| 神经网络和改进D-S证据理论相结合的滚动轴承复合故障诊断研究 |
| |
| 引用本文： | 李善,谭继文,俞昆.神经网络和改进D-S证据理论相结合的滚动轴承复合故障诊断研究[J].机床与液压,2018,46(1):153-157. |
| |
| 作者姓名： | 李善 谭继文 俞昆 |
| |
| 作者单位： | 青岛理工大学机械工程学院; |
| |
| 基金项目： | 国家自然科学基金资助项目（51075220）；山东省高等学校科技计划项目（J13LB11）；高等学校博士学科点专项科研基金（20123721110001）；青岛市科技计划基础研究项目（12-1-4-4-（3）-JCH） |
| |
| 摘 要： | 提出了将神经网络与D-S证据理论相结合的故障诊断方法,实现了故障信号的特征级和决策级融合,并应用于轴承的复合故障诊断研究。将BP、RBF、GRNN 3种神经网络的输出结果作为3个证据体,滚动轴承的4种复合故障特征作为系统的识别框架,引入聚类系数作为权值分配,重新计算基本概率赋值,对D-S证据理论进行改进,以提高轴承复合故障诊断的准确性。
|
| 关 键 词： | 滚动轴承 复合故障诊断 神经网络 聚类系数 D-S证据理论 |
Composite Fault Diagnosis Research of Rolling Bearing Based on Combination of Neural Network and Improved D-S Evidence Theory |
| |
| Abstract: | |
| |
| Keywords: | Rolling bearing Composite fault diagnosis Neural network Clustering coefficient D-S evidence theory |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|
