水电机组振动故障的信息融合诊断与仿真研究
|
摘要
水电机组的振动是反映机组运行状态的重要参量，对机组振动进行监测和对振动故障进行诊断就显得非常重要，是保证机组安全稳定运行的重要措施。
本文根据国内外关于水电机组状态监测与故障诊断研究的现状与发展趋势，以机组振动故障的信息融合诊断技术为研究主题，对基于Dempster-Shafer证据理论的信息融合故障诊断方法进行研究，首次将该方法应用到水电机组振动故障诊断中，并提出了用机组振动各频率的子带能量反映其振动强度的方法。本文主要进行了以下工作：
分析、归纳和整理了水电机组振动的故障机理和振动频率特征，对机组的振动、摆度和压力脉动测点进行了选择和布置，并选用相应传感器进行监测。
在讨论了多传感器信息融合的基本原理和融合诊断的几种方法的基础上，重点研究了基于D-S证据理论的融合诊断方法，并根据融合规则的需求，讨论了基本可信度分配函数的构造方法，建立了水电机组振动故障的融合诊断识别框架。
在仿真应用中，模拟水电机组各部位的振动信号，采用小波分析和傅立叶变换进行预处理提取信号特征，应用信息融合方法进行了仿真诊断。
西安理工大学硕士学位论文
仿真融合诊断结果表明，基于多传感器信息融合的故障诊断能充分地利用机组各
部位的多个传感器的信息，减少诊断的不确定性，能识别单一传感器不能识别的故障;
对于早期特征不太明显的故障，经过多传感器信息的融合处理，也能及早发现和准确
识别。
随着融合参数的增多，诊断的可靠性会越来越高。毫无疑问，这对于及早发现机
组潜在的故障至关重要，对于保证水电机组安全稳定运行和最终实现状态检修的目的
都具有重要的意义。
Vibration of hydroelectric sets is main parameter that reflects the running status of the sets. It is vital to monitor vibration and diagnose the vibration fault of hydroelectric sets, and monitoring and fault diagnosing is important measure to ensure running safely and stably of hydroelectric sets.
According to the present situation and developing trends on condition monitoring and fault diagnosing of hydroelectric sets at home and abroad, and taking the technique of data fusion diagnosis hydroelectric sets as theme, this dissertation researches into data fusion fault diagnosis method based on Dempster-Shafer theory, and applies this technique to hydroelectric sets vibration fault diagnoses for the first time, and presents that using sub-band energy of vibration frequency to reflect the vibration intensity of hydroelectric sets. What is mainly discussed in this dissertation is as follows:
The fault mechanism and vibration frequency feature of hydroelectric vibration are analyzed, induced and reorganized. The select and placement of detecting positions of parameters such as vibration, swing and pressure pulsation are researched, and the corresponding sensors are selected to
monitor.
Based on the discussion of the base principle and several fusion diagnosis methods of multi-sensor data fusion, data fusion diagnosing method based on D-S theory is mainly researched; According to the requirement of fusion principle, constitute methods of mass function are discussed, and the identify frame for fusion diagnose of hydroelectric sets vibration fault are constructed.
In simulation, several position vibration signals of hydroelectric sets are simulated, and their features are extracted with Wavelets and Fourier theory. Then simulation diagnosis is made using data fusion method.
The result shows that fault diagnosis based on multi-sensor data fusion
can make the most of the information of multi-sensor in hydroelectric sets positions, decrease diagnosis uncertainty, and identify faults which cannot be recognized with single sensor data, and that fault without obvious early features can be found as soon as possible and identified accurately by means of multi-sensor data fusion.
With the increasing of fusion parameters, the reliability of diagnosis can be improved. It is no doubt that it is vital for find underlying fault at an early date, and it is significant for ensuring running safely and stably of hydroelectric sets and realizing condition overhaul of sets.
