传感器信号的充分利用对于设备和零件的状态监测具有重大意义。为了通过采集的多源振动信号得到设备和零件的完备退化信息,提出一种自适应加权数据级融合方法。首先对振动信号进行预处理,然后以K最近邻算法的分类结果作为粒子群优化算法的适应度函数,通过不断迭代,寻找多源传感器融合的最佳权重。对多源传感器融合系统、多源传感器融合方法以及滚动轴承的故障诊断进行了研究,最后在滚动轴承的全寿命周期数据集上进行试验验证,证明该方法实现了多源传感器采集数据的有效利用,能够完备反映滚动轴承的故障特征,对振动信号的故障诊断和寿命预测具有长远意义。

为解决刹车片内部缺陷检测的难题,提出了一种通过分析敲击信号对刹车片内部缺陷进行检测的方法。首先,截取通过敲击获得的声音信号,然后利用小波包分解和变分模态分解（VMD）提取能量特征,根据可分性判据选择最优特征作为分类特征,最后运用K最近邻（KNN）算法对故障特征进行识别,获得准确的类别信息,准确率达到了96%以上,对刹车片内部是否存在缺陷做出有效判断。通过对实际信号进行实验验证,表明该方法能够准确的识别刹车片的好坏,提高检测效率和精度。