首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于多分类支持向量机和D-S证据理论的轴承故障诊断
引用本文:梅检民,赵慧敏,肖云魁,周斌.基于多分类支持向量机和D-S证据理论的轴承故障诊断[J].汽车工程,2015(1).
作者姓名:梅检民  赵慧敏  肖云魁  周斌
作者单位:1. 军事交通学院汽车工程系,天津 300161; 天津大学机械工程学院,天津 300072
2. 军事交通学院汽车工程系,天津,300161
3. 天津大学机械工程学院,天津,300072
摘    要:针对支持向量机( SVM)硬判定输出分类结果缺乏定量评价的问题,提出了一种多分类SVM后验概率建模的改进方法。通过引入D-S证据理论,得到多分类SVM在D-S证据理论识别框架下的基本概率分配,使样本在分类时同时具有定性解释和定量评价。接着,将多源信息送入SVM之后在决策级对多个SVM分类输出进行证据融合,以提高诊断精度。最后,将该方法应用于轴承故障的诊断中。结果表明,该方法能正确分类采用单源信息时所错分样本,降低识别的整体误差,显著提高故障诊断的准确性。

关 键 词:故障诊断  支持向量机  后验概率  D-S证据理论  信息融合

Fault Diagnosis of Bearings Based on Multi-class SVM and D-S Evidence Theory
Mei Jianmin,Zhao Huimin,Xiao Yunkui,Zhou Bin.Fault Diagnosis of Bearings Based on Multi-class SVM and D-S Evidence Theory[J].Automotive Engineering,2015(1).
Authors:Mei Jianmin  Zhao Huimin  Xiao Yunkui  Zhou Bin
Abstract:
Keywords:fault diagnosis  SVM  posterior probability  D-S evidence theory  information fusion
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号