基于贝叶斯网络和粗糙集的信息融合方法研究及应用

• 作者: 刘希亮 张倩 李方溪 陈桂明
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: 信息融合 贝叶斯网络 粗糙集 故障诊断
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 设备设计/诊断维修/再制造
• 页码范围: 125-129
• 页数: 5页
• 分类号: TP206
• 字数: 4950字
• 语种: 中文

摘要

利用贝叶斯网络处理不确定性问题能力强和粗糙集约简能够去除冗余性特征的优势,提出了一种基于贝叶斯网络和粗糙集的信息融合方法.该方法提取齿轮泵振动信号的幅域量纲参数作为来自不同传感器的多源信息,改进了特征属性约简方法,设计了贝叶斯网络分类器,构建了多故障贝叶斯网络对特征进行融合,通过最大后验概率准则识别故障类型.两次融合结果对比分析表明,特征属性约简后诊断正确率明显提高,验证了该方法的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈桂明		79	467	13.0	17.0
2	张倩		19	115	6.0	10.0
3	刘希亮		17	111	7.0	9.0
4	李方溪		13	84	6.0	9.0