传感器信号的充分利用对于设备和零件的状态监测具有重大意义。为了通过采集的多源振动信号得到设备和零件的完备退化信息,提出一种自适应加权数据级融合方法。首先对振动信号进行预处理,然后以K最近邻算法的分类结果作为粒子群优化算法的适应度函数,通过不断迭代,寻找多源传感器融合的最佳权重。对多源传感器融合系统、多源传感器融合方法以及滚动轴承的故障诊断进行了研究,最后在滚动轴承的全寿命周期数据集上进行试验验证,证明该方法实现了多源传感器采集数据的有效利用,能够完备反映滚动轴承的故障特征,对振动信号的故障诊断和寿命预测具有长远意义。

为充分利用多个同步采样的振动信号进行机械设备的故障诊断,提出了搭建多振动信号时频相干网络并提取其多分形特征的方法.首先,将每个振动信号作为一个节点,根据所关心的物理问题,按适当的方式将各个节点连接成网;其次,对网络中相邻的每对节点做交叉小波变换,得到时频相干谱,借助小波领袖来估计时频相干谱的多分形谱,用曲线拟合的方法来提取多分形谱的形态特征;最后,利用特征融合与维数约简方法,对已得到的所有特征进行融合和降维,从而得到整个网络的最终特征.该方法给出了一个提取多振动信号时频相干多分形特征的框架,并在某高射机枪自动机的裂纹故障诊断中取得了成功应用,具有广泛的适用范围。