融合D-S证据理论的DBN电路故障诊断算法

• 作者: 马垠飞 王力
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 电路故障诊断 深度信念网络 特征提取 基本概率分配 D-S证据理论
• 年，卷（期）: 2021,（5）
• 页码范围: 448-453
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文

摘要

针对传统电路故障诊断方法准确率不高的问题,提出深度信念网络(Deep belief network,DBN)与加权D-S证据理论相融合的故障诊断算法.利用DBN模型对两类证据体故障数据进行自适应特征提取,完成各故障模式的初步分类;基于初步分类结果获取证据体,对各故障模式的基本概率分配(Basic probability assignment,BPA)与加权系数;对BPA进行加权处理,完成基于证据理论(Dempster-shafer,D-S)的多信息融合,获得最终故障诊断结果.实验结果表明:DBN的应用可以有效提取故障数据本质特征,提高初步分类准确率;加权D-S证据理论的应用削弱了证据体间冲突,增强诊断的可信度,提高电路故障诊断的准确率.