本文根据国内外关于水电机组状态监测与故障诊断研究的现状与发展趋势，以机组振动故障的信息融合诊断技术为研究主题，对基于Dempster-Shafer证据理论的信息融合故障诊断方法进行研究，首次将该方法应用到水电机组振动故障诊断中，并提出了用机组振动各频率的子带能量反映其振动强度的方法。本文主要进行了以下工作：
分析、归纳和整理了水电机组振动的故障机理和振动频率特征，对机组的振动、摆度和压力脉动测点进行了选择和布置，并选用相应传感器进行监测。
在讨论了多传感器信息融合的基本原理和融合诊断的几种方法的基础上，重点研究了基于D-S证据理论的融合诊断方法，并根据融合规则的需求，讨论了基本可信度分配函数的构造方法，建立了水电机组振动故障的融合诊断识别框架。
在仿真应用中，模拟水电机组各部位的振动信号，采用小波分析和傅立叶变换进行预处理提取信号特征，应用信息融合方法进行了仿真诊断。
西安理工大学硕士学位论文
仿真融合诊断结果表明，基于多传感器信息融合的故障诊断能充分地利用机组各
部位的多个传感器的信息，减少诊断的不确定性，能识别单一传感器不能识别的故障;
对于早期特征不太明显的故障，经过多传感器信息的融合处理，也能及早发现和准确
识别。
随着融合参数的增多，诊断的可靠性会越来越高。毫无疑问，这对于及早发现机
组潜在的故障至关重要，对于保证水电机组安全稳定运行和最终实现状态检修的目的
都具有重要的意义。
Vibration of hydroelectric sets is main parameter that reflects the running status of the sets. It is vital to monitor vibration and diagnose the vibration fault of hydroelectric sets, and monitoring and fault diagnosing is important measure to ensure running safely and stably of hydroelectric sets.
According to the present situation and developing trends on condition monitoring and fault diagnosing of hydroelectric sets at home and abroad, and taking the technique of data fusion diagnosis hydroelectric sets as theme, this dissertation researches into data fusion fault diagnosis method based on Dempster-Shafer theory, and applies this technique to hydroelectric sets vibration fault diagnoses for the first time, and presents that using sub-band energy of vibration frequency to reflect the vibration intensity of hydroelectric sets. What is mainly discussed in this dissertation is as follows:
The fault mechanism and vibration frequency feature of hydroelectric vibration are analyzed, induced and reorganized. The select and placement of detecting positions of parameters such as vibration, swing and pressure pulsation are researched, and the corresponding sensors are selected to
monitor.
Based on the discussion of the base principle and several fusion diagnosis methods of multi-sensor data fusion, data fusion diagnosing method based on D-S theory is mainly researched; According to the requirement of fusion principle, constitute methods of mass function are discussed, and the identify frame for fusion diagnose of hydroelectric sets vibration fault are constructed.
In simulation, several position vibration signals of hydroelectric sets are simulated, and their features are extracted with Wavelets and Fourier theory. Then simulation diagnosis is made using data fusion method.
The result shows that fault diagnosis based on multi-sensor data fusion
can make the most of the information of multi-sensor in hydroelectric sets positions, decrease diagnosis uncertainty, and identify faults which cannot be recognized with single sensor data, and that fault without obvious early features can be found as soon as possible and identified accurately by means of multi-sensor data fusion.
With the increasing of fusion parameters, the reliability of diagnosis can be improved. It is no doubt that it is vital for find underlying fault at an early date, and it is significant for ensuring running safely and stably of hydroelectric sets and realizing condition overhaul of sets.
