基于QPSO-BP和改进D-S的水电机组振动故障诊断
为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法.根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化.针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正.实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率.
水电机组、振动、故障诊断、量子粒子群优化BP神经网络、改进D-S证据理论
43
TM312(电机)
云南省教育厅科学基金项目2012Y450
2015-11-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
66-71