典型文献
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
文献摘要：
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.
文献关键词：
电厂引风机;焦元;故障诊断;改进D-S证据理论
中图分类号：
作者姓名：
张航;周传杰;张林;陈节涛;徐春梅;彭道刚
作者机构：
国电长源汉川第一发电有限公司,湖北省 武汉市 431614;上海电力大学自动化工程学院,上海市 杨浦区 200090
文献出处：
引用格式：
[1]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(06):951-958
A类：
B类：
概率神经网络,小波神经网络,DS,信息融合,电厂引风机,风机故障,机工,环境恶劣,证据理论,融合诊断,法利,probabilistic,neural,network,PNN,wavelet,WNN,证据体,融合方法,信任度,焦元,支持率,故障诊断方法,误诊,合理分配
AB值：
0.331486
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
