摘要:为了解决采用单一神经网络存在的问题与不足,提出基于boosting算法的多个BP神经网络构成的组合加权神经网络(称之为BP-Adaboost)故障诊断方法.该方法由多个BP神经网络组成,每个网络分别解决对象的某一方面的问题,或将一个方面的问题分成若干部分,分别由不同的网络专门解决.通过协调网络间的任务分工,同时相互弥补各自的不足,从而获得比单一神经网络更好效果的一种机器学习方法.将该方法应用于发动机转子故障模拟的平衡样本、不平衡样本及不同初始权重样本的诊断中,结果表明该方法能够取得更高的故障诊断精度,具有更好的泛化性能;同时简化了使用人员的操作程序,减小了使用操作的难度和随机性,更加适用于工程实际的非对称不平衡样本的诊断.