信息融合故障诊断研究现状综述
基于异类信息融合的模拟电路故障诊断方法
传感 器与微系统 （ ｒｎｄ ｃｒ ｎ ｉｒ ｙｔ Ｔ ｃｎｌｇ ｓ Ｔａ ｓｕｅ ｄＭ ｃ ｓｓ ｍ ｅｈｏｏｉ ） ａ ｏ ｅ ｅ
３ ５
基 于 异 类 信 息 融 合 的 模 拟 电路 故 障 诊 断 方 法
吴俊 丽 ，彭敏 放 ， 嘉 家 ，王佩 丽 王
０ 引 言
了广泛应用。因此 ， 多源信息 融合技 术应用 于模拟 电路 将
模拟 电路故 障诊断 自２ ０世 纪 ６ ０年 代开始 研究 ， 已发
展 为 网 络 理 论 中公 认 的 的三 大 分 支 之 一 。 由 于模 拟 电 路 中
的故 障诊 断有可能是 突破现阶段模拟 电路故障诊断发展瓶
两类故障信息并分别将其输入不 同的神经 网络对 其进行初步诊断 ， 得到各 自的诊断结果 ， 并 然后根 据初 步 诊断结果 ， 运用 Ｄ— 证 据理 论对 其进行融合 ， Ｓ 做出最终决策。
关 键 词 ：异 类 信 息 融 合 ； 障诊 断 ； — 据 理 论 ； 拟 电路 故 Ｄ Ｓ证 模
● ｎ 』 ● ｎ ● ：
ｌ ０ｒ ａｔ ０ｎ Ｕ Ｓ ０ｎ ｎｌ ｍ ｌ ｌ ｌ
ＷＵ Ｊｎｌ Ｅ Ｇ Ｍｉ— ｎ ， ｕ — ，Ｐ Ｎ ｎｆ ｇ ＷＡ Ｇ Ｊ －ａ ＷＡ Ｇ Ｐ ｉ ｉ ｉ ａ Ｎ ｉ ｊ ， ａｉ Ｎ ｅ ｌ —
（ ｃ ｏｌ ｆ ｌｃｒ ａ ｎ ｎｏｍａｉｎＥ ｇｎｅｉｇ Ｈｕ ａ ｎｖｒｉ ， ｈ ｎ ｓａ４ ０ ８ Ｃ ｉａ Ｓ ｈ ｏ ｏ Ｅ ｅｔ ｃｌ ｄＩｆｒ ｔ ｎ ｉｅｒ ， ｎ ｎＵ ｉｅｓｙ Ｃ ａ ｇｈ １０ ２， ｈｎ ） ｉ ａ ｏ ｎ ｔ
颈 的有 效方 法 。
元件参数的离散性和非 线性等 因素 ， 以及 难 以提 取表征 所 有故障状态 的故障信 息 ， 以致于模 拟 电路 故障诊 断理论 发
信息融合技术在汽车ABS系统故障诊断中的应用
构 成 的 。硬 件 主 要 负 责 数 据 采 集 及 控 制 ，它 由
ＰＣ ６ ８ ７ 单 片机 及一 些 附加 电子 元件 组 成 ． Ｉ１Ｆ ７ Ａ 硬件 系统对 数据 的模拟 输入 可 以是单个 传感器 或 多个 传 感 器 ．传 感器 的模 拟信 号经 变送器 输入 到单 片机 的 Ａ Ｄ 换接 Ｅ ． 单 片机 内转 换 为数 字信 号 ， 片机 Ｉ转 １在 单 通 过Ｒ 一 ３ 接 口与微机 相连 。软件 部分 主要是 在可 Ｓ ２２ 视 化 编 程 环 境 Ｖｓ ａ Ｃ ＋６０ 通 过 串 口编程 进 行 ｉ ｌ ＋ ．下 ｕ
贡献 。
（ ｎ ｆｎ ｏ Ｄｏ ｇｅ ｇＣ ｍｍｅ ｉ Ｖｅ ｅ ｒ Ｍ ｒｄｅＴ ｃ ｎｃｌＣ ｎｅ ｆ Ｌ， ｅ ｈ ｉａ ｅ ｔｒｏ ＤＦ Ｗｕ ａ ３ ０ ６， ｈｎ ） ｈ ｎ４ ０ ５ Ｃ ｉａ
Ａｂ ｔ ａ ： ｎ ｔ ｅ ｆｃ ｔ ｅ ｒ ｑ ｉ ｍｅ ｔｏ ｎ ｒｙ ｓ ｃ ｒ ｙ ａ ｄ ｓ ｒ ￣ Ｉ ｈ ａ ｅ ｏ ｈ ｅ ｕｒ ｆ ｅ ｎ ｅ ｅｇ ｅ ｕ ｉ ｎ ｆ ｔ ｈ ｐ ｌ ｙ ｏ ｔ ｅ ｖｒ ｍｅ ｔ ｐ ｏ ｅ ｔ ｎ， ｓ ａ ｅ ｉ ｌ ｔｅ ｏ ｃ ｆｒ ｈ ｅ ｎ ｉ ｎ ｎ ｒｔ ｃ ｏ ｔｉ ｐ ｐ ｒ ｓｍｐ ｙ ｉ ｏ ｉ ｈ
收 稿 日期 ：０ ５ ０ — ５ ２０ － ８ １
通 常所用 的也 是最简 单 的特征选 择可 以根据 专
Ｚ ＨＯＵ Ｍｉ ｇ ｂ ａ ， ｎ － ｉ ｏ ＣＨＥ ＮＧ ｉ Ｗｅ
基于信息融合的变压器故障诊断系统设计
