申请/专利权人：华南理工大学

申请日：2023-10-08

公开（公告）日：2024-02-09

公开（公告）号：CN117540335A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/213;G01M13/045;G06F18/22;G06N3/044;G06N3/047

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明公开了一种基于DS证据理论决策级融合的滚动轴承故障诊断方法，包括确认故障空间、振动信号采集和特征提取、初始证据体生成、证据预处理、信度合成和诊断决策；本发明利用DS证据理论缓解多源信息不确定程度，通过引入证据距离算法和Deng熵修正原始证据体，通过衡量ELMAN神经网络、BP神经网络以及概率神经网络生成的证据体可信度以减少证据冲突程度，从决策层面实现更加可靠准确的滚动轴承故障诊断。本发明选择无需建立电气连接的振动分析法，适用场景多元，同时在证据体来源上保持可扩展性，也可以同时考虑客观数据和人的主观经验，通过信息融合得到最终的可靠结论。

主权项：1.基于DS证据理论决策级融合的滚动轴承故障诊断方法，其特征在于，包括以下步骤：步骤1：根据诊断需求统计归纳出典型故障类型，形成故障空间，根据故障空间构造识别框架Θ和命题子集；步骤2：采集步骤1所确定的故障空间下的振动信号，采用滑动窗口和时域特征提取方法，按照时间序列顺序对振动信号进行特征提取；步骤3：将步骤2中特征提取的结果输入人工神经网络生成初始证据体；步骤4：通过证据距离算法和信息熵算法对初始证据体进行修正，以减少证据冲突程度，提高信度；步骤5：使用DS证据理论合成规则，计算修正后的证据体联合下各命题的融合信度，以实现证据体决策级融合；步骤6：将融合后证据体的复合置信度赋值汇聚到单个置信度上，并通过决策规则得到滚动轴承故障诊断结果。

全文数据：

权利要求：

百度查询： 华南理工大学 基于DS证据理论决策级融合的滚动轴承故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD