滚动轴承故障信息的特征级融合与决策级融合

• 作者: 孙显彬 王浩 谭继文
• 来源期刊: 机械研究与应用
• 关键词: 滚动轴承 故障诊断 特征级融合 决策级融合 熵值权重法 D-S证据理论
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 制造业信息化
• 页码范围: 212-214,218
• 页数: 4页
• 分类号: TH17
• 语种: 中文
• DOI: 10.16576/j.cnki.1007-4414.2016.01.070

摘要

在对滚动轴承原始故障信号完成特征提取与特征筛选的基础上，利用BP、RBF以及SVM三种网络模型对筛选完的特征量进行特征级融合[1]；针对单一的网络模型的不确定性，通过隶属度熵值权重法确定了三种网络模型的不确定度[2]，并引入D－S证据理论[3]，对三种网络的计算结果进行决策级融合[4]（以滚动轴承外圈故障为例），以提高对滚动轴承故障诊断精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙显彬	青岛理工大学机械工程学院	15	69	4.0	8.0
2	谭继文	青岛理工大学机械工程学院	93	414	8.0	14.0
3	王浩	青岛理工大学机械工程学院	2	3	1.0	1.0