故障分类的改进证据理论信息融合技术研究.pdfVIP

故障分类的改进证据理论信息融合技术研究程加堂,等

故障分类的改进证据理论信息融合技术研究

ResearchontheImprovedEvidenceTheoryInformationFusionTechnology

forFaultClassification

程加堂艾莉华静

(红河学院工学院,云南蒙自661199)

摘要:为了实现Dempster合成规则在奇异证据间信息融合后可信度分配的合理赋值,提出了一种基于改进证据理论的信息融合新

方法。通过引入可信度因子,对原始证据进行修正,再由证据理论的合成规则进行信息融合,并以汽轮机组作为研究对象进行分析验

证。实例表明,该方法可以在原始证据出现高度冲突的情况下得到较好的符合性判定结论,并避免了几种代表性的改进方法在合成

一致证据时所存在的发散现象,从而验证了该故障分类方法的有效性。

关键词:汽轮机证据理论信息融合故障诊断故障分类

中图分类号:TP206+.3文献标志码:A

Abstract:InordertorealizereasonableassignmentofcredibilityassignationofDempstersyntheticrulesafterinformationfusionbetween

singularevidence,thenewmethodforinformationfusionmethodbasedonimprovedevidencetheoryisproposed.Throughintroducing

credibilityfactor,theoriginalevidenceiscorrected;thentheinformationfusioniscarriedoutbythesyntheticruleoftheevidencerule,and

withtheturbineastheresearchobject,analysisverificationisconducted.Thepracticalexamplesshowthatunderhighconflictconditionofthe

originalevidence,thismethodstillobtainsbetterconclusionofcompliancedetermination,andavoidsthedivergencephenomenonexistingin

consistentevidencesynthesisofseveralrepresentativeimprovedmethods,thustheeffectivenessofthismethodoffaultclassificationisverified.

Keywords:TurbineEvidencetheoryInformationfusionFaultdiagnosisFaultclassification

0引言1改进的证据理论

故障诊断的本质是复杂系统建模。尽管神经网络1.1改进算法

可以有效映射复杂系统的非线性关系,但是当故障特对于辨识框架Θ,证据m、m的Dempster合成规12

征向量维数较多时,将会导致网络的结构比较复杂,从则为:

而致使诊断结果的准确性较低。虽然目前的一些优化1

[1-5]m(C)=[∑m(A)m(B)]1i2j(1)

算法可以有效改进神经网络的故障分类能力,但