制造技术与机床
製造技術與機床
제조기술여궤상
MANUFACTURING TECHNOLOGY & MACHINE TOOL
2014年
9期
163-166
,共4页
RBF神经网络%D-S证据理论%数控机床%滚珠丝杠副%故障诊断
RBF神經網絡%D-S證據理論%數控機床%滾珠絲槓副%故障診斷
RBF신경망락%D-S증거이론%수공궤상%곤주사강부%고장진단
RBF neural network%D-S evidence theory%CNC machine tools%ball screw%fault diagnosis
针对滚珠丝杠副多故障问题、单一传感器的不确定性及Dempster合成法则本身存在的不足,提出基于改进DST及RBF神经网络的滚珠丝杠副故障诊断方法.将RBF神经网络的输出结果作为各焦元的基本概率分配,滚珠丝杠副的4种故障类型作为系统的识别框架,引入证据可信度概念,根据新的合成公式进行决策级融合.试验结果表明,改进的新合成公式提高了滚珠丝杠副故障诊断的准确率,使冲突证据合成的结果更理想,取得较好的效果.
針對滾珠絲槓副多故障問題、單一傳感器的不確定性及Dempster閤成法則本身存在的不足,提齣基于改進DST及RBF神經網絡的滾珠絲槓副故障診斷方法.將RBF神經網絡的輸齣結果作為各焦元的基本概率分配,滾珠絲槓副的4種故障類型作為繫統的識彆框架,引入證據可信度概唸,根據新的閤成公式進行決策級融閤.試驗結果錶明,改進的新閤成公式提高瞭滾珠絲槓副故障診斷的準確率,使遲突證據閤成的結果更理想,取得較好的效果.
침대곤주사강부다고장문제、단일전감기적불학정성급Dempster합성법칙본신존재적불족,제출기우개진DST급RBF신경망락적곤주사강부고장진단방법.장RBF신경망락적수출결과작위각초원적기본개솔분배,곤주사강부적4충고장류형작위계통적식별광가,인입증거가신도개념,근거신적합성공식진행결책급융합.시험결과표명,개진적신합성공식제고료곤주사강부고장진단적준학솔,사충돌증거합성적결과경이상,취득교호적효과.
