赵双龙，郝永生

（军械工程学院导弹工程系，河北 石家庄 050003）

0 引 言

在装备故障诊断领域，国内外学者在研究采用诸如神经网络[1-2]、模糊理论[3]、专家知识[4-5]等技术方法，取得了一定的进展。应用这些方法在故障诊断方面虽然都有一定的优势，但采用单一的诊断模式对武器装备进行故障诊断时，总会存在推理能力弱、出现匹配冲突、容错能力差的缺点[6-8]，所以仅仅单凭某一个方法就主观地下结论容易导致误判或漏判。针对武器装备故障诊断的多故障问题，提出综合利用证据理论与神经网络的优点，组成二级信息融合故障诊断模型，综合诊断武器装备故障。

1 数据级融合方法（RBF神经网络）

径向基函数神经网络的网络拓扑结构图如图1所示。

图1 RBF神经网络的拓扑结构

该网络各层含义如下：

第1层为输入层。输入层神经元只起连接作用，不进行信号变换。

第2层为隐含层。设输入层第i个神经元至隐含层第j个神经元的连接系数为

输入层神经元至隐含层第j个神经元的链接系数矢量，也即隐含层第j个神经元中心矢量为

第3层为输出层。设隐含层第j个神经元至输出层第k个连接系数为

径向基对应输入为X的输出Y为

式中：θk（1≤k≤O）——输出层第k个神经元的阀值。

2 特征级融合方法（DS证据理论）

2.1 故障诊断中的识别框架

对某一判别问题，所能认识到的所有可能的结果的集合用Θ表示，Shafer称其为识别框架（frame of discernment）。

在故障诊断问题中，每种可能的故障都为假设，各种可能故障的集合为识别框架，故障的每一症状下测得的数据为证据。……