中文摘要：

局部早期微弱的振动故障诊断难度大，一直是国际航空发动机领域重点解决的可靠性难题之一。多传感器网络信息融合技术是解决该类故障诊断的有效途径。但是常规的信息融合方法如D-S证据理论等由于自身理论限制，无法解决该类故障诊断中存在的多传感器信息高冲突条件下的决策融合问题，因而通过融合后易掩盖少数传感器节点发现的局部早期微弱故障而错判。自然界的生物群集（如鱼群）中即使仅有少数个体发现目标（如食物源）后，也能迅速将目标信息传递给所有个体，并在群集内部对目标信息进行识别，最终达到一致的认知决策。受此启发，本项目拟借鉴这种生物群集的目标探测与识别机制，创新性地提出一种决策融合算法，并深入研究实现该算法所涉及的两个理论问题，即生物群集信息传播机制建模及群集内个体决策间对抗与协商机制建模。通过本项目的研究，有望解决发动机局部早期微弱振动故障诊断难题；并可能为解决信息高冲突条件下的决策融合难点问题取得理论突破。

结论摘要：

局部早期微弱的振动故障诊断难度大，一直是国际航空发动机领域重点解决的可靠性难题之一。多传感器网络信息融合技术是解决该类故障诊断的有效途径。但是常规的信息融合方法如D-S证据理论等由于自身理论限制，无法解决该类故障诊断中存在的多传感器信息高冲突条件下的决策融合难点问题。本项目拟借鉴生物群集的目标探测与识别机制，创新性地提出一种生物群集决策融合算法。通过深入研究实现该算法所涉及的理论问题，有望解决发动机局部早期微弱振动故障诊断难题；并可能为解决信息高冲突条件下的决策融合难点问题取得理论突破。根据项目任务书承诺的研究目标，开展了深入、细致的研究工作。首先，设计并完成了多传感器条件下的转子典型故障及早期微弱故障的实验，为所提方法的验证提供了必要的实验数据。其次，针对早期微弱故障的振动信号检测及其预处理，提出了一种能有效克服算法发散的基于稳定约束的自适应随机共振算法，进而提出了基于随机共振预处理以及基于距离判别法的特征选择及核主元分析的非线性特征提取方法，目的是既减少特征维数，又有效提高了特征集的可分性，为提高分类正确率和效率奠定了基础。受生物群集目标探测现象启发，并深入研究借鉴社会学习理论及模型、舆论决策演化模型、多智能体一致性问题以及群决策理论与方法等内在机理和关键机制，建立了群集信息传播模型，群集内部个体决策间对抗与协商模型、群集所有个体一致性决策模型，综上得到了基于多传感器网络的生物群集决策融合方法。进而对其关键参数（相邻界限值和自主界限值）的取值范围、变化规律及参数选取进行了研究和总结，为所提生物群集决策融合算法在多传感器决策融合中的理论与应用研究提供指导。由转子微弱、中度及严重碰摩实验数据的验证表明，本项目所提生物群集决策融合方法能在只有少数传感器（8个传感器中，只有2个传感器初步诊断正确）发现故障、诊断正确的高冲突条件下，得到了正确的决策融合结果，较好地克服了常规D-S融合方法存在的理论瓶颈与不足。撰写学术专著《航空发动机的智能诊断、建模与预测方法》中的1章；成功申请国防工业出版社的学术译著1部，承担其中4章的译著任务；目前发表研究论文10篇，EI检索1篇，EI检索4篇。此外，SCI源刊投稿在审论文1篇，EI核心期刊投稿在审3篇。培养硕士研究生2名；申请国家发明专利3项；参加国际学术会议2人次，国内学术会议3人次。获航空学会理论三等奖1项。