《表3 死区故障下各BP神经网络的输出结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《特征指标信息融合的电动调节阀故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表中可以看出，当不同故障产生时，部分特征指标会对应发生明显变化。比较不同故障下系统性能评价指标（MVC）的大小可知，调节阀的不同故障对系统性能有着不同的影响；其中电动调节阀在卡死和粘滞故障下，MVC仅为0.063 5和0.101 2，因此，调节阀的卡死和粘滞对控制系统影响较为严重。接下来，将计算得到的指标值分别作为神经网络的输入进行训练以生成D-S证据理论的基本概率分配函数。本文利用Matlab构造BP神经网络，每个BP神经网络模型训练次数为10 000次，训练目标为0.000 1，学习速率为0.01。由于篇幅原因，仅展示死区故障下各神经网络的输出结果和经过D-S证据理论融合后的诊断结果，分别如表3和表4所示。