作者:刘希亮,陈桂明,李方溪,张倩 单位:中国机械工程学会;郑州机械研究所 出版:《机械强度》2013年第06期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFJXQD2013060060 DOC编号:DOCJXQD2013060069 下载格式:PDF + Word/doc 文字可复制、可编辑
《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 《基于改进证据理论的齿轮泵故障诊断方法研究》PDF+DOC2013年第07期 刘希亮,陈桂明,李方溪,张倩 《基于改进证据理论的全信息故障诊断》PDF+DOC2016年第03期 廖平,郑友娟,覃才珑 《基于神经网络和证据理论的信息融合在故障诊断中的应用》PDF+DOC2012年第11期 李伟,梁玉英,朱赛 《有效处理冲突证据的融合方法》PDF+DOC2009年第01期 关欣,衣晓,孙晓明,何友 《火电机组信息融合故障诊断方法及其发展》PDF+DOC2005年第01期 陈非,黄树红,张燕平,高伟 《多传感器信息融合在航天侦察中的应用》PDF+DOC2012年第03期 李丹,于小红 《改进的证据理论在目标识别中的应用》PDF+DOC2008年第07期 邓鹏华,毕义明,刘卫东,王晓梅 《D-S证据理论信息融合在故障诊断中的应用》PDF+DOC2007年第08期 胡冠林,李娟,罗勇 《基于SVDD与D-S证据理论的发动机故障诊断研究》PDF+DOC2013年第01期 张玲玲,廖红云,贾继德,乔龙,程利军
  • 针对传感器采集的信息具有不确定性和冲突性的特点,提出一种基于证据理论的多传感器信息融合故障诊断方法。利用冲突证据判据判断相似性证据和冲突证据,保留相似性证据,通过相似度对冲突证据进行有针对性地修正,这种判断和修正方式可以降低传感器证据信息的不确定性,并减弱冲突信息对诊断结果的影响。结合神经网络建立特征空间到证据空间的映射,有效利用网络输出结果构建原始证据,最后将修正后的证据进行D-S(Dempster-Shafer)合成。通过齿轮泵早期故障试验,与传统频域分析、神经网络和其他证据合成方法对比,所提方法具有较高的诊断精度,从而验证新融合方法的有效性。

    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。