將表1中的數據用D-S合并規則融合得到的結果如表2所示。表2 數據融合的部分結果組號qABCDE10.000010......000010......000010.....000002比較表1和表2可以發現經過數據融合診斷精度大大提高了。具體方法如下4.1 BP網絡多測點診斷為了全面精確檢測破碎機的故障情況對表1給出的五種故障狀態各提供4個樣本構成了20個樣本的樣本集。基于網絡虛擬儀器技術的破碎機在線監測與故障診斷系統-網絡 虛擬儀器 破碎機 在線監測 故障診斷#文章摘要: 介紹應用虛擬儀器技術進行破碎機在線監測與故障診斷，并用網絡技術實現數據的網絡傳輸和遠程監測。通過對一系列過程參量進行測量然后用神經網絡從測量空間映射到故障空間實現故障診斷。破碎機診斷系統貝葉斯法和證據理論方法提供了有效的處理不確定性信息的手段。

神經網絡之所以適合于故障診斷有以下三個主要原因1訓練過的神經網絡能存儲有關過程的知識可以根據對象的正常歷史數據訓練網絡然后將此信息與當前測量數據進行比較以確定故障。在故障診斷領域的應用主要有三個方面一是從模式識別角度應用神經網絡作為分類器進行故障診斷二是從預測角度應用神經網絡作為動態故障預測三是從知識處理角度建立基于神經網絡的診斷專家系統。應用于破碎機故障診斷系統中的信息融合技術The information fusion technology used in crushing machine fault diagnosis system趙可新劉振名彭景芹 ZHAO Ke-xin LIU Zhen-ming PENG Jing-qin河北工程技術高等專科滄州 061001摘?要?本文以該設備故障診斷為研究對象在對國內外研究現狀進行深入分析的基礎上給出一種基于神經網絡和D-S證據理論相結合的信息融合的故障診斷方法并進行實際檢驗。參考文獻1 江萍.基于神經網絡的信息融合故障診斷技術.機械科學與技術 2002 211:.2 高洪濤 敏證據理論在旋轉機械綜合故障診斷中應用.大連理工大學學報 2001 414:459 -462.3 盧緒祥 李錄平 胡念蘇. 汽輪機組回熱系統故障診斷知識的模糊處理及診斷研究. 熱能動力工程 2003 103 18:13-16.【上接第68頁】。破碎機診斷系統利用數據融合的辦法將4個測點的數據綜合考慮用D-S合并規則進行合并得出表2中的結果非常理想。3神經網絡具有分辨原因及故障類型的能力。

破碎機診斷系統Fault diagnosis system total design includes data acquisition, preservation and the fault analysis diagnosis design. Through utilizing the domestic and foreign advanced analysis diagnosis method and analyzing real-lime acquired data, historical data and accident specimen, the valuable data is picked-up and preserved. According to them we can carry on some specialized analysis in order to reduce accidental probability, and guarantee the entire workshop movement stable.。總體上看表1中單測點用于表征樣本類型的量與1的差約在102量級上而表2中多測點的融合結果表征樣本類型的量與1的差約在105量級上同時干擾項由原來102量級變為106量級。第三級是更新在時間上充分獨立的來自同一傳感器的一組連續報告將比任何單一報告都可靠。同時由于整個計算過程是由計算機按照優化程序自動完成的所以花費的時間遠比常規設計要少設計效率得到極大提高。將神經網絡的訓練誤差作為不確定因素將網絡輸出節點的輸出作歸一化處理作為各焦點元素的基本概率值計算公式為 1Ai表示故障模式i12…10y Ai表示BP網絡的診斷結果En為網絡的樣本誤差tnj ynj分別對應第j個神經元的期望值和實際值。保證生產正常進行的關鍵是使各種重要的大型設備正常運轉。

應用于破碎機故障診斷系統中的信息融合技術--《制造業自動化》2011年01期#Guo Li Ma Yanheng Zhang Xien Ordnance Engineering College,Shijiazhuang,050003,China;[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 8)[C];2005年。破碎機診斷系統0 引言現代工業設備趨向大型、高速自動化功能越來越多、結構越來越復雜因此設備故障停工造成的損失大大增加。說明根據融合之后的數據進行診斷決策把握要大得多診斷決策的可信度能夠大幅度提高。根據數學模型采用MATLAB優化工具箱中的fmincon優化函數編制相應的M文件運行后得到優化的設計參數。3.2.2 證據理論的優點證據理論具有以下一些優點1證據理論采用信任函數而不是概率作為度量。GPS智能服務系統更是設備的“衛士”，向用戶及時反饋機器的各項“健康”信息，防患于未然，讓機器始終處于良好工作狀態 。

