神经网络和改进D-S证据理论相结合的滚动轴承复合故障诊断研究

来源：机床与液压杂志2018年第1期北京时间：

作者：李善

单位：青岛理工大学机械工程学院；青岛理工大学机械工程学院；青岛理工大学机械工程学院

摘要：提出了将神经网络与D-S证据理论相结合的故障诊断方法，实现了故障信号的特征级和决策级融合，并应用于轴承的复合故障诊断研究。将BP、RBF、GRNN 3种神经网络的输出结果作为3个证据体，滚动轴承的4种复合故障特征作为系统的识别框架，引入聚类系数作为权值分配，重新计算基本概率赋值，对D-S证据理论进行改进，以提高轴承复合故障诊断的准确性。

关键词：滚动轴承;复合故障诊断;神经网络;聚类系数;D-S证据理论

基金资助：国家自然科学基金资助项目（51075220）；山东省高等学校科技计划项目（J13LB11）；高等学校博士学科点专项科研基金（20123721110001）；青岛市科技计划基础研究项目（12-1-4-4-（3）-JCH）