10.13465/j.cnki.jvs.2015.13.013
结合 SVM和改进证据理论的多信息融合故障诊断
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。
支持向量机、证据理论、故障诊断、多信息融合
TP206.3;TP391(自动化技术及设备)
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
2015-07-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
71-77