JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法

杨春燕 ,  吴超 ,  李宏伟

downloadPDF
杨春燕, 吴超, 李宏伟. 基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法[J]. 轻工学报, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
引用本文: 杨春燕, 吴超, 李宏伟. 基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法[J]. 轻工学报, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
shu
YANG Chun-yan, WU Chao and LI Hong-wei. A rotating machinery fault diagnosis method based on fusing vector power spectrum and D-S evidence theory[J]. Journal of Light Industry, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
Citation: YANG Chun-yan, WU Chao and LI Hong-wei. A rotating machinery fault diagnosis method based on fusing vector power spectrum and D-S evidence theory[J]. Journal of Light Industry, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
shu

基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法

  • 郑州轻工业学院 机电工程学院, 河南 郑州 450002

  • 基金项目: 河南省科技攻关计划项目(122102210122)

  • 中图分类号: TH165.3

A rotating machinery fault diagnosis method based on fusing vector power spectrum and D-S evidence theory

  • College of Electr. and Mech. Eng., Zhengzhou Univ. of Light Ind., Zhenzhou 450002, China

  • Received Date: 2012-03-14
    Available Online: 2012-07-15

    CLC number: TH165.3

  • 摘要: 提出基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法,该方法把转子的2个截面信息分别以矢功率谱进行数据层融合,提取矢功率谱的特征输入到径向基概率神经网络分类器进行故障识别,最后把两截面诊断结果输入D-S证据理论融合中心进行决策层融合.实验结果表明,该方法可降低故障诊断的不确定性,并提高故障决策准确率.
    Abstract: A rotating machinery fault diagnosis method based on fusing vector power spectrum and D-S evidence theory was presented.The method was that two section information was fused respectively in data layer by vector power spectrum,and then the characteristics which were extracted from the vector power spectrum were input to the basis probabilistic neural network classifier for fault identification,and finally,the two-section diagnosis results were entered into D-S evidence theory for decision level fusion.The experi-ment results showed that the method reduces the diagnostic uncertainty and had high correct recognition rate.
    1. [1]

      陈先利,韩捷.全矢力谱及其在旋转机械故障诊断中的应用研究[J].机床与液压,2008,36(4):202.

    2. [2]

      李志农,韩捷.机械故障诊断矢功率谱-支持向量机识别方法研究[J].计算机工程与应用,2007,43(8):214.

    3. [3]

      周宇,韩捷,李志农.基于矢Wigner分布的旋转机械故障诊断方法的研究[J].矿山机械,2007(4):102.

    4. [4]

      吴胜强,姜万录.基于证据理论多源多特征融合的柱塞泵故障诊断方法[J].中国工程机械学报,2011,9(1):98.

    5. [5]

      杨春燕,丁静.基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法研究[J].现代制造工程,2010(1):141.

    6. [6]

      温熙森.模式识别与状态监控[M].北京:科学出版社,2007.

    1. [1]

      李艳坤 , 张伟 , 刘彦伶 . 数据融合策略在食用油真实性鉴别中的研究与应用进展. 轻工学报, 2024, 39(5): 50-59. doi: 10.12187/2024.05.006

    2. [2]

      张改红 , 许航 , 杜帅 , 徐月莹 , 石栋栋 , 薛晶晶 , 尚紫博 , 毛多斌 . 麦芽酚-β-D-葡萄糖苷的稳定性及其在卷烟加香中的应用. 轻工学报, 2024, 39(5): 102-108. doi: 10.12187/2024.05.012

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  28
  • 文章访问数:  724
  • 引证文献数: 0
文章相关
  • 收稿日期:  2012-03-14
  • 刊出日期:  2012-07-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
杨春燕, 吴超, 李宏伟. 基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法[J]. 轻工学报, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
引用本文: 杨春燕, 吴超, 李宏伟. 基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法[J]. 轻工学报, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
shu
YANG Chun-yan, WU Chao and LI Hong-wei. A rotating machinery fault diagnosis method based on fusing vector power spectrum and D-S evidence theory[J]. Journal of Light Industry, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
Citation: YANG Chun-yan, WU Chao and LI Hong-wei. A rotating machinery fault diagnosis method based on fusing vector power spectrum and D-S evidence theory[J]. Journal of Light Industry, 2012, 27(4): 30-32. doi: 10.3969/j.issn.1004-1478.2012.04.008
shu

基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法

  • 郑州轻工业学院 机电工程学院, 河南 郑州 450002
  • 收稿日期: 2012-03-14
  • 网络出版日期: 2012-07-15
基金项目:  河南省科技攻关计划项目(122102210122)

摘要: 提出基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法,该方法把转子的2个截面信息分别以矢功率谱进行数据层融合,提取矢功率谱的特征输入到径向基概率神经网络分类器进行故障识别,最后把两截面诊断结果输入D-S证据理论融合中心进行决策层融合.实验结果表明,该方法可降低故障诊断的不确定性,并提高故障决策准确率.

English Abstract

参考文献 (6) 相关文章 (2)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net