基于信息融合的变压器故障诊断系统设计许 康(四川电力试验研究院,四川成都 610072)摘 要:结合现场具体情况,提出了电力变压器状态监测的综合分析方法,并就状态的选取与处理、规则的描述、诊断推理过程作了深入探讨。
围绕变压器局部放电特征量、油中溶解气体分析等数据,采用了超声波定位、神经网络、专家系统推理等方法,将各种诊断方法融为一体,设计了基于信息融合的变压器故障诊断系统。
该系统的应用将极大地提高变压器的运行可靠性及利用率,延长变压器的使用寿命。
关键词:变压器;信息融合;状态检修;故障诊断Ab stra ct:B ased on the on-sit e infor m ati on,this pape r ha s p r ovi ded a co mp rehensi ve analytical me t hod ology t o monit or the status of electrica l trans former.It als o provided a thoroughly discussi on t o the se l ec ti on and handling of the st a tus,the descri p2 ti on t o its rules and the proce ss of the detective l ogic.We have used ultra s ound de tection,neura l web and expert syst em t o combine a ll different detec ti on m ethods t o de sign a transfor m er fault detec tive system based on the analysis of t he secti ona l e2 l ec trical re lea se of the transfor me r and the diss olving gas i n oil.The utilization of t his syste m will grea tly i mprov e the depend2 ability and usag e of transfor me rs and als o inc rease the life ti m e of the transfor m ers.Key wor d:Transfor me r;Infor m ati on Fusi on;R epairi ng Status;Fault De tecti on中图分类号:T M41 文献标识码:B 文章编号:1003-6954(2008)06-0046-04 随着国民经济的迅猛发展,整个社会对电力的需求越来越大。
基于广域信息的电网故障诊断方法
实证结果展示
• 结果展示：基于广域信息的电网故障诊断方法，我们获得了电网故障的监测数据，并对其进行了实证分析。通 过绘制故障发生时刻的电网状态图，我们可以清楚地看到故障对电网的影响范围和程度。此外，我们还计算了 故障发生前后电网的各项指标，如电压稳定性、电流不平衡度等，以量化评估电网的运行状态。
基于广域信息的电网故障诊 断方法
2023-11-13
目录
• 引言 • 电网故障诊断方法概述 • 基于广域信息的电网故障诊断模型 • 实证分析与比较 • 方法优势与不足 • 研究展望与未来发展
01
引言
研究背景与意义
电力系统的安全稳定运行对于保障人们的正常生活和 国家经济的持续发展具有重要意义。电网故障诊断是 电力系统中重要的研究方向之一，对于提高电力系统 的安全性和稳定性具有重要作用。传统的电网故障诊 断方法主要基于本地测量信息，然而由于电网规模的 扩大和复杂性的增加，基于本地信息的故障诊断方法 已经难以满足需求。因此，基于广域信息的电网故障 诊断方法逐渐成为研究的热点。
