基于信息融合技术的发动机故障诊断的研究

研究了信息融合技术在电控发动机故障诊断中的应用。研究结果表明,基于神经网络的特征层信息融合诊断效果明显优于单一传感器,而且可实现信息压缩,进行实时处理与诊断;基于Dempster—Shafer证据推理的决策层信息融合,可对异质传感器信息进行非同步处理,对发动机故障分类准确性高、可靠性强,但融合精度不及特征层融合方法,预处理代价高。在实际应用中,应根据传感器类型、信号预处理方式、系统的复杂程度等合理选择信息融合方法。