基于信息融合方法的大型旋转机组安全评价技术研究

本申请项目以石化、冶金和电力等行业中的大型旋转机组为研究对象，针对其监检测系统数据的多源、异构、多阶段和多层次等特点，提出将信息融合方法应用于大型旋转机组的安全评价中，以期克服现有的信号处理与趋势预测方法在多传感器数据综合利用中的不足，以及信息融合应用框架不完善导致的多传感器优化技术发展困难等问题，为大型旋转机组的特征提取、危险状态识别及剩余寿命预测提供理论依据和分析手段。主要研究内容包括：基于Laplacian谱图理论的同构数据的一致性及其融合方法，基于透视变换法的异构数据的一致性及其融合方法，基于误差流理论的多阶段数据融合方法，基于模糊D-S证据理论的多层次信息融合方法。本申请项目的预期研究成果不仅可以应用于压缩机组、连轧机组、汽轮机组和风电机组等大型旋转机组的安全评价，而且在大型桥梁、高层建筑和油气管道等工程结构的安全评价中也有着广泛的应用，具有重要的理论价值和实用工程意义。

本项目以石化、冶金和电力等行业中的大型旋转机组为研究对象，针对其监检测系统数据的多源、异构、多阶段和多层次等特点，提出了将信息融合方法应用于大型旋转机组的安全评价中，克服了现有的信号处理与趋势预测方法在多传感器数据综合利用中的不足，以及信息融合应用框架不完善导致的多传感器优化技术发展困难等问题，为大型旋转机组的特征提取、危险状态识别及剩余寿命预测提供理论依据和分析手段。在项目研究中，主要针对大型旋转机组中两类典型特征的信号开展研究，即石化行业中具有典型非线性故障特征的高速转子的监测数据以及在冶金行业中具有非平稳特征的连轧机组的状态监测数据。..在项目执行期间，已完成的研究内容主要包括：基于平稳小波变换的高维相空间重构方法及在冲击信号特征提取中的应用，基于自适应形态小波的非线性、非平稳信号压缩预处理方法，基于加权D-S证据理论的滚动轴承故障诊断方法，基于BP神经网络和PCA的滚动轴承故障诊断方法，基于分层集成信息的轴承信号融合方法，基于多观测序列HMM的旋转机械设备性能退化评估方法，基于集成学习的轴承剩余使用寿命预测方法，基于图像特征的异构传感器数据级信息融合方法，基于BP神经网络曲线拟合的轴承寿命预测方法等。..同时，为解决大型旋转机组数据分散、数据量大的问题，增加了“基于云计算的机械设备远程故障诊断系统研究”；将本项目研究的信息融合方法扩展到输电塔结构的安全评价，增加了“输电塔结构损伤识别及剩余寿命预测方法研究”。..本项目的研究成果不仅可以应用于压缩机组、连轧机组、汽轮机组和风电机组等大型旋转机组的安全评价，而且在输电杆塔、大型桥梁、高层建筑和油气管道等工程结构的安全评价中也有着广泛的应用，具有重要的理论价值和实用工程意义。..在本项目的资助下，已出版专著1部，在国内外共发表论文11篇（6篇期刊论文，5篇会议论文），其中1篇被SCI检索，10篇被EI检索，1篇被ISTP检索。项目负责人于2011年7月和2012年12月分别参与组织了2次国际研讨会议，邀请国外专家来北京开展学术研讨。项目负责人2次赴国外参加国际学术会议并做口头报告，同时担任了PHM-2013会议技术委员会（TPC）成员及分会主席，担任了ICMA-2013会议国际程序委员会成员。项目组成员中1人晋升正高级职称，2人晋升副高级职称；共培养1名博士研究生和10名硕士研究生顺利毕业。