基于LS-SVM多分类器融合决策的混合故障诊断算法

• 作者: 张淑清 李鑫滨 陈云强
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 多特征提取 最小二乘支持向量机 多分类器融合 自整定权值的决策模板法
• 年，卷（期）: 2013,（19）
• 页码范围: 159-164,182
• 页数: 7页
• 分类号: TP274|TH133
• 字数: 5358字
• 语种: 中文

摘要

故障诊断的关键是特征向量提取和分类器的选择,提出一种综合运用多特征提取和多分类器组融合决策的故障诊断算法.多特征提取选择小波包变换、总体平均经验模式分解方法(Empirical Mode Decomposition,EEMD)和改进小波能熵方法,得到三组不同的故障特征信息;将这三组特征信息输入由3个最小二乘支持向量机(Least SquareSupport Vector Machine,LS-SVM)组成的分类器组进行初步诊断;采用自整定权值的决策模板法(Self-adjusting weigh-ted Decision Templates,SWDT)进行多分类器诊断结果的融合决策.实验证明,该方法能实现轴承不同故障类型,尤其是复合故障的可靠识别,验证了该算法提取轴承故障特征信息的完备性,以及分类器组融合决策的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张淑清	燕山大学工业计算机控制工程河北省重点实验室	81	1525	21.0	36.0
2	李鑫滨	燕山大学工业计算机控制工程河北省重点实验室	28	347	9.0	18.0
3	陈云强	燕山大学工业计算机控制工程河北省重点实验室	2	13	1.0	2.0