磨粒能夠直接反映發(fā)動機的磨損過程和磨損狀態(tài)，對磨損的準(zhǔn)確識別是實現(xiàn)發(fā)動機故障診斷和狀態(tài)監(jiān)測的關(guān)鍵環(huán)節(jié)。針對單一的智能方法在磨粒識別中的局限性，提出了一種基于信息融合技術(shù)的多模型磨粒智能識別方法。首先，利用灰色關(guān)聯(lián)度、模糊優(yōu)選和神經(jīng)網(wǎng)絡(luò)模型對磨粒進行識別，得到3組初始識別結(jié)果，歸一化后作為3組基本概率分配函數(shù)，利用D-S證據(jù)理論對其融合得到最終識別結(jié)果。實例計算表明，與單一只能模型相比，提出的識別方法提高了磨粒識別的區(qū)分度和準(zhǔn)確率。并具有良好的通用性、適應(yīng)性和容錯性，為發(fā)動機磨損磨粒識別提供了一種新的有效方法。
鐵譜分析技術(shù)通過對油液中的磨損顆粒進行識別和分析，可以有效監(jiān)測發(fā)動機的運行狀態(tài)和磨損故障，如何快速準(zhǔn)確地對磨粒進行識別是實現(xiàn)發(fā)動機故障診斷和狀態(tài)監(jiān)測的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的磨粒識別，通常由人工完成，其主要缺點是工作量大、精度低、自動化程度差以及對分析人員的經(jīng)驗和水平要求較高等。近年來，隨著人工智能技術(shù)的發(fā)展，人們在磨粒智能識別方面已經(jīng)進行了一些有益的探討和研究，模糊數(shù)學(xué)、灰色系統(tǒng)、D-S證據(jù)理論和神經(jīng)網(wǎng)絡(luò)模型等只能方法已在磨粒識別中得到了應(yīng)用并取得了一定的成果。
然而發(fā)動機磨損磨粒的產(chǎn)生是一個非常復(fù)雜的過程，單一的智能方法可能會受到一定的局限，較難獲得理想的效果。解決這一問題的有效辦法是將多種智能識別的方法結(jié)合使用，進行有效的融合與集成。
