作者:马超 张英堂 李志宁 尹刚内燃机极限学习机信息融合故障诊断
摘要:针对发动机故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于极限学习机(ELM)和D-S证据理论相结合的发动机故障诊断方法。该方法通过构建多子ELM分类模块进行局部诊断,采用类内间距法求出实际输出与标准输出的相似度矩阵,并将其归一化得到各单一传感器的信度函数分配框架,运用证据理论融合得出最终的诊断结果。实例表明,该方法通过对多源多特征参数进行融合,充分利用了各传感器的冗余及互补信息,与单一振动或噪声信号的诊断效果相比,显著提高了故障诊断精度,降低了诊断结果的不确定性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社