2.2　基于信息融合的故障診斷

基于信息融合的故障綜合診斷也是當前故障診斷技術(shù)發(fā)展中一個重要方面，已引起國內(nèi)外學者的高度重視。國外于20世紀70年代開始對信息融合進行研究，由于信息融合本身所具有的良好的穩(wěn)定性、寬闊的時空覆蓋區(qū)域、很高的測量維數(shù)和良好的目標空間分辨率以及較強的故障容錯與系統(tǒng)重構(gòu)能力等潛在特點，所以該問題一經(jīng)提出，就引起了各國的高度重視。1984年，美國國防部（DOD）成立了數(shù)據(jù)融合專家小組（Data Fusion Suband，DFS）。1988年，美國國防部把它列為90年代重點研究開發(fā)的二十項關(guān)鍵技術(shù)之一。

近年來，信息融合技術(shù)逐步滲入到故障診斷領(lǐng)域，并獲得一些有效的進展。劉三明教授運用人工神經(jīng)網(wǎng)絡(luò)方法研究了大型風力發(fā)電機制動閘的狀態(tài)監(jiān)測與壽命預測問題，杭州電子科技大學的文成林教授研究了多尺度算法與信息融合理論在故障診斷中的應(yīng)用［16］，徐曉濱博士研究了一種基于多源異類信息統(tǒng)一表示的多傳感器數(shù)據(jù)融合方法［18］；國防科技大學的邱靜博士研究了柔性加工系統(tǒng)多傳感器與方法的模糊融合監(jiān)測模型與方法［4］。

在旋轉(zhuǎn)機械的故障診斷中，利用神經(jīng)網(wǎng)絡(luò)、模糊理論等信息融合技術(shù)對提升機進行狀態(tài)監(jiān)測和故障診斷［24］；利用灰色理論和神經(jīng)網(wǎng)絡(luò)來預測礦井扇風機主軸振動的變化規(guī)律［5］。由此可見，當前故障診斷中信息融合的研究主要集中在決策層和特征層，其研究仍然是基礎(chǔ)性的，需要進行更深入和廣泛的研究。