基于神经网络数据融合方法的模拟电路故障诊断

• 作者: 何怡刚 刘美容 周龙 芦湘冬 谢宏 陈霞
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 神经网络 数据融合 故障检测与诊断 D-S证据理论
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 机电工程
• 页码范围: 47-52
• 页数: 6页
• 分类号: TN431.1
• 语种: 中文
• DOI: 10.3321/j.issn:1000-2472.2005.04.010

摘要

根据模拟系统故障检测原理,采用神经网络与数据融合相结合的方法进行模拟电路故障诊断,提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法.应用D-S证据理论对径向基函数网络进行了修正,用具有一个输入层、两个隐含层和一个输出层的神经网络实现.各个证据体的基本概率赋值的获取是D-S证据理论在实际应用中的难点问题,本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值.借助神经网络自学习的功能,实现对类别隶属度的最优化.结果表明该方法能快速有效地进行故障诊断中大量数据的处理,具有很强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何怡刚	湖南大学电气与信息工程学院	426	5127	34.0	51.0
2	谢宏	湖南大学电气与信息工程学院	52	377	11.0	18.0
3	陈霞	湖南大学电气与信息工程学院	7	55	3.0	7.0
4	刘美容	湖南大学电气与信息工程学院	19	291	8.0	17.0
5	芦湘冬	湖南大学电气与信息工程学院	2	23	2.0	2.0
6	周龙	湖南大学电气与信息工程学院	2	27	2.0	2.0