基于神经网络和证据融合的液压泵故障诊断研究

作者：朱冠霖1，王兆强1*，王异凡2，.... 日期：2021-02-24/span> 浏览：2044 查看PDF文档

基于神经网络和证据融合的液压泵故障诊断研究*
朱冠霖1，王兆强1*，王异凡2，李志峰3，孙崇智4
(1.上海工程技术大学 机械与汽车工程学院, 上海 201620;2.国网浙江省电力有限公司 电力科学研究院,
浙江 杭州 310007；3.甘肃省特种设备安全技术检查中心,甘肃 兰州 730020;
4.甘肃省特种设备检验检测研究院,甘肃 兰州 730050)

摘要:针对单一传感器检测易受到环境干扰，很难准确分辨出液压泵故障类型的问题，将神经网络分类识别及证据理论融合技术应用到液压泵故障诊断中。对自适应调节方法优化的粒子群神经网络(PSOBP)故障分类、DS证据理论中融合悖论及失效问题的改进进行了研究；使用认知因子、社会因子动态指导粒子寻优，并利用引力思想构造两条故障证据间新的冲突系数，进而提出了符合液压泵故障诊断的多源传感器数据融合模型；通过实验构造液压泵的6种运行状态并分别进行了故障诊断测试。研究结果表明：使用自适应调节方法优化的粒子群神经网络对液压泵的故障诊断准确率有所提高，分别达到93.50%、93.67%，融合诊断结果支持度均接近1，降低了诊断的模糊性。
关键词:柱塞泵；液压故障诊断；多源传感器；神经网络；证据融合
中图分类号:TH137.51；TP183          文献标识码:A       文章编号:1001-4551(2020)12-1498-06

本文引用格式:
朱冠霖，王兆强，王异凡,等.基于神经网络和证据融合的液压泵故障诊断研究［J］.机电工程,2020,37(12):1498-1503.
ZHU Guan-lin, WANG Zhao-qiang, WANG Yi-fan, et al. Hydraulic pump fault diagnosis based on neural network and evidence fusion［J］.Journal of Mechanical & Electrical Engineering, 2020,37(12):1498-1503.《机电工程》杂志:http://www.meem.com.cn