目前的研究现状表明，基于广域信息的电网故障诊断方法在理论和实践上均取得了一定的成果。然而，仍需要进一步的研究 和改进以满足实际应用的需求。
研究内容与方法
01
02
03
04
05
基于广域信息的电网故 障诊断方法的研究内容 主要包括以下几个方面
1. 研究适用于广域信息 的故障诊断算法：针对 电网的实际情况和需求 ，研究适用于广域信息 的故障诊断算法，充分 利用广域信息进行故障 识别和定位。
信息融合技术在传感器故障诊断中的应用
ｍｕ ｔ ｌ Ｄ ｔ ｔｇｅ ｌ ｐ ｅ Ｆ Ｄ ｓｒ ｅ ｉ ｓ ｍｍｉ ｇ ａ ｎ ｌ ｅ ｓ ｒａ ｄ ｔ ｒ ｕ ｅ ｓ ｒ ｅｃ ｏ ｅ ｓ ｓ ｍ， ｔ ｅ ｅ ｒ ｓ ｌ ｆ ｔ ｅ ｅ ｉ ａ ｎ ｔａ ｇｅ ｓ ｎ ｏ ｎ ｏ ｑ ｅ ｓ ｎ ｏ ｔ ｆ ｔ ｙ ｔ ｈ ｅ ｈ ｎ ｔ ｅ ｕ ｔ ｏ ｈ ｓ ｈ ｓ
ｉ ｓｉ ｏｔ ｎ ｏ ｍａ ｅ ｆ ｌ ｅ ｏ ｈ ｎ ｏ ｍａ ｉｎ ｆｏ ｂ ｉ ｇ ｔｓ ｔｒａ ｎ ｗｌ ｄ ｅ ａ ｄ ｍａ ｅ ａ ａ ｕ ｅ ｔｉ ｍｐ ｒａ ｔｔ ｋ ｕ ｌｕｓ ｆｔ ｅ ｉ ｆｒ ｔ ｒ ｍ ｅ ｎ ｅ ｔｍａ ｅ ｌ ｋ ｏ ｅ ｇ ｎ ｔｒｌ ｍｅ ｓ ｒ — ｏ ｉ ｉ ｍｅ ｔ ． ｐ ｌｃ ｔｏ ｆ ｉ ｏ ａ ｉｎ ｆ ｓｏ ｎ ＦＤＤ ｉ ｅ ｅ ｔｄ．Ｉ ｈ ｐ ｏ ｏ ｅ ｔ ｄ，ｔ ｅ ｆ ｉ ｎ ｄ ｐ ｓ ｎ ｓ Ａｎ ａ ｐ ｉ ａｉｎ ｏ ｎ ｒ ｔｏ ｕ ｉｎ ｉ ｆ ｍ ｓ ｐｒｓ ｎ ｅ ｎ ｔ ｅ ｒ ｐ ｓ ｄ ｍｅｈｏ ｈ ｕｓｏ ａ ｏ ｔ
行 分析 、 究 、 真 、 研 仿 比较和 验证 的基 础上 ， 合 工程 实际 的特 殊要 求和相 关经 验 ， 定 了最合 适 的 一种 结 确 多传 感器信 息 融合故 障诊 断方 案 。通过 对传 感 器的 故 障建 立数 学模 型并 进 行 计 算机 仿 真 ， 真 结 仿
— —
果表 明该故 障检 测 方法 对于材 料试 验机 的传 感 器常见 的故 障均 能进行 识 别和告 警 ， 效果 令人 满 意。
ｓ ａ ｇ ｓａｅ ｆｓｄ Ｔ ｒｕ ｈ ｒｇｅｓ ｎ ａａｙｉ ｏ ｈ ｕｅ ａａ ｈ ｎｏ ａｉ ｕｉ ｅｈ ｉｕ ｓ ａ ｔ ｔｉ ｒ ｕ ｅ ． ｈｏ ｇ ｅｒｓｉ ｎ ｓ ｎ ｔｅ ｆｓｄ ｄ ｔ，ｔｅ ｉｆ ｔ ｎ ｆｓ ｎ ｔ ｎｑ ｅ ｒ ｒｅ ｅ ｏ ｌ ｓ ｍ ｒ ｏ ｏ ｃ ｅ
多传感器信息融合技术研究
多传感器信息融合技术研究多传感器信息融合技术（Multi-sensor Information Fusion Technology）是一种通过整合多种传感器信息来获得更好结果的技术。
多传感器信息融合技术能够有效地解决单一传感器无法完成的任务，例如环境感知、目标检测和定位等。
本文将讨论多传感器信息融合技术的概念、应用、挑战和未来发展方向。
一、多传感器信息融合技术的概念多传感器信息融合技术是指通过整合多种类型的传感器信息，以及运用人工智能和机器学习算法等技术，将信息转换为更精确的数据和知识。
多传感器信息融合技术能够将多种数据源（如可见光、红外、声音、气体、温度等）的信息相结合，以获取丰富的信息和更完整的数据。
通过多传感器信息融合技术，可以提高传感器的工作效率和准确性。
二、多传感器信息融合技术的应用1.智能交通：多传感器信息融合技术已经在智能交通领域得到了广泛应用。
