信息融合技术在飞行器故障诊断中的应用毕业论文(编辑修改稿)

信息融合技术在飞行器故障诊断中的应用毕业论文(编辑修改稿)内容摘要：

获得对被测对象的一致性解释与描述 ， 以完成所需的决策和估计任务，使系统获得比各组成部分更优越的性能。 国内外应用研究现状 由于信息融合系统本身所具有的良好稳定性能、宽阔的时空覆盖域、 较 高的测量信息融合技术在飞行器故障诊断中的应用 4 维数和良好的目标 识别率 以及较强的故障容错与系统重构能力等潜在 特点 ，因此，信息融合技术 很早就 引起了 各国的高度重视。 早在上世纪 70 年代，美国的军事机构就着手研究数据的综合自动化处理， 1973 年，美国国防部资助了声纳信号理解系统的开发 ，信息融合技术最早就是在该系统中得到体现。 整个 80 年代 ，美国 三军总部高度重视数据融合在战术和战略监视系统的应用 ，并在信息融合技术研究方面投入巨资 ， 一些军事系统也相继采用 数据 融合技术。 信息融合技术最早发源于军事应用 ， 近年来，信息融合的思想、方法在民用领域也被广泛使用。 另外，各种信息融合组织和相关年会也提供了广泛和深入的技术研讨机会。 信息融合技术属交叉学科，它是多种传统学科的综合，主要包括数字信号处理、控制论、人工智能和经典数学方法等。 目前信息融合技术 已获得了各领域的普遍关注和广泛应用，其思想和方法已成为智能 信息处理的一个重要研究领域， 在目标识别、医学诊断等 各 领域得到广泛应用。 尽管信息融合技术己经 获得 了广泛地应用，但是在故障诊断领域中 数据融合技术的应用与研究仍然停留在较低 的发展 阶段 ，尚有很大的发展空间。 限制其发展的因素主要有 ： (1) 性能与成本的矛盾： 数据 融合 必将 涉及多 传感器数据 的获取， 这无疑会 增加信号 检测 系统的复杂性和成本， 而 客户 很多时候只 需要 相对便宜 、 能够 正常工作 而又可靠准确的诊断系统 ； 这是 数据 融合技术在故障诊断领域中发展的主要限制因素。 (2) 系统的实时性难以保证 ： 随着 传感器数据 的增加，系统结构随之 复杂， 必然导致 系统计算复杂性 也 成倍增长。 (3) 可移植性差： 设备复杂性 导致 相应设备故障诊断系统专用性强， 很难 移植 ，这也是 限制 信息融合 应用 的一个重要因素。 本文的主要研究内容 本文从提高故障诊断的精度和可靠性出发，针对飞行器故障诊断中多信息的特点，将信息融合技术引入到设备故障诊断中来。 本论文主要从以下几个方面的做了初步的研究： 1. 飞机水平尾翼的声发射信号数据量太大，因此需要进行特征提取，我们需要用小波变换的方法对声发射信号进行处理，以便进行诊断。 2. GRNN 和 BP 神经网络通过对多类典型故障样本的学习 ，可实现对多类故障的沈阳航空航天大学毕业设计（论文） 5 诊断。 本文从信息的有效组合出发，充分利用了各种信息，尽量提高确诊率。 本文讨论了神经网络的结构，并通过实例进行了分析。 3. 在故障诊断系统中，由于诊断对象的不确定性、系统噪声以及测量误差，所提供的信息一般是不完整、不精确和模糊的，所以故障诊断中存在大量的不确定性。 针对故障诊断中的不确定性，本文运用 DS 证据理论和加权融合来实现特征融合和决策，通过算例分析，论证了在故障诊断中采用 DS 证据理论和加权融合可以提高故障诊断的精度和可靠性。 本论文共分五章 : 第 1 章绪论简要介绍了故障诊断技术的发 展概况、研究现状及信息融合技术的发展情况。 第 2 章介绍了小波变换信号处理的方法，以及基于小波分解的特征提取。 第 3 章介绍了设备故障诊断中的信息融合介绍了信息融合的定义、目的、结构、一般过程、常用方法，提出了故障诊断中的信息融合系统。 第 4 章简要介绍了 GRNN 和 BP 神经网络的基本原理和特点，结合小波特征提取，最后，针对同一信号得到六种不同的诊断结果以及正确识别率。 第 5 章介绍了 DS 证据和加权融合的基本概念，建立了故障诊断的基本模型，并且说明了融合的基本过程，最终进行仿真验证，得到了特征融合和决策融合的诊断结果以及正确识别率。 