申请/专利权人：南京邮电大学

申请日：2023-12-28

公开（公告）日：2024-03-22

公开（公告）号：CN117743801A

主分类号：G06F18/20

分类号：G06F18/20;G06F18/25;G06N20/10;G01M13/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于SVM‑DS融合预测的机械设备运动部件故障诊断方法，包括在机械设备运动部件数据采集过程中，对振动数据进行降噪处理，再进行特征提取，得到对故障数据敏感的特征，生成特征矩阵；通过SVM算法对提取的特征进行周期性故障诊断，获得所属识别框架中不同事件的预测概率；基于DS证据理论加权融合周期性的预测结果，得到不同事件的融合概率和冲突系数；根据冲突系数，对获得的融合概率进行修正；对修正后的融合概率进行归一化，最大的归一化融合概率对应的事件为最终诊断的结果。本发明修正了不同冲突场景下的预测概率，让非关联测点的影响因子得到衰减，提高了分析结果的可参考价值，增强了算法的适用性。

主权项：1.一种基于SVM-DS融合预测的机械设备运动部件故障诊断方法，其特征在于，包括：S1、在机械设备运动部件数据采集过程中，对振动数据进行降噪处理，截取设定数量的振动数据样本点进行特征提取，得到对故障数据敏感的特征，生成特征矩阵；S2、通过SVM算法对提取的特征进行周期性故障诊断，获得所属识别框架中不同事件的预测概率；S3、针对步骤S2的预测概率，基于DS证据理论加权融合周期性的预测结果，得到不同事件的融合概率和冲突系数；S4、根据步骤S3中的冲突系数，对获得的融合概率进行修正；S5、对修正后的融合概率进行归一化，得到机械设备运动部件各个事件的归一化融合概率，最大的归一化融合概率对应的事件为最终诊断的结果。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于SVM-DS融合预测的机械设备运动部件故障诊断方法

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