引文
1．肖正华．国内外设备诊断技术发展概述[J]．电力情报，1994(4)：23～27
2．虞和济．设备故障诊断技术的现状及其发展[J]．基础自动化，1996．5：1～5；
3．程道来等．国内电站故障诊断系统的现状及发展方向[J]．动力工程，1999，19(1)：53～57；
4．施圣康．汽轮发电机组振动故障诊断技术的发展现状[J]．动力工程，2001，2l(4)：1295～1298；
5．陈维克，张松，吴雅，杨叔子．我国水电机组振动监测与故障诊断技术的现状和发展方向[J]．大电机技术，1994(6)：1～3；
6．李炜等．设备故障诊断技术的现状及其发展[J]．甘肃工业大学学报，1998，24(2)：66～69；
7．吴今培．智能故障诊断技术的发展和展望[J]．振动、测试与诊断，1999，19(2)：79～86；
8．熊诗波．大型复杂机械系统的状态监测和故障诊断[J]．振动、测试与诊断，2000，20(4)：233～235；
9．徐敏，黄昭毅，等．设备故障诊断手册[M]．西安：西安交通大学出版社，1998；
10．钟秉林，黄仁．机械故障诊断学(第2版)[M]．北京：机械工业出版社，2002．2；
11．徐章遂，房立清，王希武，左宪章．故障信息诊断原理及应用[M]．北京：国防工业出版社，2000．7；
12．王道平，张义忠．故障智能诊断系统的理论与方法[M]．北京：冶金工业出版社，2001；
13．《中国水力发电工程》编审委员会．中国水力发电工程—机电卷[M]．北京：中国电力出版社，2000．8；
14．王海．水轮发电机组状态监测、诊断及综合试验分析系统研究[D]．华中科技大学，2001；
15．屈梁生，何正嘉．机械故障诊断学[M]．上海：上海科技出版社，1986．7；
16．杨叔子．基于知识的故障诊断技术[M]．北京：清华大学出版社，1993．5．
17．虞和济，陈长征，张省．基于神经网络的智能诊断[M]．北京：冶金工业出版社，2000，2；
18．李启章．水轮发电机组的振动监测和故障诊断系统[J]．贵州水力发电，2000，14(3)：50～53；
19．杨晓萍，解建宝等．水轮发电机组的事故停机分析与故障诊断专家系统的研究[J]．西安理工大学学报，1998，14(2)：201～205；
20．洪冶，蔡维由等．模糊故障树诊断及应用[J]．武汉大学学报(工学版)，2001，34(1)：93～95；
21．陈铁华，陈启卷．模糊聚类分析在水电机组振动故障诊断中的应用[J]．中国电机工程学报，2002，22(3)：43～47；
22．刘光临，程宏举．大型水轮机组故障诊断的神经网络方法研究[J]．水力发电学报，2001(2)：86～92；
23．符向前，刘光临，蒋劲．BP神经网络在水轮发电机组状态监测与诊断系统中的应用[J]．武汉大学学报(工学版)，2002，35(1)：24～28；
24．高军伟，李炜，陈希平．模糊专家系统在水轮发电机组故障诊断中的应用[J]．甘肃工业大学学报，2000，26(1)：63～68；
25．冯辅周，褚福磊等．水电机组状态监测分析诊断系统的研制及应用实例[J]．水力发电，1999(5)：36～40；
26．刘万景．水电厂机组的状态监测[J]．水力发电，1999(9)：55～57；
27．B．伯杰(斯洛文尼亚)，李修树译．诊断水轮机汽蚀的振动噪声法[J]．水利水电快报，1997，18(12)：22～26；
28. A. Loskiewicz-Buczak, R.E. Uhring: Probability neural network for vibration data analysis, Intelligent Engineering Systems Through Artificial Neural Networks, ASME press, New York, vol. 2, 713～718, 1992;
29．董毓新．水轮发电机组振动[M]．大连：大连理工大学出版社，1989．5；
30．沈东．水力机组故障分析[M]．北京：中国水利水电出版社，1996．10；
31．沈东，褚福涛，陈思．水轮发电机组振动故障诊断与识别[J]．水动力学研究与进展(A辑)，2000，15(1)：129～133；
32．中国科学院水利水电科学研究院．水轮机水力振动译文集[M]．北京：中国水利水电出版社，1979；
33．刘峰．基于神经网络的水轮发电机组振动故障诊断专家系统的研究[D]．西安理工大学，2003；
34．贺梅．混流式机组水力振动研究与破坏原因分析[D]．西安：西安理工大学，2000．3．
35．陈卫钢，周建中，常黎．基于专家系统的水电机组振动故障诊断研究[J]．华中科技大学学报(自然科学版)，2002，30(6)：102～104；
36．刘晓亭．水力机组运行设备故障诊断系统的测点布置研究[J]．湖北电力，1995(4)：31～35；
37．国家技术监督局．中华人民共和国标准(GB／T17189-1997)—水力机械振动和脉动现场测试规程[S]．北京：中国标准出版社，1998．9；
