信息融合在液压系统故障诊断中的应用

　　1前 言

　　引起工程机械液压系统故障的原因是多种多样的，即使同一个故障现象，故障的原因也可以有多个，因此，一个故障现象可能是一个原因，也可能同时有几个原因。此外，液压系统的故障一般出现在密封的系统内部，不易发现，这就使得液压系统故障排除难度加大。将信息融合技术应用到液压系统的故障诊断中，能够准确地提取故障特征、找出故障原因。

　　所谓信息融合是一个涉及对来自各种信息源的数据和信息进行检测、联合、相关、评价及合并的多级、多方面的处理过程，最终获得提炼后的状态和目标评估及对系统全面、及时的评价，它是处理多元复杂信息的新技术。信息融合技术的主要方法包括Kalman滤波、Bayes网络、D-S推理等。本文将介绍的是Bayes网络在工程机械液压系统故障诊断中的应用。

　　2故障诊断的融合技术

　　故障诊断实际上就是根据测量所获得的某些故障表征，以及系统故障源与故障表征之间的映射关系，找出系统故障源的过程。为了充分利用检测量所提供的信息，在可能的情况下，可以对每个检测量采用多种诊断方法进行诊断，这一过程称为局部诊断;将各种诊断方法所得结果加以综合，则称为局部融合;将各局部诊断结果进一步综合，将得出系统故障诊断的总体结果，称为全局诊断融合。通常，液压系统的某一故障源可能具有多个故障表征，要准确、可靠地进行故障诊断，需要足够的故障表征(至少应覆盖所有的故障源)。一般说来，检测量越多，诊断结果越可靠。如果检测数目受到限制，就需要很详细的系统模型、故障源及故障表征的知识。将信息融合技术引入液压系统的故障诊断之中，通过测试液压系统工作时各组成部分的压力、温度、流量、位移以及液位高度等几方面的数据信息，结合给定液压系统故障机理及失效分析，找出数据信息和故障元件之间的映射关系，然后对采集的数据信息进行融合，形成基于知识推理的多传感器信息融合故障诊断方法，从而准确诊断出故障元件。

　　3Bayes网络

　　Bayes网络又称为概率因果网络、信任网络、知识图等。它通过有向图的形式来表示随机变量间的因果关系，并通过条件概率将这种关系数理化。包含随机变量集的联合概率分布，是一种因果知识和概率知识相结合的信息表示框架。Bayes网络由节点和有向边构成。节点表示有某种独立性假设的随机变量，有向边则确定随机变量间的独立假设。它的数学描述为：

　　给定一个有向无环图Г和一个在离散变量集合X={x₁，x₂，…，x_n｝上的联合概率分布P，如果Г可以代表P，即在X中的变量和Г的节点之间存在一一对映关系，使得P可以进行如下的递归乘积分解：