《多感測器信息融合集成故障診斷方法的研究》是依託河北師範大學，由呂鋒擔任項目負責人的面上項目。
基本介紹
- 中文名：多感測器信息融合集成故障診斷方法的研究
- 項目類別：面上項目
- 項目負責人：呂鋒
- 依託單位：河北師範大學
項目摘要,結題摘要,
項目摘要
工程實踐中,為實現複雜系統的實時監測及故障診斷，需要獲得各種信息。目前基於信息融合故障診斷方法主要採用智慧型診斷技術，而基於融合估計的故障診斷研究成果還很少。基於智慧型技術的故障診斷方法主要從系統的歷史數據出發，難以給出系統內部結構和機理信息。在很多情況下，信息是隱含在狀態量測中，需要通過多感測器融合估計獲得新的更加準確的診斷信息。由於不同感測器具有不同的採樣速率，以及感測器固有的延遲與通信延遲的不同，都會產生異步融合問題。因此，本研究課題提出：（1）進行多感測器融合估計故障診斷方法的研究, 從而降低問題的不確定性和提高系統的魯棒性；（2）將融合估計理論與智慧型診斷技術有機結合起來，進行信息的分層融合，綜合集成故障診斷，提高系統故障診斷精度和可靠性。研究成果不僅具有重要的理論價值，對提高工業系統的可靠性還具有實際套用價值。
結題摘要
本項目按照項目計畫任務書，圍繞著多感測器狀態/參數融合估計和多感測器信息融合故障診斷的理論方法及技術套用展開研究。在信息融合估計方面我們研究了多速率感測器多尺度融合估計問題，在故障診斷方面研究了基於融合估計的故障診斷方法及信號處理與人工智慧故障的集成診斷方法。（1）針對具有任意採樣速率的多感測器動態系統，及多源信息的非線性系統故障診斷結構與建模，在獲得多採樣速率，多尺度信息融合的基礎上，對多源信息進行聯合檢測處理、狀態和參數估計，建立了基於多速率感測器信息融合的非線性系統故障診斷的基本理論框架，給出了多感測器數據融合參數估計的故障診斷理論算法。（2）綜合利用小波分析、多元統計、神經網路、機器學習等理論方法，進行信號的分析、特徵的提取、故障的分類及推理診斷，將故障診斷的三大類方法加以綜合集成用於提高故障診斷精確度、可靠性，從而為故障診斷的上層處理提供更為準確的信息。在故障診斷技術的套用方面，研究了電機故障檢測技術，建立了故障診斷實驗系統，通過實驗、仿真，探討多感測器信息融合故障診斷算法的有效性及相關的技術套用問題。同時我們在基於機率Spiking神經元的神經網路分類器方面也進行了有益的探索，為開展智慧型機器人系統的故障診斷研究奠定一定理論基礎。 近年來，課題組成員先後參加“全國技術過程故障診斷與安全性戰略研討會”等國內、國際學術會議十餘人次。積極開展學術交流，及時了解該研究領域的最新科技成果及國際前沿科學動態。 項目組經過三年的研究努力，完成了課題任務書規定的內容，在國內外刊物及國際會議發表學術論文29篇，其中：SCI收錄3篇，EI收錄23篇；出版專著1部；獲國家新型實用專利2項。培養博士研究生1人，碩士研究生4人。
