《基于EMD样本熵与改进DS证据理论的故障诊断方法》PDF+DOC
作者:郑日晖,岑健,陈志豪,熊建斌
单位:广东省自动化研究所;广州市自动化学会
出版:《自动化与信息工程》2020年第02期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFGZXG2020020040
DOC编号:DOCGZXG2020020049
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于DS证据理论的精馏塔故障诊断方法》PDF+DOC2013年第28期 杨帆,江星,陈茂林,吴迅,张岗
《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
《一种基于DS证据理论的红外小目标融合识别方法》PDF+DOC2002年第06期 李秋华,李吉成,沈振康,朱振福,宋波
《基于证据理论的主动融合模型及其在故障诊断中的应用》PDF+DOC2002年第05期 徐建平,刘同明
《基于DS证据理论的多传感器信息融合算法》PDF+DOC2012年第06期 康健,谷云彪,李一兵
《改进时空DS证据理论在车辆识别中的应用》PDF+DOC2010年第01期 张宗志,李一兵,林云
《基于Jousselme距离证据加权的DS证据理论在WSN中的应用》PDF+DOC 陈任秋,刘志骋
《基于多智能体的复杂工程系统故障诊断研究》PDF+DOC2004年第06期 朱大奇,纪志成
《EMD和SVM在刀具故障诊断中的应用》PDF+DOC2010年第05期 王涛,徐涛
《基于多传感器信息融合的故障诊断方法研究及应用》PDF+DOC2013年第06期 刘希亮,陈桂明,李方溪,张倩
针对单一传感器故障诊断信息源简单、信息不完整的局限性,提出一种基于经验模态分解样本熵与改进DS证据理论的多传感器信息融合故障诊断方法。该方法对每路传感器采集的振动信号进行经验模态分解,并计算其固有模态函数IMF的样本熵作为故障特征变量;将故障特征变量输入事先训练好的各个随机森林分类器进行分类;以每个随机森林的分类结果作为证据体,采用改进的DS证据理论进行融合并输出最终分类结果,实现多个传感器信息有效融合,各传感器间形成信息互补,达到优化决策目的。实验结果表明:该方法故障诊断准确率达98.85%,且具有鲁棒性。
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。