基于多分类支持向量机和D-S证据理论的轴承故障诊断

• 作者: 周斌 梅检民 肖云魁 赵慧敏
• 来源期刊: 汽车工程
• 关键词: 故障诊断 支持向量机 后验概率 D-S证据理论 信息融合
• 年，卷（期）: 2015,（1）
• 页码范围: 114-119
• 页数: 6页
• 字数: 3772字
• 语种: 中文

摘要

针对支持向量机( SVM)硬判定输出分类结果缺乏定量评价的问题，提出了一种多分类SVM后验概率建模的改进方法。通过引入D-S证据理论，得到多分类SVM在D-S证据理论识别框架下的基本概率分配，使样本在分类时同时具有定性解释和定量评价。接着，将多源信息送入SVM之后在决策级对多个SVM分类输出进行证据融合，以提高诊断精度。最后，将该方法应用于轴承故障的诊断中。结果表明，该方法能正确分类采用单源信息时所错分样本，降低识别的整体误差，显著提高故障诊断的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖云魁	军事交通学院汽车工程系	56	325	10.0	14.0
2	赵慧敏	军事交通学院汽车工程系	24	130	7.0	10.0
3	周斌	天津大学机械工程学院	21	204	10.0	14.0
4	梅检民	军事交通学院汽车工程系	36	118	7.0	9.0