38．谷毅．振动测量传感器的发展现状[J]．现代计量测试，1997(5)：6～9；
39．寇惠，原培新．故障诊断中的振动信号处理．北京：冶金工业出版社，1989．8；
40．孟建．大型回转机械故障特征提取的若干前沿技术[D]．西安：西安交通大学，1996．12；
41．耿中行．小波分析方法及其在机械状态监测信号处理中的应用[D]．西
安：西安交通大学，1996．12；
42．陈涛．小波分析理论及其在机械监测与诊断中的应用研究[D]．西安：西安交通大学，1996．12；
43．骆德渊．大型回转机械振动测量、信号处理理论及应用研究[D]．西安：西安交通大学，1996．12；
44．张雪江．机械设备故障诊断系统知识自动获取及更新的研究[D]．南京：东南大学，1997．4；
45．陈长征，罗跃纲，张省，虞和济．基于小波分析的机械故障特征提取研究[J]．机械强度，2001，23(2)：161～164；
46. Mallat S, Hwang W L. Singularity detection and Processing with Wavelets [J]. IEEE Trans on Information Theory. 1992, 38(2): 617～643;
47．赵学智，林颖，陈文戈，陈统坚，叶邦彦．奇异性信号检测时小波基的选择[J]．华南理工大学学报(自然科学版)，2000，28(10)：75～80；
48．秦前清，杨宗凯．实用小波分析[M]．西安：西安电子科技大学出版社，1994．1；
49．李建平．小波分析与信号处理—理论、应用及软件实现[M]．重庆：重庆出版社，1997．12；
50．李弼程，罗建书．小波分析及其应用[M]．北京：电子工业出版社，2003．5；
51．刘贵忠，邸双亮．小波分析及其应用[M]．西安：西安电子科技大学出版社，1992．5；
52．于润伟．MATLAB基础及应用[M]．北京：机械工业出版社，2003．10；
53．邹鲲，袁俊泉，龚享铱．MATLAB 6.x信号处理[M]．北京：清华大学出版社，2002．5；
54．胡昌华，张军波，夏军，张伟．基于MATLAB的系统分析与设计—小波
分析[M]．西安：西安电子科技大学出版社，1999．12；
55．飞思科技产品研发中心．MATLAB6.5辅助小波分析与应用[M]．北京：电子工业出版社，2003．1；
56．刘忠文，周轶尘，李滋湘．故障状态系数及其应用[J]．武汉水运工程学院学报，1988，12(4)：59～62；
57．王江萍．基于信息融合技术的柴油机供油系统故障诊断方法研究[D]．西安交通大学 1997．5；
58. A. Loskiewicz-Buczak, R. E. Uhring:Aggregation of evidence by fuzzy set operation for vibration monitoring, Proceedings of Third International Conference on Industrial Fuzzy Control and Intelligent Systems, Houston, TX, 204～209, 1993;
59. A. Loskiewicz-Buczak, R.E. Uhring. Decision fusion by fuzzy set operations, Proceedings of Third IEEE International Conference on Fuzzy Systems, vol. 2, Orlando, FL, June 26～29, 1994;
60. Xavier E. Gros. A review of NTD data fusion processes and applications, Insight, vol. 39, no. 9, Sep. 1997, 652～657;
61. X.S. Wen, W.B. Su, W.X. Shi. Information fusion based on D-S theory for condition monitoring and fault diagnosis, Condition Monitoring' 97, Xi' an, China;
62．李洪志．信息融合技术[M]．国防工业出版社，1996；
63．滕召胜，罗隆福，童调生．智能监测系统与数据融合[M]．机械工业出版社，2000；
64．段新生．证据理论与决策、人工智能[M]．中国人民大学出版社，1993；
65．袁小宏．机械诊断中信息融合方法的研究[D]，西安交通大学，1998；
66．严新平．摩擦学系统油液监测诊断及其信息融合方法研究[D]．西安交通大学，1997；
67．赵方．油液分析中的在线铁镨技术及信息融合研究[D]．西安交通大
学，1997；
68．伍学奎．基于信息融合的故障诊断理论与方法及其在内燃机中的应用[D]．武汉交通科技大学，1998；
