針對供輸彈系統(tǒng)早期故障微弱特征難以提取等問題,提出了信息熵與信息融合的故障診斷方法。將經(jīng)過降噪預(yù)處理后的信號提取樣本熵作為特征參量,經(jīng)Elman神經(jīng)網(wǎng)絡(luò)初步診斷,將其輸出值歸一化后作為證據(jù)體的基本概率分配,采用一種基于證據(jù)關(guān)聯(lián)系數(shù)加權(quán)平均融合模型,最終得到?jīng)Q策級融合的診斷結(jié)果。結(jié)果表明:該方法能有效對供輸彈系統(tǒng)故障進行診斷,診斷正確率高達93.71%。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 樣本熵算法
2 D-S證據(jù)理論
    2.1 D-S證據(jù)理論概念
    2.2 Dempster組合規(guī)則
3 實驗分析與論證
    3.1 實驗測點布置
    3.2 實驗過程及記錄
    3.3 樣本熵特征提取
    3.4 Elman神經(jīng)網(wǎng)絡(luò)初步診斷
    3.5 基于證據(jù)關(guān)聯(lián)系數(shù)的加權(quán)平均融合算法
        3.5.1 證據(jù)沖突分析
        3.5.2 證據(jù)關(guān)聯(lián)系數(shù)的加權(quán)平均融合算法具體步驟
            (1) 計算每兩個證據(jù)體的關(guān)聯(lián)系數(shù)。
            (2) 將關(guān)聯(lián)系數(shù)作為支持度,構(gòu)造支持度矩陣:
            (3) 計算可信度Crd(mi),可信度是每個證據(jù)體的加權(quán)系數(shù)。
            (4) 計算加權(quán)平均后的基本概率賦值函數(shù)。
            (5) 按照Dempster證據(jù)組合規(guī)則對加權(quán)平均證據(jù)進行融合,有n組證據(jù)時融合n-1次。
4 結(jié) 論



本文編號：3736137