【正文】 理論概述和基本概念 .......................................................................... 35 DS 證據(jù)理論飛行器故障診斷模型 .................................................................. 37 DS 證據(jù)推理信息融合的基本過程 .................................................................. 38 基于 DS 證據(jù)理論的飛行器故障診斷 ............................................................ 40 基于加權(quán)融合的飛行器故障診斷技術(shù)研究 ........................................................... 43 加權(quán)融合基本概念 ............................................................................................ 43 加權(quán)融合飛行器故障診斷模型 ........................................................................ 44 加權(quán)融合 推理信息融合的基本過程 ................................................................ 44 基于 加權(quán)融合 的飛行器故障診斷 .................................................................... 45 小結(jié) ........................................................................................................................... 47 結(jié) 論 ................................................................................................................................. 48 社會經(jīng)濟效益分析 ............................................................................................................. 49 參考文獻 ............................................................................................................................. 50 致 謝 ................................................................................................................................. 51 附錄Ⅰ 基于小波分解特征提取部分程序清單 ............................................................... 52 附錄Ⅱ GRNN 部分程序清單 ........................................................................................... 53 附錄Ⅲ BP 部分程序清單 ................................................................................................. 54 附錄Ⅳ DS 證據(jù)理論融合程序清單 ................................................................................ 55 附錄 Ⅴ 加權(quán)融 合程序清單 ............................................................................................... 56沈陽航空航天大學(xué)畢業(yè)設(shè)計（論文） 1 1 緒論 引言 故障 從 系統(tǒng)的 觀點來看，是指產(chǎn)品在規(guī)定的時間、條件下，因故不能實現(xiàn)規(guī)定的功能的現(xiàn)象。 幾十年來，故障診斷技術(shù)不斷吸收各門科學(xué)技術(shù)發(fā)展的新成果，診斷理論和應(yīng)用有了很大的發(fā)展，它涉及 控制論 、 信息論、系統(tǒng)論 以及計算機科學(xué)等多方面的內(nèi)容。 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。最近幾年 ，信息融合技術(shù)在故障診斷領(lǐng)域 也 廣泛得到 重視 ， 信息融合 是一種多 源 信息綜合處理技術(shù)， 它 能 夠充分利用 各種類型傳感器所提供的 各種 系統(tǒng)測量 信息 ，通過對信息的關(guān)聯(lián) 、 綜合處理 ， 實現(xiàn) 對被測 設(shè)備性能 的更全面、準確 的判斷 。這 對飛行器 的飛行安全 性 、可靠性和其運營 成本都具有重要的 實際 意義。目前智能診斷技術(shù)是當今世界發(fā)達國家的研究熱點之信息融合技術(shù)在飛行器故障診斷中的應(yīng)用 2 一。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。 國內(nèi)外應(yīng)用研究現(xiàn)狀 世界上許多先進國家都致力于飛行器的健康診斷及 時的研究和開發(fā)工作。美國十分重視飛行器的故障診斷技術(shù)。Spotlight 提供一站式 (one stop)服務(wù)功能，即輸入故障現(xiàn)象，除可以查詢出相應(yīng)的故障原因、解決措施外，還可以鏈接到相關(guān)服務(wù)通告 (SB)、故障隔離手冊（ FIM）、圖解零部件清單（ IPC）等技術(shù)出版物。 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。 國內(nèi)重慶英康九龍智能控制有限公司在總結(jié)、消化、吸收國內(nèi)外先進故障檢測診斷技術(shù)和經(jīng)驗的基礎(chǔ)上，結(jié)合人工智能、軟件工程等領(lǐng)域中的一些新的方法組織力量研究開發(fā)了一套具有獨立知識產(chǎn)權(quán)的“故障智能診斷預(yù)報系統(tǒng)”（簡稱 INCONFIDPS） 沈陽航空航天大學(xué)畢業(yè)設(shè)計（論文） 3 。