中国机械工程第
21
卷第
8
期
2010
年
4
月下半月
多特征信息融合的贝叶斯
网络故障诊断方法研究
姜万录刘忠远
燕山大学,秦皇岛,
066004
摘要:针对轴向柱塞泵故障特征的模糊性和不完备性特点,提出一种多特征信息融合与贝叶斯网络
相结合的故障诊断方法。该方法从柱塞泵采集的振动信号中提取出频域和幅域的多个故障特征,并将
这些特征当作来自多个不同传感器的多源信息。利用贝叶斯参数估计算法进行多特征信息融合。通过
构造贝叶斯网络并建立贝叶斯分类器来简化融合后的结果,通过最大后验概率估计值的计算进行故障
识别。经过轴向柱塞泵多故障模式的诊断实验,验证了该方法能够有效地实现柱塞泵柱塞松靴和脱靴
故障的诊断。
关键词:柱塞泵;故障诊断;多特征信息融合;贝叶斯网络
中固分类号:
TP206.
3
文章编号
:1004--132X(2010)08
一
0940
一
06
Fault
Di
agnosis
Approach
Study
of
Bayesian Networks
Based
on
Multi-characteristic
Information
Fusion
Jiang
Wanlu
Liu
Siyuan
Yanshan
University.
Qinhuangdao.
Hebei.
066004
Abstract:
Aiming
at
the
fuzzy
and
incomplete
nature
of
fault
characteristics
ofaxial
piston
pump.
a
method
of
Bayesian
networks
and
multi
-
characteristic
information
fusion
was
proposed.
Firstly.
multi
-
fault
characteristics
in
the
frequency
domain
and
amplitude
domain
were
extracted
from
vibra
tion
signals
and
regarded.
as
multi
-
source
informations
coming
from
different
sensors.
Then.
Bayes-
ian
parameter
estimation
algorithm
was
applied
to
fuse
multi-characteristic
information.
Next.the
fu-
sion
result
was
simplified
by
constructing
a Bayesian
network
and
establishing
Bayesian classifier.
Fi-
nally.
through
calculating
the
maximum
posterior
probability
estimation
and
the
fault
patterns
were
i-
dentified.
The
validity
of
this
method
was
verified
through
experiments
of
multi-fault
patterns
on
an
axial
piston
pump.
Key
words:
piston
pump;
fault
diagnosis;
multi
-
characteristic
information
fusion;
Bayesian
net
work
O
引言
液压泵是液压系统的心脏,对其进行有效的
故障诊断是保证液压系统正常运行的关键。由于
受流体的压缩性、泵与伺服系统的液固搞合作用、
液压泵本身具有的固有机械振动和强噪声背景干
扰的影响,使液压泵故障特征信息呈现出模糊性。
当采用振动信号进行故障分析时,仅从单一域获
取振动信号的故障特征信息存在不完备性。这两
方面因素的影响给液压泵的状态监测与故障诊断
带来了极大的困难[叫。
贝叶斯网络方法是目前不确定知识表达和推
理领域最有效的理论模型,是解决模糊性问题的
有效方法之一。贝叶斯网络的并行推理方式还能
够提高诊断速度山。而多源信息融合技术能充分
收稿日期
:2009-07
二
22
基金项目
z
国家自然科学基金资助项目
(50775198);
河北省自
然科学基金资助项目
(E2008000812)
• 940 •
利用多个传感器信息,通过对各种特征信息的合
理支配与使用,依据某种优化准则在空间和时间
上把互补与冗余信息结合起来,产生对监测环境
的一致性解释或描述,同时产生新的融合结果。
利用这种技术可以大幅度地提高故障特征信息的
完备性。
多源信息融合又称多传感器信息融合,所说
的传感器是广义的,不仅包括物理意义上的各种
传感器系统,也包括与观测环境匹配的各种信息
获取系统问。本文将提取的振动信号多个故障特
征当作来自多个不同传感器的多源信息,把每个
故障特征都看成来自一个传感器。这样就可以利
用多源信息融合技术进行多特征信息融合[础。本
文提出了将多源信息融合技术与贝叶斯网络相结
合的故障诊断方法,使二者优势互补,可以在系统
提供的信息具有模糊性和不完备性的前提下,发
现故障并识别故障发生的类型。