5 結束語以信息融合的基本思路將多子神經網絡和D-S 證據理論綜合起來設計出一套綜合診斷方法將兩種方法取長補短相結合應用于故障診斷中取得了較好的診斷效果。應用于破碎機故障診斷系統中的信息融合技術 - 期刊論文 - 道客巴巴#第33卷?第1期?2011-1上?【67】收稿日期作者簡介趙可新1970女河北泊頭人副教授碩士研究生研究方向為計算機應用技術。表1 常規設計與優化設計結果對比常規設計優化設計太陽輪齒數za4343太陽輪齒寬bmm80100模數m84行星輪個數C23行星輪齒數zc1717內齒圈齒數zb7777行星輪系體積mm31.0922e0073.4131e0063 結束語 本文以行星輪系體積小為設計目標根據設計要求確定目標函數與約束函數建立了設計的數學模型。關鍵詞?故障診斷信息融合BP神經網絡D-S證據理論 中圖分類號TP277 文獻標識碼B 文章編號上Doi: 10.3969/j.issn..2011.1上.21【68】?第33卷?第1期?2011-1上3.2 證據理論的推理結構及其優點3.2.1 證據理論的推理結構任何一個完整的推理系統都需要用幾個不同推理級來保持精確的可信度表示。破碎機診斷系統設備發生故障時將產生機械的、電氣的、物理的、化學的變化并隨故障程度的增加而顯著可通過各種檢測手段監測這些異常現象來分析設備的故障狀況。特征量提取特征量提取神經網絡1神經網絡2檢測參數檢測參數D-S推理D-S推理D-S推理D-S推理D-S推理D-S推理判定結果圖1 綜合論斷模型結構圖【下轉第81頁】第33卷?第1期?2011-1上?【81】 2.8954fval 2.2932e0062.2 優化結果分析根據MATLAB運行結果對獲得的設計變量進行圓整終的參數如表1所示。

由此決定了三種不確定性隨機性、模糊性、不完全性。從表中可以看出優化設計后終行星傳動齒輪的體積比原來設計減少了68.75。這樣在進行推斷和多傳感器合成之前要先組合更新傳感器級的信息。由此可見采用化方法進行設計確實使得行星輪系的體積達到了小。破碎機診斷系統 2證據理論能同時處理隨機性和模糊性所導致的不確定。孫璐,戴麗思,張德政,破碎機故障診斷系統總體設計#前言：總體設計要完成的是一套集采集、數據保存以及故障分析診斷并存的系統,利用國內外先進的分析診斷方法,通過對實時采樣的數據、歷史數據以及事故標本的分析,提取、保存其中比較有價值的數據,以供進行專業分析,減少事故發生的,確保設備運行穩定可靠。

2 神經網絡技術的信息融合故障診斷方法神經網絡是一個具有高度非線性的超大規模連續時間動力系統主要特征為連續時間非線性動力學、網絡的全局作用、并行分布處理和聯想學習能力。破碎機診斷系統礦山破碎機故障診斷中數據采集系統的設計-數據采集系統 故障診斷 破碎機#文章摘要: 本文以該設備故障診斷為研究對象，介紹了在破碎機故障診斷系統中效據采集子系統的軟硬件設計方案，對破碎機故障診斷系統的開發有一定的作用。通過和常規設計的設計參數相比較可以看到通過優化設計減小了行星輪系的體積不僅節省金屬材料也降低了制造成本真正實現了設計的目的。級是推斷由它獲取傳感器報告并進行推斷將傳感器報告擴展成目標報告。2神經網絡具有濾出噪聲及在有噪聲情況下得出正確結論的能力這種能力使得神經網絡適合在線故障檢測和診斷。4 BP網絡與D-S證據理論相結合的綜合診斷模型在用D-S證據理論進行各征兆域神經網絡輸出結果的局部信息融合時在系統中將單通道輸出直接轉化為證據推理模型即將神經網絡的單通道輸出經過歸一化處理直接作為各焦點元素的基本概率分配從而避免了構造基本概率分配函數的復雜性然后用D-S證據理論的組合規則逐次合并各通道的診斷信息得到該征兆域獨立的局部診斷結果。