另外，國內(nèi)在飛機故障診斷 /排故方面的研究還有：空軍第一航空學(xué)院潘茂生惠克翔從飛機故障診斷的特點出發(fā)，采用了神經(jīng)網(wǎng)絡(luò)的知識處理方法構(gòu)建了一個基于飛機故障現(xiàn)象的故障診斷專家系統(tǒng)；中國民航學(xué)院董健康、耿宏研究了基于灰色關(guān)聯(lián)模糊聚類算法的飛機排故優(yōu)化方法，直接對飛機維修經(jīng)驗中的多種排故方法，依排除故障的可能性進行排序，并根據(jù)排序結(jié)果對排故障方法進行相似聚類，從而將排故經(jīng)驗與多因素決策算法進行有效綜合，較好地解決了民航飛機故障診斷專家系 統(tǒng)中多種故障原因的優(yōu)化選擇問題，并可直接給出排故障方法的選擇指導(dǎo)，提高專家系統(tǒng)的指導(dǎo)水平和飛機排故效率；北京航空航天大學(xué)朱新宇、沈頌華開發(fā)了飛機電源系統(tǒng)故障診斷專家系統(tǒng)，利用專家系統(tǒng)理論對某型飛機電源系統(tǒng)進行了全面的分析，建立了完整的電源系統(tǒng)知識庫，實現(xiàn)了實時狀態(tài)監(jiān)測和故障診斷，并能給出異常或故障信息，為基于 CBR 方法的飛機排故支持技術(shù)研究與應(yīng)用整個飛機非航電系統(tǒng)采用專家系統(tǒng)進行故障診斷提供了經(jīng)驗。 比如人類 僅利用視覺或觸覺很難判斷事物的好壞，但如果再結(jié)合味覺和嗅覺等多種感官就可以進行更準確的判斷。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。雖然這門邊緣學(xué)科的研究已經(jīng)有幾十年的歷史，但至今還沒有一個被普遍接受的定義。目前能被多數(shù)行業(yè)接受而又 比較確切的定義可概括為：充分利用不同時間與空間的 多種信息資源，采用計算機技術(shù)對按時序獲得的觀測信息在一定準則下加以自動分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述 ， 以完成所需的決策和估計任務(wù)，使系統(tǒng)獲得比各組成部分更優(yōu)越的性能。 早在上世紀 70 年代，美國的軍事機構(gòu)就著手研究數(shù)據(jù)的綜合自動化處理， 1973 年，美國國防部資助了聲納信號理解系統(tǒng)的開發(fā) ，信息融合技術(shù)最早就是在該系統(tǒng)中得到體現(xiàn)。 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。信息融合技術(shù)屬交叉學(xué)科，它是多種傳統(tǒng)學(xué)科的綜合，主要包括數(shù)字信號處理、控制論、人工智能和經(jīng)典數(shù)學(xué)方法等。 盡管信息融合技術(shù)己經(jīng) 獲得 了廣泛地應(yīng)用，但是在故障診斷領(lǐng)域中 數(shù)據(jù)融合技術(shù)的應(yīng)用與研究仍然停留在較低 的發(fā)展 階段 ，尚有很大的發(fā)展空間 。 (2) 系統(tǒng)的實時性難以保證 ： 隨著 傳感器數(shù)據(jù) 的增加，系統(tǒng)結(jié)構(gòu)隨之 復(fù)雜， 必然導(dǎo)致 系統(tǒng)計算復(fù)雜性 也 成倍增長。 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。 2. GRNN 和 BP 神經(jīng)網(wǎng)絡(luò)通過對多類典型故障樣本的學(xué)習(xí) ，可實現(xiàn)對多類故障的沈陽航空航天大學(xué)畢業(yè)設(shè)計（論文） 5 診斷。本文討論了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，并通過實例進行了分析。針對故障診斷中的不確定性，本文運用 DS 證據(jù)理論和加權(quán)融合來實現(xiàn)特征融合和決策，通過算例分析，論證了在故障診斷中采用 DS 證據(jù)理論和加權(quán)融合可以提高故障診斷的精度和可靠性。 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。 第 4 章簡要介紹了 GRNN 和 BP 神經(jīng)網(wǎng)絡(luò)的基本原理和特點，結(jié)合小波特征提取，最后，針對同一信號得到六種不同的診斷結(jié)果以及正確識別率。 信息融合技術(shù)在飛行器故障診斷中的應(yīng)用 6 2 基于小波變換的信號處理 小波變換屬于時頻分析的一種，是傅里葉 (Fourier)分析深入發(fā)展過程中的一個新的里程碑。傅里葉分析使用的是一種全局的變換，要么完全在時域，要么完全在頻域，無法表述信號的時頻局部特性，而時頻局部特性恰恰是非平穩(wěn)信號的最根本和最本質(zhì)的性質(zhì)。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。 小波變 換是一種信號的時間 尺度 (時間 頻率 )分析方法。小波變換在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率。與傅里葉變換相比，小波變換的最大特點便是它的分析精度可調(diào)。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。利用小波變換進行動態(tài)系統(tǒng)的故障測量與診斷具有良好的效果。連續(xù)小波基函數(shù)的母函數(shù)選擇既不是 唯一的，也不是任意的。 小波變換的基本方法是：選擇滿足時域積分為零的函數(shù)作為基本小波，通過將基本小波的伸縮、平移來生成一函數(shù)族，該函數(shù)族可以構(gòu)成函數(shù)空間的一個框架，將待分析的信號向該框架上投影得到分解。 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 )(??? 。將母小波 )(t? 經(jīng)伸縮和平移后，就可以得到一個小波序列。由于尺度因子 a 和平移因子 b 是連續(xù)變化的值，因此稱 )(, tba? 為連續(xù)小波基函數(shù)。 a 和 b 兩個參數(shù)是小波變換的關(guān)鍵，它們聯(lián)合起來確定了待分析信號的中心位置及分析的時間寬度。當 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。將不同 a ， b 值下的 )(, tba? 的時頻窗口繪在同一張圖上，就可以得到小波基函數(shù)的相平面，如圖 21 所示。為了減小小波變換系數(shù)冗余度，將小波基函數(shù) )(1)(, a btatba ?? ??的 a ， b 限定一些離散的點上取值 。 結(jié)合 (1)、 (2)可知離散小波基函數(shù) )(, tkj? 可以寫成： )()()(002/00 002/0, ????? ktaaakatat jjjjjkj ???? ??? (25) 離散小波變換系數(shù)表示為： ???? ????? kjkjkjfdtttftc , ,)()()( ?? (26) 其重構(gòu)公式為 : )()(, tcctf kjj k kj ???? (27) c 是一個與信號無關(guān)的常數(shù)。 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 ???? BA0 ，使得：