基于ELM和证据理论的发动机故障诊断

• 作者: 尹刚 张英堂 李志宁 马超
• 来源期刊: 车用发动机
• 学科: 工学
• 关键词: 内燃机 极限学习机 信息融合 D-S证据理论 故障诊断
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 测试与诊断
• 页码范围: 88-92
• 页数: 5页
• 分类号: TK428
• 字数: 4147字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2222.2013.03.019

摘要

针对发动机故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于极限学习机(ELM)和D-S证据理论相结合的发动机故障诊断方法.该方法通过构建多子ELM分类模块进行局部诊断,采用类内间距法求出实际输出与标准输出的相似度矩阵,并将其归一化得到各单一传感器的信度函数分配框架,运用证据理论融合得出最终的诊断结果.实例表明,该方法通过对多源多特征参数进行融合,充分利用了各传感器的冗余及互补信息,与单一振动或噪声信号的诊断效果相比,显著提高了故障诊断精度,降低了诊断结果的不确定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张英堂	军械工程学院车辆与电气工程系	101	884	16.0	23.0
2	李志宁	军械工程学院车辆与电气工程系	48	304	9.0	15.0
3	尹刚	军械工程学院车辆与电气工程系	23	146	7.0	11.0
4	马超	军械工程学院车辆与电气工程系	7	93	6.0	7.0