通过整合多种类型的传感器（如雷达、视频、红外、微波、光学等），交通系统可以实时监测交通流量、车辆速度和事故等情况，并实现智能化的交通管制。
2.工业生产：在工业生产中，多传感器信息融合技术可以帮助企业检测设备故障、监测生产过程和优化生产效率。
通过整合不同类型传感器的信息，可以更精确地实现设备状态监测和故障诊断。
3.智能家居：多传感器信息融合技术可以帮助智能家居系统实现个性化的家居控制。
例如，通过整合温度、湿度、光线等传感器的信息，系统可以自动地调整室内温度和照明等环境，提供更舒适和安全的家庭环境。
三、多传感器信息融合技术的挑战多传感器信息融合技术的应用还面临一些挑战。
首先，不同类型传感器所采集的信息不一定匹配，因此需要对传感器信息进行标准化处理。
其次，传感器之间可能存在互相影响的情况，例如传感器之间的干扰或协作。
最后，多传感器信息融合技术需要用复杂的算法实现数据的整合和分析，算法的复杂度和计算量也需要考虑。
四、多传感器信息融合技术的未来发展方向未来多传感器信息融合技术的发展趋势将更加注重智能化和自主化。
基于信息融合技术的故障诊断方法举例
断条 气隙偏 心 匝间短 路 实际 故障
0
0
7.2.2基于Park矢量的融合电流小波分析方法
小波变换不同分解尺度对应的频带宽度
设信号采样频率为fs，则信号中的最高频率为fs/2 采用DWT对信号进行分解时，设分解尺度为j（j＝1， 2，3，…） j＝1时，信号被分解为[0，fs/4]和[fs/4，fs/2]两个 频带 j＝2时，信号被分解为[0，fs/8]、[fs/8，fs/4]和 [fs/4，fs/2]三个频带 依次类推，j＝k时，分解信号的最低频带为[0， fs/2k+1]
ecpm
I ecnm cos[( m(1 s ) / p)1t ecpm 2 / 3]} 1
两种故障同时发生时派克矢量的模k=1、m=1
i ji
2 2 2 2 2 2 3 / 2( I p1 I bp1 I bn1 I ecp 1 I ecn 1 )
0.2
0.15
0.1
0.05
0
-0.05 0
20
40
60
80
100
（a）Park矢量融合电流信号
(b)尺度j＝8时的低频带信号
5根断条故障电机空载运行时DB5小波分解结果
12 11
x 10
-3
0.2
0.15 10 9 8 7 0 6 5 0 100 200 300 400 500 -0.05 0 20 40 60 80 100 0.1
f ag f1 mf r
转子旋转频率fr＝（1－s）f1/p，m为正整数 气隙偏心故障还会造成电机的振动异常，并出 现振动特征频率
7.1.3 绕组过热与匝间短路故障
绕组过热是电机运行过程中经常出现的一种现 象，通常是短时和整体性的 比较危险的是绕组的局部过热
应用于破碎机故障诊断系统中的信息融合技术
２ 神 经 网络 技 术 的信 息 融 合 故 障 诊 断方 法
神 经 网 络 是 一 个 具 有 高度 非线 性 的超 大 规 模 连续 时 间动 力 系 统 ，主 要 特 征 为连 续 时 间非 线 性 动 力 学 、 网络 的全 局 作 用 、并 行 分 布 处 理 和 联 想
学 习能 力 。在 故 障 诊 断 领域 的应 用 主 要 有 三 个 方
神经 网络和Ｄ 证据理论相结合 的信息融合 的故 障诊断方法 并进行实际检验 。以信息融合的 —Ｓ
基本思路 ，将多子神经网络和Ｄ —Ｓ 证 据理 论综合起 来设计 出一套综合诊 断方法 ，将两种方法 相结合应 用于故 障诊 断中 ，取得了较好的诊断效果。
