为解决单一传感器信号易受干扰且能提取的退化信息有限,导致轴承剩余寿命预测精度低的问题,提出一种基于双通道信息融合与门控单元(GRU)神经网络的轴承剩余寿命预测方法。进行轴承寿命试验时,在振动传感器采集信号的基础上增加声发射传感器,弥补单一信号易受干扰的缺点;使用卷积神经网络自动挖掘出包含轴承退化信息的特征,避免传统算法过分依赖专家判断的弊端;通过归一化处理对信息进行融合;最后使用这些数据训练GRU神经网络,利用训练好的门控单元神经网络预测高铁牵引电机轴承的剩余寿命。结果表明相比单通道数据,双通道数据训练出的门控神经网络模型的预测结果更为准确;门控单元神经网络相比长短时记忆神经网络有更高的轴承寿命预测精确度。

超前耦合支护系统空间姿态动态监测方法融合了众多的先进感知传感器,而单一感知传感器间相对独立,无法融合由于复杂扰动变化引起的超前液压支架组的空间姿态动态信息和相对位置信息反馈。采用多传感器系统协同作业的原理,结合超前液压支架组相对位置调整、移架和顶底板变形引起的2种典型空间姿态变化情况,提出一种基于信息融合技术的超前液压支架组姿态感知方法。采用超声波测距传感器测量超前液压支架组与巷帮相对位置动态信息,将小于安全距离进行位置调整过程中所引发的超前液压支架组空间姿态变化视为航向角度的动态变化,实现超前液压支架组位置调整、移架过程的空间姿态感知。采用九轴姿态传感器感知支架顶梁、底座和连杆机构的姿态动态变化信息,利用卡尔曼滤波算法融合单个姿态传感器各轴姿态数据,抑制测量过程中噪声...

依据Dempster-Shafer理论,分析了超声检测中信息融合的方法以及分类决策策略,并对信息融合系统的工作原理做了研究,在此基础上进行了基于信息融合的缺陷分类与识别的初步试验研究.实验结果表明,该方法是有效的.

为了开展数控机床机械加工特征信息检测与分析方面的研究,以健康状态的机床对不同工件材料进行切削加工,通过数据采集系统采集在不同切削状态下机床主轴输出的机械特征信息,利用机器学习的方法对特征信息进行分析和判断,提出一种基于机床主轴振动信号与机床主轴负载电流特征信息融合的工件材料精确识别判断模型。首先,获取机床在不同加工状态下的主轴振动信号以及主轴负载电流信号,利用变分模态分解(VMD)算法对其进行分解获得本征模态分量

为了寻找一种直观、有效的液压系统运行状态监测方法,研究了基于电信号的图形化液压系统运行状态实时监测技术。该项技术通过Hilbert变换对实时电信号的基频分量进行快速提取,以保证监测系统的实时性;并利用李萨如方法对电信号进行融合,形成图形化的液压系统状态监测技术。在此基础之上,应用LabVIEW软件对运行状态在线监测系统进行整体设计,并进行液压系统极限工况试验,验证了该项技术的可靠性及实用性,为液压系统运行状态监测提供了新的思路。

针对齿轮泵故障信息的不确定性和模糊性，提出了一种多源信息融合的贝叶斯网络故障诊断方法。在探讨齿轮泵故障机理的基础上提取振动、流量和压力信号作为故障特征，构造故障贝叶斯网络，建立贝叶斯分类器进行多特征信息融合，利用最大后验概率准则判别故障类型。融合结果表明，该方法能够有效实现齿轮泵多种故障的诊断，具有广阔的应用前景.

随着科学技术，尤其是计算机技术的不断发展，液压控制系统故障的智能化诊断已经能够越来越被人们所重视了。该文主要对各种智能诊断方式的理论和具体方法进行叙述和探讨，提出了电液系统智能诊断领域未来的发展趋势，并对未来的发展重点加以阐述。

该文对某厂铝铸轧机液压压上系统故障现象进行详细描述,通过检测振动信号和压力信号,对液压系统元件进行实时在线监测并采用信息融合技术进行故障诊断,取得了良好的效果.

针对液压泵故障特征的分散性和模糊性,提出基于振动和压力传感器的信息融合故障诊断方法.在充分分析液压泵球头松动故障机理的基础上,对振动信号和压力信号进行小波消噪处理,有效提取球头松动的故障特征.将不同类型特征参数进行特征层融合,利用主成分分析和改进算法的BP神经网络实现液压泵球头松动故障诊断.试验表明,基于不同类型传感器信息融合故障诊断方法可以有效地实现液压泵微弱故障的诊断.

针对液压泵故障特征的分散性和模糊性,提出基于振动和压力传感器的信息融合故障诊断方法。在充分分析液压泵球头松动故障机理的基础上,对振动信号和压力信号进行小波消噪处理,有效提取球头松动的故障特征。将不同类型特征参数进行特征层融合,利用主成分分析和改进算法的BP神经网络实现液压泵球头松动故障诊断。试验表明,基于不同类型传感器信息融合故障诊断方法可以有效地实现液压泵微弱故障的诊断。