基于LS-SVM多分类器融合决策的混合故障诊断算法

摘要：

故障诊断的关键是特征向量提取和分类器的选择,提出一种综合运用多特征提取和多分类器组融合决策的故障诊断算法.多特征提取选择小波包变换、总体平均经验模式分解方法(Empirical Mode Decomposition,EEMD)和改进小波能熵方法,得到三组不同的故障特征信息;将这三组特征信息输入由3个最小二乘支持向量机(Least SquareSupport Vector Machine,LS-SVM)组成的分类器组进行初步诊断;采用自整定权值的决策模板法(Self-adjusting weigh-ted Decision Templates,SWDT)进行多分类器诊断结果的融合决策.实验证明,该方法能实现轴承不同故障类型,尤其是复合故障的可靠识别,验证了该算法提取轴承故障特征信息的完备性,以及分类器组融合决策的可靠性.

关键词：多特征提取、最小二乘支持向量机、多分类器融合、自整定权值的决策模板法

所属期刊栏目：32

分类号：TP274;TH133(自动化技术及设备)

资助基金：国家自然科学基金项目61172095,51075349

在线出版日期：2013-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：159-164,182