|
1.
基于SVM-DS证据理论融合决策的故障诊断方法
李志伟, 曹乐
噪声与振动控制
2023, 43 (5):
148-153.
针对复杂工况下单传感器对于装备故障诊断识别率低、证据缺乏、数据冗余等问题,提出一种基于支持向量机(Support Vector Machine,SVM)结合D-S 证据理论的多维度特征数据融合决策故障诊断方法。首先,通过多种方法提取特征构建SVM分类器,对故障类型进行初步分类;然后,将Sigmoid 函数作为传递函数,利用SVM分类器对测试数据进行分类,获取测试样本的后验概率并得到测试样本的混淆矩阵;最后,根据混淆矩阵求出局部可信度与全局可信度,并与后验概率相结合实现基本概率分配函数赋值,通过融合计算得到最终诊断结果。实验结果表明,融合后的分类器模型对内圈故障类型分类准确率达100 %,对正常和滚珠类型分类准确率为95 %,对外圈故障分类准确率为90 %。采取多特征融合诊断相较于单一方法有较高准确率和鲁棒性,可有效降低单一特征提取所带来的不稳定性。
相关文章 |
多维度评价
|
|