支持向量机与证据理论融合在电机转子故障诊断中的应用

论文摘要

在电机转子故障诊断中,为了进一步提高诊断方法的自适应性和分类准确性,提出一种支持向量机和证据理论的故障诊断方法.利用小波包分解振动信号和提取特征向量,构造多类支持向量机概率输出.采用改进的D-S证据理论,建立支持向量机与证据理论的诊断模型.实验结果表明:与常规故障诊断方法相比,该故障诊断方法可行,且具有更高的诊断准确率,为电机转子故障诊断研究提供有效的途径.

论文目录

• 1 支持向量机简介
•   1.1 定义
•   1.2 多类分类方法
•   1.3 SVM分类概率输出模型
• 2 D-S证据理论
•   2.1 定义
•   2.2 冲突证据的合成方法
• 3 基于多类支持向量机和D-S证据理论的决策融合框架
• 4 仿真实验和结果分析
•   4.1 仿真实验模型
•   4.2 小波包分解故障特征的提取
•   4.3 SVM分类器概率输出
•   4.4 证据融合
•   4.5 实验结果对比分析
• 5 结论

文章来源

类型: 期刊论文

作者: 李亦滔,叶德住,汤绍钊,雷奶华

关键词: 电机转子,故障诊断,支持向量机,证据理论,振动信号

来源: 宁德师范学院学报(自然科学版) 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 宁德海关

基金: 国家质量监督检验检疫总局科技计划项目(2017IK172)

分类号: TM307;TP18

DOI: 10.15911/j.cnki.35-1311/n.2019.02.010

页码: 147-155

总页数: 9

文件大小: 848K

下载量: 112