69．张彦铎．基于信息融合的航天器故障诊断技术研究[D]．哈尔滨工业大学，1999；
70．申弢．大型旋转机械智能监测诊断中信息融合理论与技术的研究[D]．华中理工大学，1999；
71．杨宇维．油液分析故障诊断的多信息融合理论研究[D]．中国矿业大学，1998；
72．夏虹．基于数据融合技术的设备故障诊断方法研究[D]．哈尔滨工程大学，2000；
73．赵方等．机器磨损状态监测中的证据理论方法[J]．润滑与密封，2001(4)：7～10；
74．王鸿飞．基于Dempster-Shafer证据理论的柴油机故障诊断[J]．内燃机学报，2000，18(1)：20～23；
75．李圣怡．多传感器融合理论及其在智能制造系统中的应用[M]．国防科大出版社，1998；
76．戴冠中等．证据推理的进展及存在问题[J]．控制理论与应用，1999，16(4)：465～469；
77．高洪涛，王敏．证据理论在旋转机械综合故障诊断中应用[J]．大连理工大学学报，2001，41(4)：459～462；
78．朱大奇等．基于证据理论的电机故障诊断方法研究[J]．华中科技大学学报，2001，29(12)：58～60；
79．王江萍．基于多传感器融合信息的故障诊断[J]．机械科学与技术，2000，19(6)：950～953；
80．孙即祥．现代模式识别[M]．长沙：国防科技大学出版社，2002．1；
81．王志鹏．基于信息融合技术的故障诊断方法的研究及应用[D]．大连
理工大学，2001；
82．黄瑛，陶云刚等．D-S证据理论在多传感器数据融合中的应用[J]．南京航空航天大学学报，1999，31(2)：172～177；
83．徐从富，耿卫东等．面向数据融合的DS方法综述[J]．电子学报，2001，29(3)：393-396；
84. Hall David, James Linas. An Introduction to Multi-sensor Data Fusion [J]. Proceeding of the IEEE, 1997, 85(1): 1～29;
85. Ren C. Luo, Chih-Chen Yih, Kuo Lan Su. Multi-sensor Fusion and Integration: Approaches, Application, and Future Research Directions [J]. IEEE Sensors Journal, 2002, 2(2): 107～119;
86. J. Llinas, E. Waltz., Multisensor Data Fusion, Artech House, Norwood, Massachusetts, 1990;
87. D.L. Hall, Mathematical Techniques in Multi-sensor Data Fusion. Artech House, Boston, London, 1992;
88. Shafer G. A Mathematical Theory of Evidence [M]. Princeton University Press, 1976;
89. Dempster A. P. Upper and Low Probabilities Induced by a Multivalued Mapping [J]. Annals of Mathematical Statistics,1967(38),325～339;
90．Dempster A．P．数据融合技术及其应用[M]．北京：国防工业出版社，1998，9；
91．何友．多目标多传感器分布信息融合算法研究[D]．北京：清华大学，1996，11；
92．陈长征．融合多层感知器故障诊断方法[J]．振动工程学报，1998，增刊；
93．韩静，陶云刚．基于D-S证据理论和模糊数学的多传感器数据融合方法[J]．仪器仪表学报，2000，21(6)：644～647；
94. P. Greenway. The SKIDS Data Fusion Project. Sensor Fusion Ⅳ, Proceedings of SPIE, Vol.1611, Orlando;
95．张雨，徐小林，张建华．设备状态监测与故障诊断的理论和实践[M]．长沙：国防科技大学出版社，2000，4；
96．洪冶，李国宏等．基于小波包分析的水轮发电机组振动的故障诊断[J]．武汉大学学报(工学版)，2002，35(1)：65～68；
97．林雯婷，张克危．小波变换及其在水轮机水压脉动信号处理中的应用[J]．大电机技术，2002(6)：47～53；
98．张彦宁．基于小波分析的水电机组在线监测与故障诊断的研究[D]．西安理工大学，2003；
99．国家技术监督局．中华人民共和国电力行业标准(DL／T 710-1999)—水轮机运行规程[S]．北京：中国标准出版社，1999．8；