信息融合技术在飞行器故障诊断中的应用 6 2 基于小波变换的信号处理 小波变换属于时频分析的一种，是傅里叶 (Fourier)分析深入发展过程中的一个新的里程碑。 传统的时频信号分析建立在傅里叶变换的基础上。 傅里叶分析使用的是一种全局的变换，要么完全在时域，要么完全在频域，无法表述信号的时频局部特性，而时频局部特性恰恰是非平稳信号的最根本和最本质的性质。 为了分析和处理非平稳信号，人们对傅里叶分析进行了推广乃至根本性的革命，提出并发展了一系列的信号分析理论：短时傅里叶变换、 Gabor 变换、时频分析、小波变换、 Randon 一 Winger变换 、分数傅里叶变换、线调频小波变换、循环统计量理论和调频 调幅信号分析等。 短时傅里叶变换分析的基本思想是：假定一个非平稳信号在分析窗函数 )(tg 的一个短时间间隔内是平稳的，移动分析窗函数，使 )(tf 、 )(tg 在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。 从本质来讲，短时傅里叶变换使用一个固定的短时窗函数，是一种单一分辨率的信号分析方法，在信号分析上还是存在不可逾越缺陷。 小波变 换是一种信号的时间 尺度 (时间 频率 )分析方法。 它具有多分辨率分析的特点，而且在时频域都具有表征信号局部特征的能力，是一种窗口大小固定不变但是其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。 小波变换在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。 很适合于探测正常信号中夹带的瞬态反常现象并展示其成分，所以被誉为分析信号的“显微镜”。 与傅里叶变换相比，小波变换的最大特点便是它的分析精度可调。 小波变换的基本思想是将实际信号看做不同频率分量具有不同的时变特征。 变化较慢的信号具有较低频率成分的频谱，变化较剧烈的信号具有较高频率成分的频谱。 小波变换以非均匀规律对时间轴和频率轴予以划分，从而在满足Heisenberg 不等式的前提条件下，既有足够的时间分辨率对信号中的短时高频成分进行分析，又有足够的频率分辨率对信号中的缓变低频成分进行分析。 利用小波变换进行动态系统的故障测量与诊断具有良好的效果。 小波变换方法 沈阳航空航天大学毕业设计（论文） 7 连续小波变换 连续小波变换与短时傅里叶变换的不同处是窗函数不同，连续小波变换的特点是由小波基函数本身所具有的特点引起的。 连续小波基函数的母函数选择既不是 唯一的，也不是任意的。 小波函数的确切定义为：小波变换的作用是将一个信号与一个在时域和频域上均具有局域化性质的平移伸缩小波权函数进行卷积，从而将信号分解成为与不同时宽和频带上的各个成分，基本思想就是用某函数族来表示或逼近观测信号。 小波变换的基本方法是：选择满足时域积分为零的函数作为基本小波，通过将基本小波的伸缩、平移来生成一函数族，该函数族可以构成函数空间的一个框架，将待分析的信号向该框架上投影得到分解。 原时间域上的信号在小波变换域上得到一个表示，通过多个尺度的分解，便能得到信号的时间－尺度表达，从而能在变 换域上达到最有效的信号处理目的。 设 )()( 2 RLt  ，其中 )(2 RL 表示平方可积的实数空间，即能量有限的信号空间，其傅里叶变换为 )(ˆ。 当 )(ˆ 满足允许条件：    dC R2)(ˆ (21) 时，我们称 )(t 为一个基本小波或母 小波 (Mother Wavelet)。 将母小波 )(t 经伸缩和平移后，就可以得到一个小波序列。 将小波母函数 )(t 进行伸缩和平移，就可以得到函数 )(, tba ： )(1)(, a btatba   0,  aRba ； (22)式中 a 为尺度因子， b 为平移因子，称 )(, tba 为依赖参数 a 和 b 的小波基函数。 由于尺度因子 a 和平移因子 b 是连续变化的值，因此称 )(, tba 为连续小波基函数。 