摘要
针对传统电路故障诊断方法准确率不高的问题,提出深度信念网络（Deep belief network,DBN）与加权D-S证据理论相融合的故障诊断算法.利用DBN模型对两类证据体故障数据进行自适应特征提取,完成各故障模式的初步分类;基于初步分类结果获取证据体,对各故障模式的基本概率分配（Basic probability assignment,BPA）与加权系数;对BPA进行加权处理,完成基于证据理论（Dempster-shafer,D-S）的多信息融合,获得最终故障诊断结果.实验结果表明:DBN的应用可以有效提取故障数据本质特征,提高初步分类准确率;加权D-S证据理论的应用削弱了证据体间冲突,增强诊断的可信度,提高电路故障诊断的准确率.
辽宁工程技术大学学报(自然科学版) 
2021年第05期 
