多神经网络与d-s证据理论融合的凝汽器故障诊断方法 fault diagnosis method of condenser base on the fusion of multi-neural networks and d-s evidence theory.pdfVIP

下载本文档

2
0
约 4页
2017-09-04 发布于上海
举报
版权申诉

多神经网络与d-s证据理论融合的凝汽器故障诊断方法 fault diagnosis method of condenser base on the fusion of multi-neural networks and d-s evidence theory.pdf

1、本文档共4页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第58卷第2期汽轮机技术 V01．58No．2 2016年4月 TURBINETECHNOLOGY Apr．2016 多神经网络与D—S证据理论融合的凝汽器故障诊断方法曹丽华，王宏宇，李勇 (东北电力大学，吉林132012) 摘要：在凝汽器故障诊断的研究历史中，人工神经网络有着举足轻重的作用。但由于单一神经网络自身缺点的存在，使得故障诊断的准确率不高。针对这一问题，使用BP神经网络和Elman神经网络对故障样本进行训练仿真，并将诊断结果借助于D—s证据理论进行融合。结果表明：多神经网络与D—S证据理论融合的方法可以很好的进行故障剥离，诊断出最终故障，从而提高凝汽器故障诊断的准确性。关键词：BP神经网络；Elman神经网络；D—S证据理论；故障诊断分类号：TK267 文献标识码：A 文章编号：1001．5884(2016)02-0122-03 Fault MethodofCondenserBaseontheFusion Diagnosis of NetworksandD—SEvidence Muhi．neural Theory CA0 Li-hua．WANG Hong-yu．UYong Dianli 13201 (NortheastUniversity，Jilin2，China) in in artificialNeuralNetworkis a role researchofcondenserfault Abstract：The great diagnosishistory．The playing defect neuralnetwork．BPneuralnetworkandElman rateoffault isnot sincethe of diagnosis single precision high personal neural trainandsimulatethesamefault inthis andthe resultsare network$treusedto diagnostic firstly examplespaper fusedwiththe oftheD-Sevidence resultsshowthattheeffectof doubtfulfaultsis well help theory．The eliminating very baseonthefusionofmulti—neuralnetworksandD—Sevidence thefaultintheendand the distinguish