Print

基于SVDD和D-S理论的曲轴轴承故障诊断

论文摘要

针对柴油机故障部位与故障特征之间没有明确对应关系的问题,将信息融合技术引入柴油机故障诊断领域,采用多传感器采集信号、多故障特征提取方法、不同分类器处理结果获得的各种冗余互补信息,使用SVDD方法改进D-S证据理论,并建立两级融合模型进行验证,实现多等级、多层次的诊断。结果表明,该诊断方法正确率高达93%。

论文目录

  • 1 信息融合理论
  •   1.1 信息融合的依据
  •   1.2 信息融合的级别
  • 2 D-S证据理论
  •   2.1 基本概念
  •   2.2 合成和决策规则
  •   2.3 SVDD与证据理论的结合
  •     2.3.1 SVDD的识别误差的上界
  •     2.3.2 模糊隶属度的BPA输出
  • 3 基于SVDD和D-S理论的柴油机故障诊断实例
  •   3.1 两级信息融合的柴油机故障诊断模型
  •   3.2 基于两级信息融合技术的曲轴轴承故障诊断
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 张懿,崔佳

    关键词: 柴油机,多传感器,多特征提取,证据理论,两级融合

    来源: 重庆理工大学学报(自然科学) 2019年11期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 动力工程

    单位: 江苏科技大学电子信息学院,常熟瑞特电气股份有限公司

    基金: 国家自然科学基金项目(51809128),江苏省省重点研发计划产业前瞻与共性关键技术重点项目(BE2018007),江苏省研究生科研与实践创新计划资助项目

    分类号: TK423

    页码: 89-94

    总页数: 6

    文件大小: 131K

    下载量: 130

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/a34308da0b9f4d0f286df727.html