基于多尺度模糊熵的齿轮故障诊断方法

齿轮作为旋转机械的关键零部件之一,其健康状态会影响机械设备的正常运行,因此需要对齿轮进行故障诊断.为了克服模糊熵从单一尺度上考虑时间序列复杂度不够全面的问题,采用了多尺度模糊熵从多个尺度对信号进行处理从而提取故障特征,并借助对类域的交叉或重叠较多的待分样本集识别效果显著的K最近邻分类器对提取的多尺度模糊熵特征进行分类,...     

基于字符匹配度的SVM多分类器设计

本文介绍了常用的SVM多分类器的构造思路,并且分析比较了各种思路的优缺点。针对二叉树决策法中强制分类存在的误判情况,提出了基于字符匹配度的SVM多分类器设计方案。通过实验对比各种多分类器的分类器数量、平均分类次数、训练和判断时间、识别正确率,证明了该构造方案的优越性。     

基于多分类器融合的步态识别方法

为了提高现有基于智能手机加速度传感器步态身份识别的性能,提出了一种基于多分类器融合（MCF）的识别方法。首先,针对现有方法所提取的步态特征较为单一的问题,对单个步态周期提取相对匀变加速度的速度变化量,以及单位时间内加速度变化量作为两类新特征（共16个）;其次,将新特征结合常用的时域、频域特征组成新的特征集,用于训练识别效果与训练时间俱佳的多个分类器;最后,采用多尺度投票法（MSV）对多分类器的输出进行融合处理,得到最终的分类结果。为了检测该方法的性能,采集了32个志愿者的步态数据。实验结果表明,新特征对于单个分类器的识别率平均提升5.95个百分点,最终通过MSV融合算法的识别率为97.78%。     

基于SVM 的二叉树多类分类算法及其在故障诊断中的应用

基于结构风险最小化原则的支持向量机(SVM)对小样本决策具有较好的学习推广性。但由于常规SVM算法是从2类分类问题推导出的，在解决故障诊断这种典型的多类分类问题时存在因雄，因而提出一种依赖故障优先级的基于SVM的二叉树多级分类器实现(2PTMC)方法，该方法具有简单、直观，重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断，获得了令人满意的效果。     

多分类器选择集成方法

针对目前人们对分类性能的高要求和多分类器集成实现的复杂性,从基分类器准确率和基分类器间差异性两方面出发,提出了一种新的多分类器选择集成算法。该算法首先从生成的基分类器中选择出分类准确率较高的,然后利用分类器差异性度量来选择差异性大的高性能基分类器,在分类器集成之前先对分类器集进行选择获得新的分类器集。在UCI数据库上的实验结果证明,该方法优于bagging方法,取得了很好的分类识别效果。     

基于证据理论的多分类器融合方法研究

证据理论是建立在独立性假设基础上,理论和实际应用都需要突破这一限制。最近提出的一种相关证据模型认为,两个相关证据由一个相关源证据分别与两个独立源证据通过正交和合成得到,相关证据的合成可以归结为这三源证据的正交和,为此首先要由相关证据和相关源证据辩识独立源证据,这是证据理论中的反问题,其解是否有意义取决于相关源证据是否合适。该文给出一个充分条件,如果相关源证据满足此条件,反问题有唯一有意义的解,在此指导下,研究了字符识别中的多分类器融合问题,实验结果表明,识别性能优于传统证据理论方法。     

基于多分类器融合的林火检测方法研究

为了解决现有视频火焰检测算法在环境发生变化时识别精准度低、检测结果不佳等问题,提出了一种基于DS证据理论的多分类器融合林火检测方法。该方法通过提取疑似区域,对比选取了颜色、圆形度、面积三种火焰特征,然后分别输入支持向量机(SVM)、最临近(KNN)和决策树(DT)中进行分类识别,最后利用DS证据理论进行决策级融合。通过与其他方法对比实验表明,该方法受环境变化的影响较小,当识别场景发生改变时,识别精准度变化不超过3%,仍保持较高的识别精准度,具有良好的应用前景。     

基于专家域的多层分类器融合

论文提出了一种基于专家域的多层分类器融合模型,专家指不同专长之单分类器。模型思想来自医院诊断流程,模型首先训练n个专家,之后将样本空间按专家专长划分专家域。对于待测样本,先将样本指派到合适的专家域,然后再由指定的专家对样本进行分类。用这种算法对UCI的标准数据集进行分类,实验结果显示,该算法得到比其他算法更低的分类误差,显著提高了分类器的性能。     

煤机设备轴承故障诊断方法

煤机设备滚动轴承早期故障特征微弱,且易受载荷、工况等因素的影响而被噪声淹没,导致轴承故障诊断困难。现有研究大多采用单一算法处理轴承故障信号,故障特征提取精度和故障诊断准确性有待进一步提高。提出了一种融合局部特征尺度分解（LCD）和奇异值分解（SVD）的煤机设备轴承故障诊断方法：采用LCD方法将煤机设备轴承振动信号分解为若干个内凛尺度分量（ISC）,实现信号初步降噪;计算各ISC的香农熵,选择香农熵最小的ISC进行SVD,并构建SVD信号的奇异值差分谱,针对最大突变分量进行信号重构,实现信号增强去噪;对重构信号进行Hilbert包络解调,得到轴承故障特征频率,进而判断轴承故障。采用现场实测数据对基于LCD-SVD的煤机设备轴承故障诊断方法进行验证,结果表明,该方法可准确提取出轴承故障特征频率,从而实现煤机设备轴承早期故障诊断。     

A classifier fusion system for bearing fault diagnosis

In this paper, a new strategy based on the fusion of different Support Vector Machines (SVM) is proposed in order to reduce noise effect in bearing fault diagnosis systems. Each SVM classifier is designed to deal with a specific noise configuration and, when combined together – by means of the Iterative Boolean Combination (IBC) technique – they provide high robustness to different noise-to-signal ratio. In order to produce a high amount of vibration signals, considering different defect dimensions and noise levels, the BEAring Toolbox (BEAT) is employed in this work. The experiments indicate that the proposed strategy can significantly reduce the error rates, even in the presence of very noisy signals.     

基于MVRVM回归和RVM二叉树分类的自确认气动执行器故障诊断算法

为了解决自确认气动执行器的故障诊断问题,提出了一种基于多变量关联向量机( MVRVM)回归和关联向量机二叉树分类的气动执行器故障诊断方法,该方法利用多变量关联向量机回归建立气动执行器的正常模型,然后将实际输出与模型输出比较,产生残差作为气动执行器的非线性故障特征向量。以残差作为输入建立关联向量机二叉树多分类机,诊断气动执行器故障类型。利用DABLib生成的故障数据对所研究方法进行了验证,并与基于RVM一对一分类的故障诊断方法进行了比较,结果表明该方法是解决气动执行器故障诊断的小样本和非线性问题的一种有效方法。     

故障树转化为二元决策树的算法研究

故障树分析法在实施过程中会遇到计算量大的问题,二元决策图是解决这个问题的一种新途径。故障树转化为二元决策图涉及的一个关键问题就是对基本事件的排序,但是基本事件排序是一个NP问题。为了解决这个问题提出了一个将故障树转化为二元决策图的启发式算法,此算法既避免了基本事件排序这个难题,同时又充分考虑了故障树的具体结构,使得到的二元决策图尽量的简单。     

基于粗糙集和贝叶斯分类器的变电站故障诊断

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和贝叶斯分类器的变电站故障诊断方法.首先利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行挖掘,实行属性优选,再运用朴素贝叶斯分类器对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示了该方法能有效地缩小问题求解规模和较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

基于可视化异类特征优选融合的滚动轴承故障诊断

针对故障诊断过程中基于简单的多类故障特征联合决策存在特征集维数多、数据冗余、故障识别率不高的缺点,提出了一种基于异类特征优选融合的故障诊断方法。该方法根据多类特征数据的轮廓图,分析各维特征数据的聚类特性,去除聚类性弱、对故障区分无益的冗余特征维度,仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中,选用故障信号时域统计量和小波包能量两类多维特征进行优选融合,并采用反向传播（BP）神经网络进行故障模式识别。故障识别率达到100%,显著高于无特征优选的故障诊断方法。实验结果表明所提出的方法简便易行,可以显著提高故障识别率。     

Automatic classification of cervical cells using a binary tree classifier

A k-means clustering algorithm for designing binary tree classifiers is introduced for the classification of cervical cells. At each nonterminal node of the designed binary tree classifier, two sets of effective feature are selected: one is based on the Bhattacharyya distance, a measure of separability between two classes; the other is based on the merits of classification accuracy. The classification result has shown the effectiveness of the features and the binary tree classifier used.     

复合故障诊断技术综述

复合故障诊断是故障诊断技术中的难点问题,因为实际工程和复杂系统中多个故障经常存在.本文对复合故障的故障机理、表现形式、诊断思路进行了概述.将故障模式识别存在多输出可能性的求解问题定义为复合故障诊断的科学问题.分析了复合故障诊断的难点.讨论了复合故障的研究现状,按照基于解析模型、基于定性经验、数据驱动的分类方式分别对现有的典型诊断方法和相关技术进行了综述,指出了这些方法的适用范围和优缺点.并探讨了复合故障诊断技术的发展方向.     

一种基于快速特征选择的故障诊断方法

针对故障诊断中数据存在噪声和高维的缺点,使用一种快速特征提取方法对故障数据进行降维,该方法以特征信号的均值和方差作为其权重衡量的依据。利用支持向量机的模式分类功能,构造了基于特征提取的多故障分类器。实例表明,在保证诊断效果的情况下,该方法实现了数据降维,降低了运算复杂度。     

决策树算法在电路故障诊断中的应用

针对PHM（Prognostic and Health Management）中数据挖掘和知识获取困难的问题,提出一种以J48决策树算法为基础的故障诊断方法。采用了开源数据挖掘软件Weka,对CTSV滤波器故障仿真数据进行计算,对故障数据进行属性清理和参数选择。生成的决策树模型有很高的交叉验证率和分类效果。     

基于Rollout算法的序贯多故障诊断策略

针对目前大部分序贯多故障诊断算法需要计算最小碰集、计算方法较为复杂的问题,在对多故障相关矩阵模型进行转换的基础上,利用Rollout算法对基于信息熵的多故障诊断策略进行优化,提出一种新的多故障诊断策略。实例计算结果表明,与现有算法相比,所提出方法的期望测试费用更低,且具有先测试后修复的特点,在实际工程中更便于操作。