计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
7期
408-412
,共5页
故障诊断%汽轮机%信息融合
故障診斷%汽輪機%信息融閤
고장진단%기륜궤%신식융합
Fault diagnosis%Turbine%Information fusion
针对BP神经网络在故障诊断中容易陷入局部极小点及收敛速度慢等问题,引入了小波神经网络(WNN)和概率神经网络(PNN)两种故障诊断算法.为了避免采用单一的故障诊断方法进行故障诊断可能会存在误诊或漏诊的现象,提高故障诊断的可靠性,又在决策层引入D-S理论进行融合故障诊断.但是由于在处理冲突证据合成时,D-S合成公式完全没有考虑冲突证据信息而造成故障信息的浪费,因此为了充分利用所有故障信息,采用了改进的D-S合成算法,提出了一种基于WNN-PNN和改进的D-S集成的汽轮机组故障诊断方法.方法首先通过WNN和PNN对故障信息进行诊断并构造证据体,然后根据改进的D-S证据理论进行融合诊断.通过仿真验证了集成诊断方法的有效性.
針對BP神經網絡在故障診斷中容易陷入跼部極小點及收斂速度慢等問題,引入瞭小波神經網絡(WNN)和概率神經網絡(PNN)兩種故障診斷算法.為瞭避免採用單一的故障診斷方法進行故障診斷可能會存在誤診或漏診的現象,提高故障診斷的可靠性,又在決策層引入D-S理論進行融閤故障診斷.但是由于在處理遲突證據閤成時,D-S閤成公式完全沒有攷慮遲突證據信息而造成故障信息的浪費,因此為瞭充分利用所有故障信息,採用瞭改進的D-S閤成算法,提齣瞭一種基于WNN-PNN和改進的D-S集成的汽輪機組故障診斷方法.方法首先通過WNN和PNN對故障信息進行診斷併構造證據體,然後根據改進的D-S證據理論進行融閤診斷.通過倣真驗證瞭集成診斷方法的有效性.
침대BP신경망락재고장진단중용역함입국부겁소점급수렴속도만등문제,인입료소파신경망락(WNN)화개솔신경망락(PNN)량충고장진단산법.위료피면채용단일적고장진단방법진행고장진단가능회존재오진혹루진적현상,제고고장진단적가고성,우재결책층인입D-S이론진행융합고장진단.단시유우재처리충돌증거합성시,D-S합성공식완전몰유고필충돌증거신식이조성고장신식적낭비,인차위료충분이용소유고장신식,채용료개진적D-S합성산법,제출료일충기우WNN-PNN화개진적D-S집성적기륜궤조고장진단방법.방법수선통과WNN화PNN대고장신식진행진단병구조증거체,연후근거개진적D-S증거이론진행융합진단.통과방진험증료집성진단방법적유효성.
