| 基于SVM和证据理论的多数据融合故障诊断方法 |
| |
| 引用本文： | 姜万录,吴胜强.基于SVM和证据理论的多数据融合故障诊断方法[J].仪器仪表学报,2010,31(8). |
| |
| 作者姓名： | 姜万录 吴胜强 |
| |
| 作者单位： | 1. 燕山大学机械工程学院,秦皇岛,066004
2. 燕山大学机械工程学院,秦皇岛,066004;邢台职业技术学院,邢台,054035 |
| |
| 基金项目： | 国家自然科学基金，河北省自然科学基金(E2008000812) 资助项目 |
| |
| 摘 要： | 针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用"一对一"多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。
|
| 关 键 词： | 故障诊断 D-S证据理论 多数据融合 小波包 |
Multi-data fusion fault diagnosis method based on SVM and evidence theory |
| |
| Jiang Wanlu,Wu Shengqiang.Multi-data fusion fault diagnosis method based on SVM and evidence theory[J].Chinese Journal of Scientific Instrument,2010,31(8). |
| |
| Authors: | Jiang Wanlu Wu Shengqiang |
| |
| Abstract: | |
| |
| Keywords: | SVM |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
