要改變和的大小，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。 (1) 尺度離散：通常對尺度進行冪級數(shù)離散化，即令： (2) 位移離散：通常對進行均勻離散，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。t2 連續(xù)小波變換描述對于任意的函數(shù)的連續(xù)小波變換為： 其逆變換為： (23) (24) 離散小波變換在實際應(yīng)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)的尺度因子和平移因子的，成為離散小波變換。當逐漸減小時，基函數(shù)的時間窗口逐漸減小，而其帶寬相應(yīng)增大，中心頻率逐漸升高。小波可以看作是一個雙窗函數(shù)，即小波母函數(shù)及其傅里葉變換同時滿足窗函數(shù)條件。在式(22)中是用來對小波作伸縮的，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)用來實現(xiàn)小波能量的歸一化。將小波母函數(shù)進行伸縮和平移，就可以得到函數(shù)： (22)式中為尺度因子，為平移因子，稱為依賴參數(shù)和的小波基函數(shù)。當滿足允許條件： (21)時，我們稱為一個基本小波或母小波(Mother Wavelet)。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。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。 小波變換方法 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。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。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。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”。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。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。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。傳統(tǒng)的時頻信號分析建立在傅里葉變換的基礎(chǔ)上。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。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。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。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。(3) 可移植性差：設(shè)備復(fù)雜性導(dǎo)致相應(yīng)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(yīng)用的一個重要因素。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。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(yīng)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(yīng)用。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。整個80年代，美國三軍總部高