系统复杂性的日益增加使得状态参量具有非平稳动态特征和多源耦合性,因此故障诊断中的信号特征提取和多源信息融合诊断,一直是该领域的研究热点和难点问题。本课题针对故障诊断过程中的关键技术——信号特征提取问题,运用信息熵和数据融合理论,分别从信号多层次特征的定量描述和多源信号的定量融合分析两方面进行研究,提出了不同信号变换空间的多种信息熵特征指标和不同层次的信息熵融合模型。 首先,深入分析信息论中的两类主要信息测度——信息熵测度和复杂性测度,对其在测度指标、计算方法和应用特点等方面的性能进行对比研究,针对它们在信号特征提取中各自存在的局限性,提出一种用于描述信号能量分布特征的组分分布概率计算方法,并以此为基础构建适用于广义信号变换空间的复杂度信息熵模型,实现信号内在复杂性特征的定量评价,为多源多层次信号特征提取奠定理论基础。 其次,基于所建立的复杂度信息熵模型分别研究单一变量的多层次特征提取和多源参量的关联特征提取方法。一方面,将复杂度信息熵分别与时域、频域和时频域内的不同信号分析方法相结合,构建多种信息熵特征指标,如奇异谱熵、功率谱熵、多分辨复杂度熵和多分辨率奇异谱熵等,用于实现信号在不同变换空间内能量分布复杂性特征的定量描述。另一方面,将复杂度信息熵扩展到二维信号空间,构建了多变量关联分析的信息熵测度指标——联合复杂度信息熵和信息传递特征指数计算模型,用于描述信号之间的联合能量分布特性及其变化规律。分别以典型模拟信号、非线性系统响应参量和转子系统故障信号为研究对象,通过实验分析验证了上述信息熵指标对于多层次、多源信号特征提取的有效性。 进一步,将信息熵特征提取和数据融合思想有机结合,建立实现多源信号融合分析的信息熵模型和实现方法,其中包括:用于数据级融合的信息熵指标——双通道能谱熵和多通道奇异谱熵;用于特征级融合的多源信息关联优化和信息传递特征分析模型;用于决策级融合的信息熵准则和优化小波神经网络映射模型。上述信息熵融合模型可以分别实现不同层次的多源信息融合,得到体现系统状态特征的综合定量信息或最优融合结果。 最后,针对转子系统故障诊断问题进行了信息熵特征提取及融合方法的应用研