|
|||||
|
|
| 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！ | |