论文部分内容阅读
信息融合是近年来兴起的一门学科，在许多领域得到了广泛的研究和应用，在设备故障诊断领域的应用尚处于起步阶段。设备故障诊断中可利用的信息很多，只有充分利用有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性，因此故障诊断实质上是一个多信息融合的过程。本文以RSM齿轮箱故障诊断为研究对象，在对国内外研究现状进行分析的基础上，给出了一种基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法。本文详细分析了BP神经网络的特点，说明了神经网络应用于故障诊断的可能性。研究了基于BP神经网络的故障诊断方法，集成神经网络的建模方法、组建原则和实现策略。针对故障诊断中的不确定性，提出了基于D-S证据理论的决策融合，简要介绍了D-S证据理论的基本概念，本文以RSM齿轮箱为实验对象，提出了BP神经网络和D-S证据理论相结合的综合诊断方法，通过实验验证这种方法的可行性和有效性。可以用于RSM齿轮箱的故障诊断。