基于多源信息融合的发动机转子早期故障识别

摘要

提出了将神经网络与D-S(Dempster-Shafer)证据理论相结合的发动机转子早期故障分级融合识别方法.文中对多源信息融合系统的基本结构、多源信息融合方法、早期故障融合识别过程等进行了分析和研究,并以发动机转子早期碰摩为对象进行了实验验证.结果表明,将神经网络与D-S证据理论相结合的早期故障分级融合识别方法,能够有效地提高发动机转子早期故障识别的快速性和有效性,利用神经网络的输出构造D-S融合推理中各焦元的基本概率赋值函数,避免了构造基本概率赋值函数时人为因素的影响,提高了故障识别精度.