关键词：粒计算神经网络(GrC-NN);DS证据理论;电动汽车;故障诊断
摘 要：文章针对电动汽车故障数据庞杂、非线性的问题,提出了一种基于粒计算神经网络(granular computation-neural network,GrC-NN)和Dempster-Shafer(DS)证据理论的电动汽车故障诊断方法。该方法采用GrC对电动汽车故障信息进行属性约简,使用约简后的样本训练反向传播(back propagation,BP)神经网络与径向基函数(radial basis function,RBF)神经网络,并将测试数据输入到神经网络中分别进行初步诊断,最后利用DS证据理论对初步诊断结果进行决策级融合,得到最终诊断结果。仿真结果表明,该方法能有效简化神经网络结构,提高电动汽车故障诊断的准确度。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取