2．虞和济．设备故障诊断技术的现状及其发展[J]．基础自动化，1996．5：1～5；
3．程道来等．国内电站故障诊断系统的现状及发展方向[J]．动力工程，1999，19(1)：53～57；
4．施圣康．汽轮发电机组振动故障诊断技术的发展现状[J]．动力工程，2001，2l(4)：1295～1298；
5．陈维克，张松，吴雅，杨叔子．我国水电机组振动监测与故障诊断技术的现状和发展方向[J]．大电机技术，1994(6)：1～3；
6．李炜等．设备故障诊断技术的现状及其发展[J]．甘肃工业大学学报，1998，24(2)：66～69；
7．吴今培．智能故障诊断技术的发展和展望[J]．振动、测试与诊断，1999，19(2)：79～86；
8．熊诗波．大型复杂机械系统的状态监测和故障诊断[J]．振动、测试与诊断，2000，20(4)：233～235；
9．徐敏，黄昭毅，等．设备故障诊断手册[M]．西安：西安交通大学出版社，1998；
10．钟秉林，黄仁．机械故障诊断学(第2版)[M]．北京：机械工业出版社，2002．2；
11．徐章遂，房立清，王希武，左宪章．故障信息诊断原理及应用[M]．北京：国防工业出版社，2000．7；
12．王道平，张义忠．故障智能诊断系统的理论与方法[M]．北京：冶金工业出版社，2001；
13．《中国水力发电工程》编审委员会．中国水力发电工程—机电卷[M]．北京：中国电力出版社，2000．8；
14．王海．水轮发电机组状态监测、诊断及综合试验分析系统研究[D]．华中科技大学，2001；
15．屈梁生，何正嘉．机械故障诊断学[M]．上海：上海科技出版社，1986．7；
16．杨叔子．基于知识的故障诊断技术[M]．北京：清华大学出版社，1993．5．
17．虞和济，陈长征，张省．基于神经网络的智能诊断[M]．北京：冶金工业出版社，2000，2；
18．李启章．水轮发电机组的振动监测和故障诊断系统[J]．贵州水力发电，2000，14(3)：50～53；
19．杨晓萍，解建宝等．水轮发电机组的事故停机分析与故障诊断专家系统的研究[J]．西安理工大学学报，1998，14(2)：201～205；
20．洪冶，蔡维由等．模糊故障树诊断及应用[J]．武汉大学学报(工学版)，2001，34(1)：93～95；
21．陈铁华，陈启卷．模糊聚类分析在水电机组振动故障诊断中的应用[J]．中国电机工程学报，2002，22(3)：43～47；
22．刘光临，程宏举．大型水轮机组故障诊断的神经网络方法研究[J]．水力发电学报，2001(2)：86～92；
23．符向前，刘光临，蒋劲．BP神经网络在水轮发电机组状态监测与诊断系统中的应用[J]．武汉大学学报(工学版)，2002，35(1)：24～28；
24．高军伟，李炜，陈希平．模糊专家系统在水轮发电机组故障诊断中的应用[J]．甘肃工业大学学报，2000，26(1)：63～68；
25．冯辅周，褚福磊等．水电机组状态监测分析诊断系统的研制及应用实例[J]．水力发电，1999(5)：36～40；
26．刘万景．水电厂机组的状态监测[J]．水力发电，1999(9)：55～57；
27．B．伯杰(斯洛文尼亚)，李修树译．诊断水轮机汽蚀的振动噪声法[J]．水利水电快报，1997，18(12)：22～26；
28. A. Loskiewicz-Buczak, R.E. Uhring: Probability neural network for vibration data analysis, Intelligent Engineering Systems Through Artificial Neural Networks, ASME press, New York, vol. 2, 713～718, 1992;
29．董毓新．水轮发电机组振动[M]．大连：大连理工大学出版社，1989．5；
30．沈东．水力机组故障分析[M]．北京：中国水利水电出版社，1996．10；
31．沈东，褚福涛，陈思．水轮发电机组振动故障诊断与识别[J]．水动力学研究与进展(A辑)，2000，15(1)：129～133；
32．中国科学院水利水电科学研究院．水轮机水力振动译文集[M]．北京：中国水利水电出版社，1979；
33．刘峰．基于神经网络的水轮发电机组振动故障诊断专家系统的研究[D]．西安理工大学，2003；
34．贺梅．混流式机组水力振动研究与破坏原因分析[D]．西安：西安理工大学，2000．3．
35．陈卫钢，周建中，常黎．基于专家系统的水电机组振动故障诊断研究[J]．华中科技大学学报(自然科学版)，2002，30(6)：102～104；
36．刘晓亭．水力机组运行设备故障诊断系统的测点布置研究[J]．湖北电力，1995(4)：31～35；
37．国家技术监督局．中华人民共和国标准(GB／T17189-1997)—水力机械振动和脉动现场测试规程[S]．北京：中国标准出版社，1998．9；
38．谷毅．振动测量传感器的发展现状[J]．现代计量测试，1997(5)：6～9；
