【摘要】：基于信息融合的故障综合诊断也是当前故障诊断技术发展中一个重要方面，已引起国内外学者的高度重视。1988年，美国国防部把它列为90年代重点研究开发的二十项关键技术之一。近年来，信息融合技术逐步渗入到故障诊断领域，并获得一些有效的进展。在旋转机械的故障诊断中，利用神经网络、模糊理论等信息融合技术对提升机进行状态监测和故障诊断［24］；利用灰色理论和神经网络来预测矿井扇风机主轴振动的变化规律［5］。
2.2 基于信息融合的故障诊断
基于信息融合的故障综合诊断也是当前故障诊断技术发展中一个重要方面，已引起国内外学者的高度重视。国外于20世纪70年代开始对信息融合进行研究，由于信息融合本身所具有的良好的稳定性、宽阔的时空覆盖区域、很高的测量维数和良好的目标空间分辨率以及较强的故障容错与系统重构能力等潜在特点，所以该问题一经提出，就引起了各国的高度重视。1984年，美国国防部（DOD）成立了数据融合专家小组（Data Fusion Suband，DFS）。1988年，美国国防部把它列为90年代重点研究开发的二十项关键技术之一。
近年来，信息融合技术逐步渗入到故障诊断领域，并获得一些有效的进展。刘三明教授运用人工神经网络方法研究了大型风力发电机制动闸的状态监测与寿命预测问题，杭州电子科技大学的文成林教授研究了多尺度算法与信息融合理论在故障诊断中的应用［16］，徐晓滨博士研究了一种基于多源异类信息统一表示的多传感器数据融合方法［18］；国防科技大学的邱静博士研究了柔性加工系统多传感器与方法的模糊融合监测模型与方法［4］。
在旋转机械的故障诊断中，利用神经网络、模糊理论等信息融合技术对提升机进行状态监测和故障诊断［24］；利用灰色理论和神经网络来预测矿井扇风机主轴振动的变化规律［5］。由此可见，当前故障诊断中信息融合的研究主要集中在决策层和特征层，其研究仍然是基础性的，需要进行更深入和广泛的研究。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
