证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况 ,研究利用其他征兆域的诊断信息 ,进行全局信息融合 ,从而获得更为准确的故障定位 .提出一种基于神经网络和 Dempster-Shafer证据理论的多参数综合诊断系统模型 ;在该模型中采用证据理论的组合规则进行局部和全局信息融合 。

基于多征兆域的异构集成故障诊断策略

为了充分利用机械设备振动信号的信息,并避免学习的复杂性,提出多征兆域异构集成故障诊断方法,即提取信号在不同征兆域的故障特征,利用异构分类器分别学习,集成各分类器的结论.该方法充分利用了多征兆域信息的冗余性、互补性和辅助性,以及异构分类器方法之间的互补性,提高了故障诊断的准确性和确定性.文中方法在转子系统故障诊断应用中得到验证,结果表明,多征兆域异构集成方法明显优于单征兆域单分类器方法与单征兆域集成方法.