基于神经网络和证据理论的液压系统故障诊断

• 作者: 宋明远 董增寿 邓丽君
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: 液压系统故障诊断 神经网络 D-S证据理论
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 计算机与信息科学
• 页码范围: 167-171
• 页数: 5页
• 分类号: TP181
• 字数: 3587字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2012.03.001

摘要

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董增寿	太原科技大学电子信息工程学院	69	116	5.0	9.0
2	宋明远	太原科技大学华科学院	3	8	2.0	2.0
3	邓丽君	太原科技大学电子信息工程学院	2	18	1.0	2.0