用于多传感器信息融合的人工神经网络故障分类器

摘要

本文报道采用神经网络分类器识别多传感器故障的分类组合算法技术。为保证检测的准确性和可靠性,经常采用多传感器测量,此时传感器故障判断是信息的融合技术的关键所在。本文采用BP神经网络,传感器的标定点为无故障类样本,其它多种故障样本采用随机函数产生。每两种模式交叉训练、选用模糊期望输出、通过神经网络进行训练,得到多个故障分类器。这些训练好的分类器对传感器的故障类别可进行部分识别,从中选取相关性小的几个分类器构成分类矩阵,用分类矩阵对多个分类器结果采用最大相关的方法进行组合,最后得到准确的故障判断信息。实验表明用多神经网络分类器进行组合能准确识别传感器的故障,及时剔除无效数据,增加检测的准确度和可靠性,对提高多传感器的检测精度也起很大作用。