作者:黄丹,徐平安,王其军,任玉东,严彬 单位:沈阳仪表科学研究院有限公司 出版:《仪表技术与传感器》2015年第03期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFYBJS2015030310 DOC编号:DOCYBJS2015030319 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于D-S理论的故障诊断融合算法及应用研究》PDF+DOC2010年第01期 张佳薇,李明宝,郭润龙 《基于主元分析和集成神经网络的瓦斯传感器故障诊断》PDF+DOC2016年第09期 杨真,邓芳明,郝勇,徐长英,王宏,吴翔 《基于多传感器的神经网络和D-S证据理论在故障诊断中的应用》PDF+DOC2017年第04期 周国宪,伍星,刘韬 《基于D-S的小波神经网络信息融合方法》PDF+DOC2006年第04期 杨亚军,王福明 《基于主元分析和D-S证据理论的传感器故障诊断与应用》PDF+DOC2011年第04期 付华,梁明广,康海潮 《D-S证据理论在多传感器故障诊断中的改进及应用》PDF+DOC2011年第S1期 李月,徐余法,陈国初,苗锐,俞金寿 《两级数据融合算法在木材干燥过程中的应用》PDF+DOC2009年第09期 曹军,张佳薇,孙丽萍 《多PCA模型及SVM-DS融合决策的服务机器人故障诊断》PDF+DOC2015年第03期 袁宪锋,宋沐民,周风余,陈竹敏 《基于DS证据理论的精馏塔故障诊断方法》PDF+DOC2013年第28期 杨帆,江星,陈茂林,吴迅,张岗 《基于改进证据理论的故障诊断方法研究及应用》PDF+DOC2013年第18期 刘希亮,陈桂明,李方溪,张倩,罗显廷
  • 针对瓦斯传感器故障诊断时,存在提取的样本数据空间维数大、诊断实时性差、诊断结论的识别能力低和存在不确定性的问题,提出了一种基于主元分析(PCA)-神经网络和D-S证据理论集成的故障诊断策略。使用主元分析方法对高维故障样本空间数据进行降维,再结合神经网络分类器进行故障模式识别。并且运用DS证据理论对神经网络分类器的故障诊断结果进行数据融合。仿真实验表明:该诊断方法改善了神经网络对瓦斯传感器故障诊断准确率的同时提高了诊断速度,并且降低了故障结论的不确定性以及提高了结论的识别与决策能力。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。