CAJ | 학술논문

证据理论在合成高度冲突的证据时,得到的结果往往有悖常理.几种代表性的改进方法虽然能较好地解决此问题,但收敛速度较慢,并且利用这些改进方法组合一致证据时发散,从而限制证据理论在故障诊断领域的应用.鉴于此,提出一种基于证据可信度的证据合成新方法,并结合神经网络,提出基于改进证据理论的多神经网络融合故障分类方法.以齿轮为研究对象,将齿轮原始特征参数空间划分为多个子空间,建立各子空间对应的神经网络诊断模型,将各子神经网络的输出作为证据体,以所提出的改进证据合成方法对各证据体进行组合实现故障模式的分类识别.将所提方法与传统证据理论方法、其他代表性改进方法以及传统神经网络方法的分类结果进行对比,验证改进证据合成方法融合分类的有效性.
증거이론재합성고도충돌적증거시,득도적결과왕왕유패상리.궤충대표성적개진방법수연능교호지해결차문제,단수렴속도교만,병차이용저사개진방법조합일치증거시발산,종이한제증거이론재고장진단영역적응용.감우차,제출일충기우증거가신도적증거합성신방법,병결합신경망락,제출기우개진증거이론적다신경망락융합고장분류방법.이치륜위연구대상,장치륜원시특정삼수공간화분위다개자공간,건립각자공간대응적신경망락진단모형,장각자신경망락적수출작위증거체,이소제출적개진증거합성방법대각증거체진행조합실현고장모식적분류식별.장소제방법여전통증거이론방법、기타대표성개진방법이급전통신경망락방법적분류결과진행대비,험증개진증거합성방법융합분류적유효성.