战琳 任建存

摘 要 针对起爆装置故障诊断过程中存在的故障隐含性和突发性强，发生故障的具体因子难以筛选等复杂问题，基于D-S证据理论将BP神经网络与Elman神经网络信息相融合，提出了一种适用于起爆装置故障诊断的高效方法，可以为起爆装置故障诊断测试提供理论依据和实用方法。

关键词 起爆装置；故障诊断；D-S证据理论；神经网络

起爆装置故障诊断是测试起爆装置技术性能状态的重要手段。起爆装置故障具有隐含性和突发性强的特点，在故障诊断的过程中，存在着与发生故障的关联因素难以筛选确定等复杂问题。目前，故障诊断方法主要是采用故障诊断仪器设备来完成的。故障诊断仪器的基本原理是通过对组成起爆装置的每个部件的性能测试来实现故障诊断的。这种诊断方式往往是通过人工来完成的，故障诊断效率较低。为了提高故障诊断效率，采用人工智能技术和自动化测试技术成为十分便捷的实用手段。其中，神经网络技术是实现起爆装置自动化测试的基本技术方法。常用的神经网络都是由不同的神经单元按照一定的次序相互连接而成的复杂网络系统，运用神经网络可以解决起爆装置故障状态的诊断问题，但是，单一的神经网络方法也存在一些缺陷，往往使网络辨识结果难以反映故障的具体情况。文中，将D-S证据理论与多神经网络相结合，提出了一种高效的故障诊断方法[1]。

1 起爆装置故障的BP神经网络辨识