作者：成钰龙,程刚,沈利华,邱锦波,山显雷 单位：大连组合机床研究所:中国机械工程学会生产工程分会 出版：《组合机床与自动化加工技术》2012年第08期 页数：5页  （PDF与DOC格式可能不同） PDF编号：PDFZHJC2012080190 DOC编号：DOCZHJC2012080199 下载格式：PDF + Word/doc 文字可复制、可编辑
《基于SVM与多振动信息融合的齿轮故障诊断》PDF+DOC2010年第06期 蒋玲莉,刘义伦,李学军,陈安华 《基于SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC2015年第04期 张宁波 《基于信息融合技术的矿井通风机故障模式识别》PDF+DOC2006年第04期 方健,缪燕子,马小平 《基于SVM的多传感器信息融合算法》PDF+DOC2005年第04期 周鸣争,汪军 《基于支持向量机的信息融合诊断方法》PDF+DOC2005年第09期 尉询楷,李应红,刘建勋,路建明 《神经网络和SVM多传感器融合的隧道CO体积分数研究》PDF+DOC2012年第07期 王芹,王晓东,吴建德,黄国勇,范玉刚 《超球SVM与证据理论在故障诊断中的应用》PDF+DOC2012年第09期 周绍磊,秦亮,史贤俊,肖支才 《基于SVM的多传感器信息融合故障诊断》PDF+DOC2014年第09期 张宁波 《基于多传感器信息融合的SVM结构损伤诊断方法》PDF+DOC2013年第06期 刘义艳,陈晨,俞竣瀚 《基于SVM的多传感器信息融合》PDF+DOC2013年第03期 孙颖,刘玉满,龚稳

    • 针对齿轮振动信号故障特征微弱及故障样本不足，提出基于特征信息融合的小波-SVM(支持向量机)故障诊断方法，用于多类齿轮故障诊断。该方法采用离散小波变换对齿轮的振动信号进行处理来构造特征向量，将多路信号融合后输入到SVM的多故障分类器中进行故障识别。实验结果表明：该方法能够在训练样本数量少的情况下，快速获得良好的分类结果，且其故障诊断准确率在96.67%以上；峰值和峰值因子对齿轮故障最敏感，以峰值或峰值因子为特征量的多传感器信息融合，其诊断准确率达95%。该方法更适合于实际齿轮故障诊断应用，并为多类齿轮故障快速诊断的进一步创新研究提供了理论基础。

    📙 相关资料

    1. 《基于SVM与多振动信息融合的齿轮故障诊断》PDF+DOC 针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题，采用多传感器信息融合方法，利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合，实现故障诊断。研究结果表明：基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高，诊断结果更可靠；......
    2. 《基于SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC 简述了一种基于支持向量机(SVM)和证据理论的多传感器信息融合的方法，并构造了基于支持向量机的概率计算模型。利用齿轮箱的常见故障预测，对所建立的数学模型进行验证，计算结果显示基于SVM和证据理论的信息融合故障诊断方法，要比单一传感器故障诊断有更高的准确性。...
    3. 《基于信息融合技术的矿井通风机故障模式识别》PDF+DOC 依据多传感器信息融合技术及Dempster-Shafer理论，分析了故障检测中信息融合系统的工作原理以及分类决策策略，在此基础上进行了基于信息融合的故障分类与识别的初步试验研究。...
    4. 《基于SVM的多传感器信息融合算法》PDF+DOC 支持向量机(Support Vector machine，简称SVM)是一种基于结构风险最小化原理，具有很高泛化性能的学习算法。针对工业多传感器测控系统中，被测系数与相关参数之间存在有较大的非线性和模糊关系，提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信......
    5. 《基于支持向量机的信息融合诊断方法》PDF+DOC 提出了一种采用小波变换进行特征提取、支持向量机进行模式分类的多传感器信息融合诊断方法。该方法首先对多传感器的信息进行加权初级融合，接着利用小波变换的时频局部特性和多尺度、多分辨特性对传感器测量信号进行特征提取，最后利用支持向量机进行分类实现信息的特征级融合和分类。将其应用于某转子实验台的故障诊断中，......
    6. 《神经网络和SVM多传感器融合的隧道CO体积分数研究》PDF+DOC 利用BP，RBF神经网络、支持向量机(SVM)不同信息融合模型对高速公路隧道中失效CO传感器数据融合研究，比较了单一融合模型融合效果和不同最优加权信息融合模型融合效果。仿真实验表明：3种单一融合模型对隧道CO体积分数融合的有效性，其中单一SVM融合模型效果最好。最优加权融合性能均优于单一融合模型，其......
    7. 《超球SVM与证据理论在故障诊断中的应用》PDF+DOC 针对使用多传感器信息融合技术进行故障诊断时，故障模式较多、基本概率赋值难以确定的问题，提出一种基于超球支持向量机与D-S证据理论相结合的故障诊断方法。该方法使用超球支持向量机针对每一个传感器的故障空间训练分类模型，根据类内隶属度与类-类相似度得到各故障类别的基本概率赋值，利用D-S证据理论进行证据融......
    8. 《基于SVM的多传感器信息融合故障诊断》PDF+DOC 本文简述了一种基于支持向量机的多传感器信息融合的方法，并构造了其数学模型。利用轴流柱塞泵的常见故障预测，对数学模型进行验证，实验数据显示基于SVM的多传感器信息融合故障诊断方法，要比单一传感器故障诊断有更高的准确性。...
    9. 《基于多传感器信息融合的SVM结构损伤诊断方法》PDF+DOC 为了能准确地诊断复杂结构损伤的发生、位置和程度，提出了一种聚类经验模式分解(EEMD)、小波包分解(WPT)、多传感器信息融合和SVM模式分类相结合的结构损伤诊断方法.首先对多个传感器采集的加速度振动信号进行EEMD分解，选择包含结构损伤信息丰富的固有模态函数(IMF)；其次对其进行正交小波包分解，......
    10. 《基于SVM的多传感器信息融合》PDF+DOC 针对现代工业生产采用大量不同传感器来监测和控制生产过程，被测量之间存在较大模糊关系，提出了一种基于SVM理论的多传感器信息融合方法。通过“对电弧炉炼钢供电曲线进行优化”表明，该方法对解决小样本、高维特征空间和不确定条件下的多传感器信息融合问题，具有较好的融合效果。...

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。