39．寇惠，原培新．故障诊断中的振动信号处理．北京：冶金工业出版社，1989．8；
40．孟建．大型回转机械故障特征提取的若干前沿技术[D]．西安：西安交通大学，1996．12；
41．耿中行．小波分析方法及其在机械状态监测信号处理中的应用[D]．西
安：西安交通大学，1996．12；
42．陈涛．小波分析理论及其在机械监测与诊断中的应用研究[D]．西安：西安交通大学，1996．12；
43．骆德渊．大型回转机械振动测量、信号处理理论及应用研究[D]．西安：西安交通大学，1996．12；
44．张雪江．机械设备故障诊断系统知识自动获取及更新的研究[D]．南京：东南大学，1997．4；
45．陈长征，罗跃纲，张省，虞和济．基于小波分析的机械故障特征提取研究[J]．机械强度，2001，23(2)：161～164；
46. Mallat S, Hwang W L. Singularity detection and Processing with Wavelets [J]. IEEE Trans on Information Theory. 1992, 38(2): 617～643;
47．赵学智，林颖，陈文戈，陈统坚，叶邦彦．奇异性信号检测时小波基的选择[J]．华南理工大学学报(自然科学版)，2000，28(10)：75～80；
48．秦前清，杨宗凯．实用小波分析[M]．西安：西安电子科技大学出版社，1994．1；
49．李建平．小波分析与信号处理—理论、应用及软件实现[M]．重庆：重庆出版社，1997．12；
50．李弼程，罗建书．小波分析及其应用[M]．北京：电子工业出版社，2003．5；
51．刘贵忠，邸双亮．小波分析及其应用[M]．西安：西安电子科技大学出版社，1992．5；
52．于润伟．MATLAB基础及应用[M]．北京：机械工业出版社，2003．10；
53．邹鲲，袁俊泉，龚享铱．MATLAB 6.x信号处理[M]．北京：清华大学出版社，2002．5；
54．胡昌华，张军波，夏军，张伟．基于MATLAB的系统分析与设计—小波
分析[M]．西安：西安电子科技大学出版社，1999．12；
55．飞思科技产品研发中心．MATLAB6.5辅助小波分析与应用[M]．北京：电子工业出版社，2003．1；
56．刘忠文，周轶尘，李滋湘．故障状态系数及其应用[J]．武汉水运工程学院学报，1988，12(4)：59～62；
57．王江萍．基于信息融合技术的柴油机供油系统故障诊断方法研究[D]．西安交通大学 1997．5；
58. A. Loskiewicz-Buczak, R. E. Uhring:Aggregation of evidence by fuzzy set operation for vibration monitoring, Proceedings of Third International Conference on Industrial Fuzzy Control and Intelligent Systems, Houston, TX, 204～209, 1993;
59. A. Loskiewicz-Buczak, R.E. Uhring. Decision fusion by fuzzy set operations, Proceedings of Third IEEE International Conference on Fuzzy Systems, vol. 2, Orlando, FL, June 26～29, 1994;
60. Xavier E. Gros. A review of NTD data fusion processes and applications, Insight, vol. 39, no. 9, Sep. 1997, 652～657;
61. X.S. Wen, W.B. Su, W.X. Shi. Information fusion based on D-S theory for condition monitoring and fault diagnosis, Condition Monitoring' 97, Xi' an, China;
62．李洪志．信息融合技术[M]．国防工业出版社，1996；
63．滕召胜，罗隆福，童调生．智能监测系统与数据融合[M]．机械工业出版社，2000；
64．段新生．证据理论与决策、人工智能[M]．中国人民大学出版社，1993；
65．袁小宏．机械诊断中信息融合方法的研究[D]，西安交通大学，1998；
66．严新平．摩擦学系统油液监测诊断及其信息融合方法研究[D]．西安交通大学，1997；
67．赵方．油液分析中的在线铁镨技术及信息融合研究[D]．西安交通大
学，1997；
68．伍学奎．基于信息融合的故障诊断理论与方法及其在内燃机中的应用[D]．武汉交通科技大学，1998；
69．张彦铎．基于信息融合的航天器故障诊断技术研究[D]．哈尔滨工业大学，1999；
