科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文从各个证据本身重要性不一致出发，提出了基于证据权重的证据合成新方法，并与多神经网络相结合，提出一种新的故障诊断方法。该方法通过构建不同故障参数特征空间相应的子神经网络分类模型进行局部诊断，其输出作为证据体，用新的D-S证据理论合成方法修正后，进行再一次融合后得到诊断结果。最后诊断实例验证了该方法不仅可以解决证据冲突问题，而且与单传感器诊断相比，该方法可以降低决策的不确定性，大大提高了诊断的精度。
- 单位
本文从各个证据本身重要性不一致出发，提出了基于证据权重的证据合成新方法，并与多神经网络相结合，提出一种新的故障诊断方法。该方法通过构建不同故障参数特征空间相应的子神经网络分类模型进行局部诊断，其输出作为证据体，用新的D-S证据理论合成方法修正后，进行再一次融合后得到诊断结果。最后诊断实例验证了该方法不仅可以解决证据冲突问题，而且与单传感器诊断相比，该方法可以降低决策的不确定性，大大提高了诊断的精度。
