于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断

• 作者: 张航 周传杰 张林 陈节涛 徐春梅 彭道刚
• 来源期刊: 发电技术
• 关键词: 电厂引风机 焦元 故障诊断 改进D-S证据理论
• 年，卷（期）: 2023,（6）
• 所属期刊栏目: 发电及环境保护
• 页码范围: 951-958
• 页数: 7页
• 分类号: TM 621
• 语种: 中文
• DOI: 10.12096/j.2096-4528.pgt.22162

摘要

针对电厂引风机工况复杂、工作环境恶劣、易出现故障等问题，提出了一种基于改进D-S证据理论的融合诊断方法。该方法利用概率神经网络(probabilistic neural network，PNN)和小波神经网络(wavelet neural network，WNN)对测试样本进行初步诊断，并形成证据体，再利用改进D-S融合方法进行融合诊断。该融合方法根据证据体的信任度和焦元的信任度分配冲突信息，使得信任度高的焦元支持率得到加强、信任度低的焦元支持率得到削弱，融合结果更为合理。仿真结果表明，融合故障诊断方法能有效地避免误诊现象，提高了诊断的正确率，且能合理分配冲突信息。