《基于SVM和证据理论的多数据融合故障诊断方法》PDF+DOC
作者:姜万录,吴胜强
单位:中国仪器仪表学会
出版:《仪器仪表学报》2010年第08期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFYQXB2010080090
DOC编号:DOCYQXB2010080099
下载格式:PDF + Word/doc 文字可复制、可编辑
《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
《海量信息融合方法及其在故障诊断中的应用》PDF+DOC2018年第08期 原琦,丁家满
《基于D_S证据理论和模糊数学的多传感器数据融合算法》PDF+DOC2000年第06期 韩静,陶云刚
《基于D-S证据理论的液压泵故障诊断》PDF+DOC2010年第10期 柴令华,陈小虎,毋文峰
《基于D-S证据理论的液压泵故障诊断》PDF+DOC2010年第05期 柴令华,陈小虎,毋文峰
《基于数据融合的高压断路器故障诊断方法研究》PDF+DOC2010年第10期 苗红霞,王宏华
《基于CEEMDAN-SVM的液压泵故障诊断方法研究》PDF+DOC2016年第01期 李锋,林阳阳,赵辉,晁苏全,王浩
《基于多传感器信息融合的轮履混合移动机器人路况识别方法》PDF+DOC2017年第04期 弓鹏伟,费燕琼,宋立博
《D-S证据理论在ESM雷-达航迹关联中的应用》PDF+DOC2011年第04期 卜卿
《D-S证据理论及其改进算法研究》PDF+DOC2010年第10期 曾元鉴
针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用“一对一”多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。
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。