| 基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断 |
| |
| 引用本文： | 张航,周传杰,张林,陈节涛,徐春梅,彭道刚. 基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断[J]. 发电技术, 2022, 43(6): 951-958. DOI: 10.12096/j.2096-4528.pgt.22162 |
| |
| 作者姓名： | 张航 周传杰 张林 陈节涛 徐春梅 彭道刚 |
| |
| 作者单位： | 1. 国电长源汉川第一发电有限公司;2. 上海电力大学自动化工程学院 |
| |
| 摘 要： | ![]()
针对电厂引风机工况复杂、工作环境恶劣、易出现故障等问题，提出了一种基于改进D-S证据理论的融合诊断方法。该方法利用概率神经网络(probabilistic neural network, PNN)和小波神经网络(wavelet neural network,WNN)对测试样本进行初步诊断，并形成证据体，再利用改进D-S融合方法进行融合诊断。该融合方法根据证据体的信任度和焦元的信任度分配冲突信息，使得信任度高的焦元支持率得到加强、信任度低的焦元支持率得到削弱，融合结果更为合理。仿真结果表明，融合故障诊断方法能有效地避免误诊现象，提高了诊断的正确率，且能合理分配冲突信息。
|
| 关 键 词： | 电厂引风机 焦元 故障诊断 改进D-S证据理论 |
Fault Diagnosis of Power Plant Induced Draft Fan Based on PNN-WNN-DS Information Fusion |
| |
| Hang ZHANG,Chuanjie ZHOU,Lin ZHANG,Jietao CHEN,Chunmei XU,Daogang PENG. Fault Diagnosis of Power Plant Induced Draft Fan Based on PNN-WNN-DS Information Fusion[J]. Power Generation Technology, 2022, 43(6): 951-958. DOI: 10.12096/j.2096-4528.pgt.22162 |
| |
| Authors: | Hang ZHANG Chuanjie ZHOU Lin ZHANG Jietao CHEN Chunmei XU Daogang PENG |
| |
| Abstract: | ![]()
|
| |
| Keywords: | power plant induced draft fan focal element fault diagnosis improved D-S evidential theory |
|
| 点击此处可从《发电技术》浏览原始摘要信息 |
|
点击此处可从《发电技术》下载全文 |
|
