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。