70．申弢．大型旋转机械智能监测诊断中信息融合理论与技术的研究[D]．华中理工大学，1999；
71．杨宇维．油液分析故障诊断的多信息融合理论研究[D]．中国矿业大学，1998；
72．夏虹．基于数据融合技术的设备故障诊断方法研究[D]．哈尔滨工程大学，2000；
73．赵方等．机器磨损状态监测中的证据理论方法[J]．润滑与密封，2001(4)：7～10；
74．王鸿飞．基于Dempster-Shafer证据理论的柴油机故障诊断[J]．内燃机学报，2000，18(1)：20～23；
75．李圣怡．多传感器融合理论及其在智能制造系统中的应用[M]．国防科大出版社，1998；
76．戴冠中等．证据推理的进展及存在问题[J]．控制理论与应用，1999，16(4)：465～469；
77．高洪涛，王敏．证据理论在旋转机械综合故障诊断中应用[J]．大连理工大学学报，2001，41(4)：459～462；
78．朱大奇等．基于证据理论的电机故障诊断方法研究[J]．华中科技大学学报，2001，29(12)：58～60；
79．王江萍．基于多传感器融合信息的故障诊断[J]．机械科学与技术，2000，19(6)：950～953；
80．孙即祥．现代模式识别[M]．长沙：国防科技大学出版社，2002．1；
81．王志鹏．基于信息融合技术的故障诊断方法的研究及应用[D]．大连
理工大学，2001；
82．黄瑛，陶云刚等．D-S证据理论在多传感器数据融合中的应用[J]．南京航空航天大学学报，1999，31(2)：172～177；
83．徐从富，耿卫东等．面向数据融合的DS方法综述[J]．电子学报，2001，29(3)：393-396；
84. Hall David, James Linas. An Introduction to Multi-sensor Data Fusion [J]. Proceeding of the IEEE, 1997, 85(1): 1～29;
85. Ren C. Luo, Chih-Chen Yih, Kuo Lan Su. Multi-sensor Fusion and Integration: Approaches, Application, and Future Research Directions [J]. IEEE Sensors Journal, 2002, 2(2): 107～119;
86. J. Llinas, E. Waltz., Multisensor Data Fusion, Artech House, Norwood, Massachusetts, 1990;
87. D.L. Hall, Mathematical Techniques in Multi-sensor Data Fusion. Artech House, Boston, London, 1992;
88. Shafer G. A Mathematical Theory of Evidence [M]. Princeton University Press, 1976;
89. Dempster A. P. Upper and Low Probabilities Induced by a Multivalued Mapping [J]. Annals of Mathematical Statistics,1967(38),325～339;
90．Dempster A．P．数据融合技术及其应用[M]．北京：国防工业出版社，1998，9；
91．何友．多目标多传感器分布信息融合算法研究[D]．北京：清华大学，1996，11；
92．陈长征．融合多层感知器故障诊断方法[J]．振动工程学报，1998，增刊；
93．韩静，陶云刚．基于D-S证据理论和模糊数学的多传感器数据融合方法[J]．仪器仪表学报，2000，21(6)：644～647；
94. P. Greenway. The SKIDS Data Fusion Project. Sensor Fusion Ⅳ, Proceedings of SPIE, Vol.1611, Orlando;
95．张雨，徐小林，张建华．设备状态监测与故障诊断的理论和实践[M]．长沙：国防科技大学出版社，2000，4；
96．洪冶，李国宏等．基于小波包分析的水轮发电机组振动的故障诊断[J]．武汉大学学报(工学版)，2002，35(1)：65～68；
97．林雯婷，张克危．小波变换及其在水轮机水压脉动信号处理中的应用[J]．大电机技术，2002(6)：47～53；
98．张彦宁．基于小波分析的水电机组在线监测与故障诊断的研究[D]．西安理工大学，2003；
99．国家技术监督局．中华人民共和国电力行业标准(DL／T 710-1999)—水轮机运行规程[S]．北京：中国标准出版社，1999．8；
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |