多传感器信息融合集成故障诊断方法的研究

工程实践中,为实现复杂系统的实时监测及故障诊断，需要获得各种信息。目前基于信息融合故障诊断方法主要采用智能诊断技术，而基于融合估计的故障诊断研究成果还很少。基于智能技术的故障诊断方法主要从系统的历史数据出发，难以给出系统内部结构和机理信息。在很多情况下，信息是隐含在状态量测中，需要通过多传感器融合估计获得新的更加准确的诊断信息。由于不同传感器具有不同的采样速率，以及传感器固有的延迟与通信延迟的不同，都会产生异步融合问题。因此，本研究课题提出：１)进行多传感器融合估计故障诊断方法的研究, 从而降低问题的不确定性和提高系统的鲁棒性；２）将融合估计理论与智能诊断技术有机结合起来，进行信息的分层融合，综合集成故障诊断，提高系统故障诊断精度和可靠性。研究成果不仅具有重要的理论价值，对提高工业系统的可靠性还具有实际应用价值。

本项目按照项目计划任务书，围绕着多传感器状态/参数融合估计和多传感器信息融合故障诊断的理论方法及技术应用展开研究。在信息融合估计方面我们研究了多速率传感器多尺度融合估计问题，在故障诊断方面研究了基于融合估计的故障诊断方法及信号处理与人工智能故障的集成诊断方法。（1）针对具有任意采样速率的多传感器动态系统，及多源信息的非线性系统故障诊断结构与建模，在获得多采样速率，多尺度信息融合的基础上，对多源信息进行联合检测处理、状态和参数估计，建立了基于多速率传感器信息融合的非线性系统故障诊断的基本理论框架，给出了多传感器数据融合参数估计的故障诊断理论算法。（2）综合利用小波分析、多元统计、神经网络、机器学习等理论方法，进行信号的分析、特征的提取、故障的分类及推理诊断，将故障诊断的三大类方法加以综合集成用于提高故障诊断精确度、可靠性，从而为故障诊断的上层处理提供更为准确的信息。在故障诊断技术的应用方面，研究了电机故障检测技术，建立了故障诊断实验系统，通过实验、仿真，探讨多传感器信息融合故障诊断算法的有效性及相关的技术应用问题。同时我们在基于概率Spiking神经元的神经网络分类器方面也进行了有益的探索，为开展智能机器人系统的故障诊断研究奠定一定理论基础。.近年来，课题组成员先后参加“全国技术过程故障诊断与安全性战略研讨会”等国内、国际学术会议十余人次。积极开展学术交流，及时了解该研究领域的最新科技成果及国际前沿科学动态。.项目组经过三年的研究努力，完成了课题任务书规定的内容，在国内外刊物及国际会议发表学术论文29篇，其中：SCI收录3篇，EI收录23篇；出版专著1部；获国家新型实用专利2项。培养博士研究生1人，硕士研究生4人。