基于改进D-S证据理论的滚动轴承故障诊断 |
| |
作者姓名: | 张钢 田福庆 梁伟阁 佘博 |
| |
作者单位: | 海军工程大学 兵器工程学院,武汉,430033;海军工程大学 兵器工程学院,武汉,430033;海军工程大学 兵器工程学院,武汉,430033;海军工程大学 兵器工程学院,武汉,430033 |
| |
基金项目: | 国家自然科学基金;海军工程大学自主立项资助项目 |
| |
摘 要: | 针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。
|
关 键 词: | 滚动轴承 故障诊断 改进D-S证据理论 信息融合 多分类器 |
本文献已被 CNKI 万方数据 等数据库收录! |
|