《基于多传感器信息融合的滚动轴承故障诊断研究》PDF+DOC
作者:俞昆,谭继文,李善
单位:沈阳仪表科学研究院有限公司
出版:《仪表技术与传感器》2016年第07期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFYBJS2016070280
DOC编号:DOCYBJS2016070289
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器信息融合的列车转向架机械故障诊断方法》PDF+DOC2020年第08期 颜云华,金炜东
《基于数据融合的滚动轴承故障诊断研究》PDF+DOC2011年第03期 黄银花
《多传感器信息融合在滚动轴承故障诊断中的应用》PDF+DOC2013年第07期 马文龙,吕建新,吴虎胜,黄炯龙
《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
《基于多传感器的神经网络和D-S证据理论在故障诊断中的应用》PDF+DOC2017年第04期 周国宪,伍星,刘韬
《基于GA-BP神经网络的多传感器轴承故障诊断》PDF+DOC2017年第10期 李荣远,张国银,王海瑞,王雪,宋怡然,齐磊,任玉卿
《滚动轴承故障诊断》PDF+DOC 张翅
《基于cRIO的滚动轴承故障诊断系统设计》PDF+DOC2017年第04期 周国宪,伍星,刘韬
《结合SVM与DS证据理论的信息融合分类方法》PDF+DOC2013年第11期 雷蕾,王晓丹
《基于小波分析的滚动轴承故障诊断方法的研究》PDF+DOC2008年第06期 管辉,陈永会,李小强
由于单一传感器所包含的故障信息不能全面地反映滚动轴承的故障状态,提出了一种基于多传感器信息融合的滚动轴承故障诊断方法。首先,利用不同位置的加速度传感器采集滚动轴承故障振动信号,经集成经验模态分解(EEMD)后,前8个固有模态分量(IMF)的能量值作为分类器支持向量机(SVM)的输入故障特征参量;其次,利用故障特征参量训练分类器SVM,并对测试样本进行分类,实现故障的初步分离;然后,根据混淆矩阵获得各分类器的全局可信度和局部可信度,并与各测试样本的后验概率输出结合实现DS证据理论中基本概率分配函数的赋值;最后,利用DS证据理论实现融合以获得最终诊断结果。试验结果表明:提出的方法可有效融合不同传感器的故障信息,最大限度地避免误诊现象。
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。