关键词 ： 故障诊断 ；信 息融合 ；Ｂ 神经网络 ；Ｄ Ｓ Ｐ － 证据理 论 中图分类号 ：Ｔ ７ Ｐ２ ７ 文献标识码 ：Ｂ 文章编号 ：１ ０ － １ ４ ２１ ） （Ｉ －０ ６—０ ９ ０ （ ０ １ １ － ０ ３ ） ０７ ２
任 何 一个 完整 的 推理 系统
都 需 要用 几 个 不 同推 理 级来 保
Ｄ ｉ１ ．９９ Ｊｉ ｎ １ ０ －０ ３ ．０ １ １ 上 ） ２ ｏ ： ３ ６ ／ ． ｓ ．０ ９ １ ４ ２ １ ．（ ．１ ０ ｓ
０ 引言
现 代 工 业 设 备 趋 向 大型 、高 速 自动 化 ，功 能
作 为动 态故 障 预 测 ；三 是 从 知 识 处 理 角 度 建 立基
神 经 网络 之 所 以适 合 于 故 障诊 断 ，有 以 下三 个 主
要原因：
１ 训 练 过 的神 经 网络 能存 储 有关过 程 的知 识 ， ）
可 以根 据 对 象 的 正 常 历 史数 据 训 练 网络 ，然 后 将 此 信息 与 当前 测量数 据 进行 比较 ，以确 定故 障 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息融合故障诊断研究现状综述
摘要 信息融合技术能有效利用数据中的冗余信息，提高得到信息的准确性
和稳定性，基于信息融合的过程故障诊断方法，可以利用信息融合对时间维度和
空间维度的互补及冗余信息的融合特性，降低故障诊断的漏报、误报率，本文归
纳了信息融合的概述和常见方法，梳理了基于信息融合的故障诊断发展的趋势。
关键词 信息融合；故障诊断；冗余信息
1 信息融合概述
信息融合是指将来自不同种类、时间、空间的传感器信息协调成统一特征表
达的信息处理过程[1-2]。1959年，关于信息集成的定理被首次提出：对于任意
系统，由单维信息集成的多维信息的信息容量大于任何一个单维信息的信息量。
Richardson又在理论上证明了增加传感器不会降低系统的性能，为信息融合技术
的出现提供了理论基础。
20世纪70年代末，信息融合的概念由Tenney和Sandell最早提出，虽然在
当时没有得到社会的广泛关注，但引起了西方各国军事部门的高度重视，信息融
合技术成为军事研究的重要方向，美国国防部还专门设立了数据融合专家组来主
持这一关键技术的研究。在美国军事技术的带动下，其他先进国家逐渐加强了关
于信息融合的研究。直至20世纪90年代，信息融合才逐渐成为多领域关注的共
性重要技术，在目标识别、图像处理、优化决策、故障诊断等领域取得了较快发
展。
2 信息融合方法
信息融合由多种理论和技术共同支撑，如信号处理、不确定性理论、概率统
计知识、最优化技术和人工智能[3]等。下面对几种常用的信息融合方法做简要
描述：
2.1 加权平均法
加权平均法是融合传感器底层数据最直观、简单的方法。方法思想是根据被
融合数据的重要程度，赋予其不同的系数，取加权平均值作为信息融合的结果。
当传感器数据为标量，且权重反比于测量数据标准差时，加权平均法与贝叶斯法
等效。
2.2 卡尔曼滤波方法
卡尔曼滤波方法由统计模型得到下一时刻数据的预测值，并结合实测值来不
断修正，得到最优融合数据，卡尔曼滤波拥有递推特性，大大节省了数据储存空
间和计算量，适用于低层次冗余信息的动态融合。
2.3 贝叶斯估计方法
贝叶斯估計是统计模型决策中的一个基本方法，其基本思想是：对某未知特
征先给定一个先验估计，在相关条件的支持下，得到一个假设的似然函数，在获
得测量值后，再将假设的先验密度更新为后验概率。
2.4 聚类分析方法
聚类分析的方法根据已经制定好的相似标准，把采集数据分成相应的自然
组。传统的聚类方法不需要借助统计理论，因此，当找不到合适的理论方法对数
