基于卷积神经网络的时序变换证据融合方法

摘要

证据理论在不确定性推理、数据融合、故障诊断领域应用较广泛，但对证据的时序同步性要求限制了其在工业中的应用。当电站锅炉磨煤机及制粉系统运行状态受机组负荷和煤质变化影响时，系统内不同对象的动态特性会导致信号间存在时序差异，及时准确获知其运行工况对优化设备运行、预防事故发生具有重要意义。研究了一种基于卷积神经网络的消除证据间时序差异的方法，首先通过卷积神经网络对磨煤机运行数据进行时序变换，得到消除时序差异的数据，再利用典型样本法构造信度函数分配，最后用证据理论进行融合得到诊断结果。实例分析表明该方法能够提前6min诊断出系统存在堵磨故障，取得较好的应用效果。

关键词

证据理论 / 卷积神经网络 / 时序变换 / 磨煤机 / 故障诊断

基金资助

国家重点研发计划资助项目（2022YFB4100400）