摘要:为了减少传统方法中利用单个参数对电动机进行故障诊断的不确定性,采用多源信息融合技术,利用神经网络与D-S证据理论相结合的方法,创建一种可靠的电动机故障诊断模型.首先对多类传感器进行信息融合,初步识别故障模式,并通过数据分析、处理提取不同的故障特征信息,建立特征域;然后用神经网络对各个特征域进行局部诊断,局部诊断的结果形成独立的证据体,计算各个证据体对于识别框架中各种故障的可信度分配;直接利用这些可信度分配往往难以判别故障类型,选择合适的D-S证据公式对各证据体进行融合,达到对这些证据信息进一步融合处理与分析的目的.每进行一次融合,识别框架中的某种故障的可信度分配就向故障类型的判别阈值靠近一步,而其余故障的可信度分配会越来越小,使得基本可信度分配具有更好的峰值性和可分性,使诊断结果更加准确,最终实现电动机故障的准确诊断.诊断实例表明,基于神经网络与D-S证据理论的电动机故障诊断方法,实现了利用多源信息对电动机故障进行综合诊断,诊断的可靠性和准确性远远大于利用单个特征域进行诊断的局部诊断结果,提高了电动机故障诊断的精度.