论文部分内容阅读
为提高水电机组振动故障诊断的准确性，提出了一种基于改进D-S汪据理论融合量子粒子群优化BP神经网络（QPSO—BP）的诊断方法。根据水电机组常见的振动故障类型，采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断，并作为独立证据体应用于D—S理论的合成之中，实现了基本概率赋值的客观化。针对标准D—S无法合成高度冲突证据的缺陷，通过计算权值矩阵对其进行修正。实例分析表明，和3个初级诊断模型及标准D-S合成法相比，所提方法可以有效识别机组的振动故障，具有较高的诊断准确率。