《多PCA模型及SVM-DS融合决策的服务机器人故障诊断》PDF+DOC
作者:袁宪锋,宋沐民,周风余,陈竹敏
单位:南京航空航天大学;全国高校机械工程测试技术研究会
出版:《振动.测试与诊断》2015年第03期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFZDCS2015030060
DOC编号:DOCZDCS2015030069
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于PCA神经网络和D-S决策的瓦斯传感器故障辨识》PDF+DOC2015年第03期 黄丹,徐平安,王其军,任玉东,严彬
《基于多传感器信息融合的滚动轴承故障诊断研究》PDF+DOC2016年第07期 俞昆,谭继文,李善
《海量信息融合方法及其在故障诊断中的应用》PDF+DOC2018年第08期 原琦,丁家满
《基于PCA和总变差模型的图像融合框架》PDF+DOC2011年第07期 潘瑜,郑钰辉,孙权森,孙怀江,夏德深
《基于PCA的传感器网络的故障诊断分析》PDF+DOC2007年第03期 梁昔明,刘成,鲁五一
《PCA在非线性系统传感器故障检测和重构中的应用》PDF+DOC2006年第05期 仇韬,张清峰,丁艳军,吴占松,张毅,孔亮
《基于SVM和PCA的痕量多组分气体检测方法》PDF+DOC2015年第08期 余道洋,戚功美,瞿顶军,李民强,刘锦淮
《基于PCA的土壤源热泵系统地埋管泄漏检测与故障诊断》PDF+DOC 刘恺,王海涛
《基于物联网和PCA支持向量机的交通流量预测系统》PDF+DOC2014年第07期 王永皎,郭力争
《机床主轴承多源信息融合故障诊断》PDF+DOC2018年第02期 刘胜,吴迪,李芃
针对轮式服务机器人驱动系统故障诊断问题,提出一种基于多主成分分析(principal component analysis,简称PCA)模型及支持向量机和DS证据理论(support vector machine and dempster-shafer,简称SVM-DS)融合决策的故障诊断方法,分别利用正常状态和故障状态下的传感器数据建立多个PCA模型。利用正常状态下的PCA模型实现故障的检测。传感器数据经多PCA模型特征提取后作为SVM的输入向量,实现故障的初步分离。基于混淆矩阵定义SVM的全局及局部可信度,并依据可信度值和故障初步分离结果完成基本概率分配函数的赋值,以实现SVM和DS证据理论在故障分离中的有效结合。实验结果表明,本研究方法能灵敏检测到机器人驱动系统故障的发生,故障分离平均正确率达92.6%,与传统单PCA模型的方法相比有更高的正确率和稳定性。
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。