神经网络与D-S证据理论分层融合的柴油机综合故障诊断方法研究

被引：6

作者：

杨广 ^{[1
]}

吴晓平 ^{[2
]}

机构：

[1] 海军部队

[2] 海军工程大学信息安全系

来源：

武汉理工大学学报(交通科学与工程版) | 2011年 / 03期

关键词：

柴油机; 故障诊断; 信息融合; 神经网络; D-S证据理论;

D O I：

暂无

中图分类号：

U672.2 [机械设备修理工艺];

学科分类号：

摘要：

针对柴油机传统故障诊断方法处理数据量大、故障类型复杂多变的问题时存在诊断准确率不高的现状,利用数据融合原理,将神经网络和证据理论进行有机的结合,提出了神经网络和证据理论分层融合的柴油机故障综合诊断方法.该方法通过并行神经网络的结构提高局部诊断网络的诊断能力,并给出了基本可信度分配的客观化方法,充分利用各种故障的冗余和互补信息,可显著提高故障诊断的准确率.诊断实例表明,该方法能显著提高柴油机故障诊断系统的效率.

引用

页码：558 / 561+566 +566

页数：5

共 7 条

[1]

Fault diagnosis of airplane hydraulic Pump.Proceedings of the 4th world congress on intelligent control and automation. June 10-14, 2002, Shanghai, P. Zhou Ruixiang,Lin Tingqi,Han Jianding. R. China .

[2]

多传感器信息融合及应用[M]. 电子工业出版社 , 何友等著, 2000

[3]

Neural networks[P]. MIGLIORATO PIERO;GARTH SIMON CHRISTOPHER JOHN;MILNE WILLIAM IRELAND.英国专利:GB2255427B,1994-06-08

[4] 故障多征兆域一致性诊断策略的研究 [J].

何永勇 ;

钟秉林 ;

黄仁 .

振动工程学报, 1999, (04) :11-17

[5] 神经网络和证据理论融合的故障诊断方法研究 [J].

姜万录 ;

李冲祥 .

中国机械工程, 2004, (09) :8-12

[6] 基于多分辨率小波网络-BP神经网络-D-S证据理论信息融合模型的直流系统故障诊断方法 [J].

李冬辉 ;

周巍巍 .

电网技术, 2004, (24) :16-20

[7]

An approach tofault diagnosis based on a hierarchical information fu-sion scheme. Fu Qiang,Shen Yi,Zhang Jianqiu. IEEE Instrumentation and Meas-urement Technology Conference . 2001

← 1 →