基于DSmT的航空发动机早期振动故障融合诊断方法

• 作者: 刘佳 李强 翟旭升 胡金海 谢寿生
• 来源期刊: 航空动力学报
• 学科: 航空航天
• 关键词: 早期故障 航空发动机 故障诊断 信息融合 Dezert-Smarandache理论
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 结构、强度、振动
• 页码范围: 301-306
• 分类号: V263.6
• 语种: 中文

摘要

提出在航空发动机多个部位安装多个振动传感器组成传感器网络．采用多传感器信息融合技术进行早期振动故障的诊断方法，并引入Dezert—Smarandache理论（DSmT）来处理由早期微弱故障本身所导致的各个传感器信息相互冲突的问题．在构建的早期微弱故障诊断系统框架中，采用基于本征模态函数（IMF）的信息熵特征提取方法提取各路振动数据的特征，采用反向传播（BP）神经网络完成对故障属性的判断并生成各种故障模式的基本置信分配，最后根据DSmT融合规则得到最终的诊断结果．算例表明采用该方法可以有效地解决早期微弱故障条件下的高冲突信息融合问题，故障诊断结果准确可靠．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢寿生	空军工程大学工程学院	156	1456	20.0	28.0
2	胡金海	空军工程大学工程学院	49	595	15.0	22.0
3	李强	空军工程大学理学院	13	63	4.0	7.0
4	翟旭升	空军工程大学工程学院	24	160	7.0	11.0
5	刘佳	空军工程大学理学院	5	34	2.0	5.0