一种基于证据神经网络的设备故障识别方法

本发明公开了一种基于证据神经网络的设备故障识别方法，涉及设备检测技术领域。包括基于振动传感器获得设备振动数据，对设备振动数据预处理，提取振动数据频域、时域以及时频域的特征作为训练数据集，构建包括输入层、隐藏层和输出层的证据神经网络，将训练数据集输入证据神经网络，优化网络参数，获得训练好的证据神经网络，将待检测振动数据输入训练好的证据神经网络中识别设备故障。本发明能够实现对设备的故障的位置和类型进行精准定位和判断。