结合 SVM和改进证据理论的多信息融合故障诊断

摘要：

为了综合合理利用设备多个方面特征信息来提高故障诊断的准确性，提出一种结合支持向量机（Support vector machine，SVM）和改进证据理论的多信息融合故障诊断方法。该方法通过混淆矩阵获取各 SVM局部诊断证据对各故障模式的可靠度，赋予不同的权重系数，并对由各 SVM局部诊断硬输出判决矩阵构造出的基本概率分配进行加权处理，从而实现 SVM和改进证据理论在多信息融合故障诊断中的有效结合。实验结果表明，各 SVM局部诊断证据的加权融合处理能够显著降低各局部诊断间的冲突，所提方法可以有效提高故障诊断的准确率。

关键词：支持向量机、证据理论、故障诊断、多信息融合

分类号：TP206.3;TP391(自动化技术及设备)

资助基金：国家自然科学基金51475049；校人才引进科研基金12004；湖南省“十二五”重点建设学科资助项目；湖南省教育厅资助科研项目14C0094

在线出版日期：2015-07-30（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：71-77