据进行属性说明和分类时，聚类分析方法能得到较好的效果。
2.5 基于神经网络方法
神经网络方法实现思想为：根据系统已获取的样本相似程度确定分类的标
准，该过程主要表现在神经网络权重的分布上，并利用神经网络的学习能力，通
过对新的数据和知识不断地学习，更新已有的系统结构，得到不确定性推理机制。
2.6 D-S证据理论方法
D-S证据理论可以认为是广义的贝叶斯理论，考虑了一般水平的不确定性。
D-S证据理论对假设命题不赋予先验概率，而是通过引入信度函数，给予它们新
的量度——可信度，解决了对研究对象认知“不确定”状态的表示问题。
3 基于信息融合的故障诊断
广泛应用于图像处理、目标检测跟踪和医学诊断等领域的信息融合技术，利
用不同侧面的多种数据信息，通过综合分析与处理，可靠获取监控对象的运行状
态，虽然其在故障检测中的应用研究起步较晚，但其对时间维度和空间维度的互
补及冗余信息的融合特性，已成为目前故障检测领域的研究热点。
James A. Rodger（2012年）针对新型综合车辆健康维护系统，引入多传感器
数据融合——卡尔曼滤波模型来提高系统诊断的准确度。实验表明，该方法有效
降低了系统故障诊断的错误率，减少了维护时间。Meghdad Khazaee，Hojat Ahmadi
等人（2014年）将信息融合技术应用于精密行星齿轮箱的故障诊断系统中，系
统同时接受振动信号和声学信号，利用小波分析实现时域到频域的转换，实验结
果表明，信息融合技术有效提高了故障分类的有效性。Akilu Yunusa-Kaltungo等
人（2014年）在旋转机械故障诊断中，通过改进复合谱数据融合技术，保留了
振幅和相位信息测量位置，取得了更好效果。
国内方面的研究，王志鹏（2001年）论证了信息融合技术在故障诊断领域
应用的可行性和有效性，然后针对故障诊断的特点，以五种基本融合过程为构件，
提出了信息融合故障诊断过程的一般框架。谭逢友，卢宏伟等（2005年）在论
述了基于贝叶斯理论、神经网络和D-S理论的信息融合方法的基础上，结合实
际说明了信息融合在机械故障诊断中的有效性。近年来，龚瑞昆，陈磊等人（2012
年）针对变压器故障种类多、故障信息数据量大、无规律性的问题，提出了基于
量子神经网络信息融合的故障诊断方法，该方法先对故障信息进行局部融合，再
运用决策融合网络进行全局融合，最终输出变压器的故障类型及可信度，较好地
提高了故障诊断的准确度。徐卫晓等人（2014年）提出基于BP神经网络和D-S
证据理论的信息融合方法，解决了单一传感器对滚动轴承故障信息的识别具有不
确定性的问题。
参考文献
[1] Erik Blasch，Guna Seetharaman，Kitt Reinhardt. Dynamic Data Driven
Applications System Concept for Information Fusion Original Research Article[J].
Procedia Computer Science，2013，（18）：1999-2007.
[2] Phani Chavalin，Arye Nehorai. Hierarchical particle filtering for multi-modal
data fusion with application to multiple-target tracking [J]. Signal Processing，2014，
（97）：207-220.
[3] 韩整齐，于俊杰，李宁霞. 信息融合技术综述[J]. 情报杂志，2010， （6）：
110-114.