基于差分进化神经网络与D-S证据理论的分层信息融合故障诊断方法研究

摘要

本文提出一种神经网络初步诊断和D-S证据理论融合决策诊断相结合的分层信息融合故障诊断策略,并建立相应的功能模型.在神经网络初步诊断层中,首先,把待诊断设备的故障特征参数空间划分为若干个子参数空间,同时根据各子参数空间构造相应的故障子空间;其次,根据各子参数空间的定义和相应的子故障空间,构造独立的诊断子网络以及相应的学习样本;然后,构造多个独立的诊断子网络,利用差分进化算法的全局寻优能力,快速得到神经网络的权值和阈值,以对网络进行训练;最后,对训练好的网络进行测试,确定出各个子网络的性能,为以后的融合决策诊断做准备.在融合决策诊断层中,用初步诊断层中各子网络的输出结果构造证据体,通过证据融合推理分析,得出最终诊断结论.本文通过差分进化神经网络与D-S证据理论的结合,解决了随着诊断参数的增多,神经网络结构逐渐庞大而造成网络学习困难、网络识别精度下降等一系列问题.同时借助于D-S证据理论可以有效地把各诊断子网络的输出结果进行融合决策.最后本文以变速箱轴承故障诊断为例,以验证该方法的可行性和有效性.