离心压缩机是石油化工生产中的核心动力设备,然而运行过程中易发生喘振故障造成事故。对于喘振故障,传统方法采用时频特征分析方法诊断,而该方法通常在喘振发展到后期、信号特征明显的情况下才诊断出喘振故障。为解决该问题,提出基于BP神经网络和证据理论的诊断方法,该方法使用故障数据训练得到BP神经网络,进而对采集的数据进行初步诊断,再采用证据理论融合各初步诊断结果得出诊断结论。通过在离心压缩机实验台上模拟喘振故障,结果表明该方法能够准确诊断压缩机喘振故障,此外与传统方法相比,采用该方法能在喘振发生初期诊断出故障,从而进行调控避免喘振发展到后期,这对实现离心压缩机防喘具有重要意义。

为降低机械臂运行损耗和避障路径规划耗时,减小障碍物定位误差,精准执行机械臂工作任务,提出了多传感器信息融合的机械臂避障路径规划方法。利用多传感器收集机械臂周围环境信息,经过数据层、特征层及决策层处理,结合传感器检测权重,融合出障碍因素综合信息。构建机械臂动力学模型,综合考虑移动基座、关节旋转角、质量及移动惯性等因素,利用线动量和角动量间守恒关系,得出强耦合特性综合力学函数,计算每个固定检测点与障碍物间距离,得出连动杆与障碍物间发生碰撞的可能性。建立人工势场,加入引力函数、斥力函数及限制函数,完成对机械臂运动避障的实际动作控制,实现最优平滑路径规划。经仿真实验证明,所提方法路径规划效率高,障碍物定位误差小,优化次数少,节省旋转角能量,鲁棒性好。

利用Ｄ－Ｓ证据推理理论对不确定性结构振动进行融合推理，给出了传感器特征信息融合算法和决策融合算法。并结合发电机组地基的振动控制问题，对传感器的特征信息进行融合，得到了控制的决策信息值，为抑制大型发电机组地基的振动提供了依据。

经纬仪是一个比较复杂的多传感器系统.多传感器信息融合是把多种传感器集中于一个统一的感知系统(这个感知系统就是多传感器信息融合系统)中,从而有机地综合利用多个传感器的数据和信息,以便获得对周围环境的更多或更准确可靠的认识.多传感器信息融合技术在经纬仪系统中的应用,可以提高仪器的可靠性和自动化程度,以及仪器的跟踪精度和实时输出精度.

介绍一种气固两相流固质量流量测量新技术，它利用传热学的原理，通过两点气体的流速测量，湿度测量和信息融合处理，可以实现固相质量流量的测量。

为了对液压系统运行情况进行更为直观、高效的监测,文章对以电参量信息为基础的图形化实时识别技术进行了深入分析,这种液压系统识别技术利用Hilbert变换,对电参量基频分量加以迅速提取,从而使得该监测系统有着更高的实时性;同时利用李萨如图形方法,对该电参量信息加以科学融合,由此使得该识别技术具有实时性与图形化。最后借助于LabView系统对该识别系统展开设计,将液压系统极限工况作为试验对象,对该开发技术的实用性与稳定性进行验证,从而为液压系统状态识别系统提供创新的开发路径。

为了能全面准确识别齿轮的故障类别,建立了基于时域、频域以及能量等多域特征参数的特征空间模型。在此基础上,提出了一种基于多域特征与改进D-S证据理论的齿轮故障智能诊断方法。通过实验台实测数据提取相关特征参数作为诊断样本,以粒子群优化支持向量机的初步诊断结果构建多个证据体。实验结果验证了改进D-S证据理论融合证据体诊断结果的有效性。

液压泵由于自身的结构特点,故障信息微弱,依托单一信源进行故障诊断效果不佳。为此引入融合思想,探索一种面向多层级信息融合的液压泵故障诊断系统设计方法。首先对液压泵工作原理和故障模式进行研究,从不同层面对信息融合必要性进行具体分析;然后以此为基础,设计面向多层级信息融合的液压泵故障诊断系统基本框架,从数据层、特征层以及决策层研究、设计多层级信息融合模式,为改善液压泵故障诊断效果提供技术支持,为设备状态监测提供一种新的思路和方法。

以液压系统运行状态在线监测、故障诊断以及功率优化控制为研究目标,提出将电动机三相交流电源的电压、电流信号用李萨如图产生单相及三相信息融合方法。利用机电动力学建立交流电动机驱动液压系统的动态功率平衡方程,分析电、机、液能量的转换和耦合过程,在此基础上提出用三相电气参量提供的幅值、相位、相间和相序信息绘制单相和三相李萨如动态图形,由数学分析推导出李萨如图形面积、外接矩形、摆动角度等特征量与交流电功率之间的函数关系,通过计算李萨如图特征量的变化实现对液压系统运行状态、运行工况以及功率匹配情况进行在线监测,形成基于电参量信息融合的液压系统运行状态识别技术。研究结果表明,单相李萨如图形面积可线性表示液压系统负载功率的在线状态,其外接矩形面积表示电源负荷状态,由此构成的功率圆可以...

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。