摘要：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,得到神经网络的权值和阈值,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。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问题。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,最后以变速箱轴承故障诊断为例,验证该方法的可行性和有效性。
