基于信息融合技术的多模型磨粒智能识别方法

　　磨粒能够直接反映发动机的磨损过程和磨损状态，对磨损的准确识别是实现发动机故障诊断和状态监测的关键环节。针对单一的智能方法在磨粒识别中的局限性，提出了一种基于信息融合技术的多模型磨粒智能识别方法。首先，利用灰色关联度、模糊优选和神经网络模型对磨粒进行识别，得到3组初始识别结果，归一化后作为3组基本概率分配函数，利用D-S证据理论对其融合得到最终识别结果。实例计算表明，与单一只能模型相比，提出的识别方法提高了磨粒识别的区分度和准确率。并具有良好的通用性、适应性和容错性，为发动机磨损磨粒识别提供了一种新的有效方法。
 

　　铁谱分析技术通过对油液中的磨损颗粒进行识别和分析，可以有效监测发动机的运行状态和磨损故障，如何快速准确地对磨粒进行识别是实现发动机故障诊断和状态监测的关键环节。传统的磨粒识别，通常由人工完成，其主要缺点是工作量大、精度低、自动化程度差以及对分析人员的经验和水平要求较高等。近年来，随着人工智能技术的发展，人们在磨粒智能识别方面已经进行了一些有益的探讨和研究，模糊数学、灰色系统、D-S证据理论和神经网络模型等只能方法已在磨粒识别中得到了应用并取得了一定的成果。
 

　　然而发动机磨损磨粒的产生是一个非常复杂的过程，单一的智能方法可能会受到一定的局限，较难获得理想的效果。解决这一问题的有效办法是将多种智能识别的方法结合使用，进行有效的融合与集成。