在式 (22)中 a 是用来对小波 )(t 作伸缩的，以调整小波基函数覆盖的频率范围；平移因子 b 的作用是确定待分析信号的时间位置，即用来调整小波基函数的时域位置；系数a1用来实现小波能量的归一化。 a 和 b 两个参数是小波变换的关键，它们联合起来确定了待分析信号的中心位置及分析的时间宽度。 小波可以看作是一个双窗函数，即小波母函数 )(t 及其傅里叶变换 )( 同时满足窗函数条件。 当 a 逐渐增大时，基函数 )(, tba 的窗口也逐渐变大，而其对应的频域信息融合技术在飞行器故障诊断中的应用 8 窗口 (带宽 )相应减小，中心频率逐渐变低。 当 a 逐渐减小时，基函数 )(, tba 的时间窗口逐渐减小，而其带宽相应增大，中心频率逐渐升高。 将不同 a ， b 值下的 )(, tba 的时频窗口绘在同一张图上，就可以得到小波基函数的相平面，如图 21 所示。 图 连续小波变换描述 对于任意的函数 )()( 2 RLtf  的连续小波变换为： 其逆变换为： dta bttfafbaW Rbaf    )()(,),( 2/1,  (23) dadba btbaWaCtf R R f )(),(11)( 2     (24) 离散小波变换 在实际应用中，为了方便用计算机进行分析、处理，连续小波变换必须加以离散，这一离散是针对连续的尺度因子 a 和平移因子 b 的，成为离散小波变换。 为了减小小波变换系数冗余度，将小波基函数 )(1)(, a btatba  的 a ， b 限定一些离散的点上取值。 (1) 尺度离散：通常对尺度进行幂级数离散化，即令： t 2b 1b  2 0 0 2/0 2/1a 2a 1a 沈阳航空航天大学毕业设计（论文） 9 moaa 0, 0  azm (2) 位移离散：通常对 b 进行均匀离散，以覆盖整个时间轴，并且采样间隔满足Nyquist 采样定理，即采样频率大于等于该尺度下频率通带的二倍。 结合 (1)、 (2)可知离散小波基函数 )(, tkj 可以写成： )()()(002/00 002/0,  ktaaakatat jjjjjkj   (25) 离散小波变换系数表示为：   kjkjkjfdtttftc , ,)()()(  (26) 其重构公式为 : )()(, tcctf kjj k kj  (27) c 是一个与信号无关的常数。 为了使小波变换具有可变化的时间 和频率分辨率，适应待分析信号的非平稳性，需要改变 a 和  的大小，使小波变换具有“变焦距”的功能，实际中最常用的是二进小波变换。 二进小波的稳定性条件：小波母函数为 )(t ，其傅里叶变换为 )( ，若存在常数 A ， B ，当  BA0 ，使得： BAzkk 2|)2(|  (28) 若 A = B 称为最稳定条件。 满足稳定条件的小波才能成为二进小波。 取20a , 10 , 当小波函数 )(t 满足（ 28）式的稳定条件时得到的小波为： )2(2)( 2/, ktt jjkj    Zkj , (29) 这类小波称为二进小波。 假定有一放大倍数 j2 它对应观测到信号的某部分内容。 如果想进一步观看信号更小的细节，就需要减小 j 的值；反之，若想了解信号的主体，就要加大 j 的值。 因此离散二进小波变换被称为数学显微镜。 Mallat 算法 1987 年， Mallat 将计算机视觉领域内的多分辨率分析思想引入到小波分析中，即信息融合技术在飞行器故障诊断中的应用 10 一种快速实现小波变换算法 — Mallat 算法。 Mallat 算法在小波分析中的地位相当于FFT 算法在经典傅里叶分析中的地位。 Mallat 算法的基本思想如下：假定已经计算出信号 )()( 2 RLtf  在分辨率 j2 下的离散逼近再 fAj ，则 )(tf 在分辨率 )1(2 j 的离散逼近。 fAj 1 通过用离散低通滤波器对 fAj 滤波获。 设尺度函数为 )(t ，对应的小波函数为 )(t ，由多分辨率分析可定义： )}2(2{ 2/1 kts p a nV jjj    (210)则任意。