针对电路故障部件的诊断不确定性，提出了一种用于电路部件故障诊断的多传感器D-S信息融合方法。方法通过测量待诊断电路中组件的两个电压和温度参数来获得待诊断两个传感器的可靠性函数，然后获得融合可靠性函数以确定有缺陷的组件。断实例的结果证明了该方法的有效性。前，信息融合技术已成为一个非常活跃的研究领域，广泛应用于机器人系统，图像分析和处理，自动目标识别，卫星遥测和遥感，但实际上已应用于电子电路故障的诊断。有很多领域。定电子电路组件的离散参数，操作环境不稳定和其他因素，使用单个传感器确定电子电路信息的不确定性可能会导致不可避免地是由于无法准确诊断故障甚至检测和错误诊断中的错误[1]。习多传感器信息融合技术可以解决电子电路故障诊断中固有的不确定性问题。据信息论的理论，来自多个传感器或源的信息内容大于任何一维信息的内容，从而使多传感器信息融合技术可以合理地协调多源，数据和数据。分整合有用的信息，恒温阀芯更好地解决电路故障。断不确定性问题，增加信心，并提高电路故障诊断的准确性和可靠性。D-S证据理论基于事件的结果并寻找原因。于不确定性推理的多属性诊断问题，D-S证明理论是整合不确定性主观信息判断的有效方法。DS证明理论方法如下：第一步是预处理几个传感器或数据源（证据），第二步估计每个传感器或数据源的基本可信度分布值证据，第三步是基于DS证据。论总结规则根据一般证据估计基本可信度的分布值，以便根据适用的判断原则最终确定由于信息融合而产生的最大可信度[2]。
种传感器测试的症状均属于每种缺陷类型的可靠性函数m1（A1）… m1（An），m2（A1）… m2（An），第二步是使用规则用于执行多传感器数据融合的综合软件。息融合后，症状属于各种缺陷的可靠性函数m（A1）… M（An），最终根据判断原理确定缺陷的类型。于DS证据理论的故障诊断过程如图1所示。
靠性函数的分配是一种人为推理，是对人的可信度的一种人为推理。效模式假设受到各种因素的强烈约束，因此不同的想法将形成不同的可靠性函数分配公式。
公式（1）中：N是传感器的总数； Nc是目标模式的数量； Wj是传感器j的环境加权系数；是传感器j的最大相关系数；传感器j的相关分布值为Δ，Rj为传感器j的可靠性系数。Cj（Ai）是传感器j与目标模式Ai的相关系数。等式（1）和（2）中，主要是针对Ai确定传感器j的相关系数Cj（Ai），N和Nc通常是固定值，而Wj由传感器的特性确定。
场经验。物理意义上讲？ J和Cj（Ai）表示根据某种传感器的测量值（即两个量之间的相关性）测量到某种类型目标的物体的归属程度从而使模糊集理论的平均隶属函数？ J代替Cj（Ai）。属函数应根据传感器的工作特性和所测参数的特性确定[3]。如，对于电路的部件，当外部环境稳定并且电路正常工作时，电路的关键点具有稳定的电压值，当然温度值也稳定；如果电路的某个组件发生故障，则电路关键点的电压值肯定会偏离正常值，并且温度信号将不可避免地发生变化（减小或增大），并且温度之间的差值或电压和正常值会很大，部件出现故障的可能性就越大。
公式（3）中，ej是要诊断的组件参数的正常变化范围，tj是要诊断的组件参数的极限，x0j是电路正常工作时要测试的组件的标准参数值，xj是传感器测量的实际值。校正系数，？ J是确定属于缺陷的诊断组件j的隶属度的传感器。m1和m2是功率集2Ω上的两个独立的基本概率分配，A1，A2，…，Ak和B1，B2，…，Bk是可靠性函数的焦点元素，因此2Ω为可靠性融合分配功能，m = m1m2。示包含完整碰撞假设Ai和Bj的所有可信函数的乘积之和； 1-C用于确保融合的可靠性功能处于[O，1]。设C = 1，则ml和m2是矛盾的，则不存在m且基本可信度的分配不能合并； C≠1，可以确定m是可靠性函数。式（4）给出的证明的组合是D-S组合规则。果存在多个证据的组合，则可以使用法律来组合证据。实际的电路故障诊断中，焦点元素A1，A2，…，Ak和B1，B2，…，Bk是要诊断的一组故障组件，而m（A）表示融合被分配给每个要诊断的故障组件。靠性函数的值。确定性的可靠性函数低于某个阈值，例如0.15。断的故障组件的可靠性函数值必须大于不确定性的可靠性函数值，例如0.45。断故障元素与其他组件的可靠性功能值之间的差必须大于某个阈值，例如0.45。诊断的故障组件必须具有最大可靠性功能值，该值必须大于某个阈值。果阈值太小或太大，则可能会导致判断错误或判断遗漏。2是要诊断的故障的电路图，该电路是信号放大器电路，其中三个LM318运算放大器是要诊断的组件，称为A1，A2和A3。
外测温仪用于检测要诊断的组件A1，A2和A3的温度，探头检测A1，A2和A3的输出电压u1，u2和u3，并调整放大器电路的输入信号ui，以用于获得多组测量值。包含正常值和默认值。据测量值和属于缺陷的函数确定相关系数Cj（Ai），然后计算要诊断的组件的可靠性函数。感器数量为N = 2，待诊断组件Nc = 3，电压传感器的加权系数为W2 = 0.3，温度传感器的加权系数为W1 = 0.7根据等式（1）和（2），如果有缺陷，则诊断出要诊断的部件A1。后，通过等式（4）计算A2和A3的可靠性函数，然后计算融合可靠性函数m（Ai）的值以及A1，A2和A3的不确定性m（θ）。终确定故障诊断。
参阅表1进行故障排除。据表1中的数据，在要诊断的组件A1，A2，A3中，仅通过电压传感器或温度传感器提取的可靠性函数的值，如果只是可靠性，则某些值相对相似。用传感器如果该功能分配了一个值来确定故障组件，则故障组件A2可能无法确定条件。是，在多传感器数据融合之后，组件A2明显高于组件A1和A3，这清楚地表明A1和A3是正常组件，而A2是有缺陷的组件。以看出，多传感器信息融合的可靠性值降低了可靠性函数的其他类型的值，恒温阀芯提高了实际目标的可靠性值，从而有效降低了缺陷组件的不确定性。
果使用电压或温度传感器来单独识别难以评估的故障组件，则在融化后可以完全准确地识别出该组件。此，基于D-S证明理论的多传感器数据融合方法可以大大提高电路故障诊断的可靠性和准确性[4]。文提出了一种基于DS证据理论的信息融合算法，并提出了一种主要基于电压和温度这两个物理量以及多传感器信息融合电路故障的诊断方法。
不是融合多传感器信息。将其应用于电路的故障诊断。陷诊断实例的结果表明，多传感器信息融合克服了单信息诊断方法的缺陷，可以有效，快速地诊断电路故障，提高部件的定位精度。认值。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com