《支持张量机与KNN-AMDM决策融合的齿轮箱故障诊断方法》PDF+DOC
作者:葛江华,刘奇,王亚萍,许迪,卫芬
单位:中国振动工程学会
出版:《振动工程学报》2018年第06期
页数:9页 (PDF与DOC格式可能不同)
PDF编号:PDFZDGC2018060210
DOC编号:DOCZDGC2018060219
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器信息融合的外圆磨削加工过程监视》PDF+DOC2011年第04期 赵中敏
《信息融合技术》PDF+DOC2008年第11期 张勇胜
《多传感器信息融合及其在工业中的应用综述》PDF+DOC2007年第10期 肖斌,段承先,阎高伟
《多传感器信息融合及其应用综述》PDF+DOC2016年第05期 王俊娜,雷静
《多雷达传感器数据融合技术与应用》PDF+DOC2000年第06期 陆正刚,杨杰,叶晨洲
《多传感器信息融合技术综述》PDF+DOC2005年第06期 臧大进,严宏凤,王跃才
《基于多传感器信息融合技术》PDF+DOC2004年第01期 刘海英,张池平
《多传感器数据融合技术概述》PDF+DOC2010年第15期 黄惠宁,刘源璋,梁昭阳
《基于多信息融合技术的继电保护研究》PDF+DOC 廖智贤
《基于信息融合的齿轮箱故障诊断技术研究》PDF+DOC2006年第02期 彭志凌,潘宏侠
针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,该方法可提高齿轮故障诊断结果的可信度。
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。