基于多传感器信息融合的列车转向架机械故障诊断方法

发布时间：2022-04-28 20:28

　　针对单一传感器所含信息不能完全表达故障状态的局限性,提出一种支持向量机分类器和DS证据理论相结合的多传感器信息融合方法。将支持向量机的硬输出通过Platt模型转化为概率输出,用混淆矩阵来评估分类器的识别能力;将分类器局部可信度作为DS融合时的折扣因子,建立基于支持向量机和DS结合的多传感器信息融合模型。在列车转向架故障诊断中的实验结果表明,该方法在实际问题中有效且合理,能够获得比单一传感器更高的分类准确率,且对不同速度下列车转向架故障的识别结果都较好。 

【文章页数】：4 页

【文章目录】：
0 引 言
1 DS证据理论
2 SVM-DS多传感器信息融合方法
    2.1 SVM后验概率输出
    2.2 分类器的局部可信度
    2.3 SVM-DS多传感器信息融合模型
3 列车转向架故障数据实验
    3.1 SVM训练过程
    3.2 实验结果及分析
4 结 语


【参考文献】：
期刊论文
[1]基于样本差异度的基本概率指派生成方法[J]. 蒋雯,陈运东,汤潮,吴翠翠,罗宇.  控制与决策. 2015(01)
[2]DS证据理论研究进展及相关问题探讨[J]. 韩德强,杨艺,韩崇昭.  控制与决策. 2014(01)
[3]结合SVM和DS证据理论的多极化HRRP分类研究[J]. 雷蕾,王晓丹,邢雅琼,毕凯.  控制与决策. 2013(06)
[4]证据合成的一般框架及高度冲突证据合成方法[J]. 卢正才,覃征.  清华大学学报(自然科学版). 2011(11)
[5]支持向量机与证据理论在信息融合中的结合[J]. 周皓,李少洪.  传感技术学报. 2008(09)
[6]基于混淆矩阵和Fisher准则构造层次化分类器[J]. 张静,宋锐,郁文贤,夏胜平,胡卫东.  软件学报. 2005(09)



本文编号：3649473