基于量子遗传神经网络与D-S证据理论的断路器机械特性故障诊断

• 作者: 刘建华 周明平 侯川川
• 来源期刊: 高压电器
• 关键词: 断路器 故障诊断 量子算法 遗传算法 RBF神经网络 D-S证据理论
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 技术讨论
• 页码范围: 230-235
• 页数: 5页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2018.01.035

摘要

针对目前断路器故障诊断系统诊断结果不精确的现状，提出一种量子遗传神经网络与D-S证据理论的方法，利用小波包变换和频带分析技术，得到分合闸线圈电流与机械振动波的高频及低频信号，提取2类信号每个频带的能量值分别作为2个独立的量子遗传径向基（RBF）神经网络的输入量，并得到2个初步诊断结果，最终利用D-S证据理论技术将2个RBF神经网络的评价结果融合。实验结果表明：量子遗传算法改进的RBF神经网络收敛速度快，结果精确；同时，D-S证据理论融合后的诊断结果准确度更高，并且诊断结果可信度提升。