Utilisation du spectre et du graphique de trajectoire axiale pour extraire les caractéristiques des signaux de vibration de défauts extraites de la simulation en plateforme, construction d'un sous-réseau de réseau neuronal BP et utilisation de la théorie des preuves D-S pour fusionner la sortie du sous-réseau de réseau neuronal BP (fusion d'informations multicouches) de différents côtés pour diagnostiquer les défauts. Les résultats montrent: que la confiance dans le diagnostic des défauts en utilisant la méthode de fusion d'informations multicouches augmente d'environ 0.03 par rapport à la méthode du spectre, et augmente d'environ 0.4 par rapport à la méthode du graphique de trajectoire axiale, ce qui est significatif. Améliore considérablement la précision de l'identification du type de défauts.

turbine à vapeur; diagnostic de défauts; spectre; graphique de trajectoire axiale; sous-réseau de réseau neuronal BP; théorie des preuves D-S; fusion d'informations multicouches; confiance