根据多传感器数据融合理论,研究了煤矿大型机电设备故障类型,提出了用多传感器数据融合技术建立2级机电设备故障诊断的方法。在特征级上采用遗传算法优化BP神经网络(GA-BP),对大量多传感器监测数据进行降维并建立基本信任分配函数;在决策级采用D-S证据理论算法,克服故障诊断过程的不确定性,以提高故障诊断的准确性。

模拟电路故障诊断理论与方法pdf,模拟电路故障诊断理论与方法目录 引言 模拟电路故障诊断方法的分类 三;现代模拟电路故障诊断理论和方法 2.专家系统故障诊断方法 2.2神经网终故障诊断方法 222 2.3模拟故障诊断方法… 2.4小波变换故障诊断方法 2.5多传慼器信息融合故障诊断方法… 2.6基于 Agent技术的故障诊断方法 2.7基于其他理论的故障诊断方法…………………………………………6 四:结论 结束语 参考文献 ………………10 0引言 近年来,随着对模拟电路故障诊断技木硏究的进一

煤矿开采中突透水检测一直是存在的技术难题,存在监测手段及监测方法落后的问题,笔者提出了沿工作面优化布置传感器的新方法,综合考虑各种因素如巷道、含水层水位,顶、底板压力以及挖掘面前方水量等,同时参考现有水文地质资料及监测所得数据,建立基于BP神经网络和D-S证据理论两级融合的煤矿工作面突水评价模型。评价模型以山西某矿3#煤层作为实例进行了分析,分析结果与实际结果基本相同,又提出针对不同环境条件矿井的多参数统计、存储及评价方法。

传统的数据融合算法要求获得比较精确的对象数学模型，对于复杂的难于建立模型的场合无法适用。为解决上述问题，提出了一种基于BP神经网络算法的多传感器数据融合方法，对对象的先验要求不高，具有较强的自适应能力。仿真结果表明，采用BP神经网络对传感器数据进行融合处理大大提高了传感器的稳定性及其精度，效果良好。