1. 介绍 信息融合, 当适用于缺点诊断和瑕疵检查, 旋转大约二个主要问题[ 1–3]: (1) 怎么获取精确和可靠的信息暗示关于潜在的缺点由合并补全, 和可能重复, 多个传感器。 (2) 怎么熔化被获得的决定根据了 多传感器数据, 可能不精确, 并且精读?ict 。 就引擎诊断状况, ?rst 问题与提取faultreveling 的引擎特点从多个传感器, 和描述有关他们在一份连贯表示法计划。此外, 因为信息被获得从传感器固有地残缺不全, 不定, 和不精确, 它是必要的, 融合机制构想以便使这样的impreci- sion 和不确定性减到最小。e?这样的机制的ectiveness 依赖到大规模范围于怎样重复和补全信息暗示被获得从传感器。它相等地重要决定在什么抽象的水平融合过程将发生, 即, 在测量水平, 在特点水平, 并且/或者在决定水平。一般而论, 获取精确和某些引擎质量形容标志可能由熔化达到知觉数据在特点水平。Refs 。[ 4–6] 礼物这类型一些例子数据融合。 第二个问题与决定的质量有关被做出谈到引擎诊断。它是 相当可以想像信息被获得从二?唔ent 传感器导致二?erent 和可能精读?icting 的决定。挑战在这种情况下是怎么查出精读?icts 在传感器之中和怎么熔化他们的deci- sions 入一个连贯决定。论及这个问题构成本文的主要范围。在公式化多传感器决定融合, 本文承担 二种传感器形式情节过去经常监测 唯一活塞引擎的质量在实时。一种形式测量声学由引擎散发; 另一形式测量引擎振动。二种形式典型地被使用在 ?引擎装配线的nal 阶段。音响形式监测时间相关的表现, 当振动形式监测表现索引与阀门清除有关。熔化二种形式可能导致可靠的决定谈到出现和缺乏缺点。 有是一个大数额研究工作被举办在决定融合区域, 多数被建立在贝斯理论附近。基本的战略是如果预先的可能性和有条件可能性事先被确定, 然后posteriori 可能性
|
