超球SVM与证据理论在故障诊断中的应用

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (9): 6-8.

超球SVM与证据理论在故障诊断中的应用

周绍磊1，秦亮2，史贤俊1，肖支才1

1.海军航空工程学院控制工程系，山东烟台 264001
2.海军航空工程学院研究生管理大队，山东烟台 264001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-03-21 发布日期:2012-04-11

Hyper-sphere SVM and D-S theory for fault diagnosis

ZHOU Shaolei1, QIN Liang2, SHI Xianjun1, XIAO Zhicai1

1.Department of Control Engineering, Naval Aeronautical and Astronautical University, Yantai, Shandong 264001, China
2.Graduate Student Brigade, Naval Aeronautical and Astronautical University, Yantai, Shandong 264001, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-03-21 Published:2012-04-11

摘要/Abstract

摘要： 针对使用多传感器信息融合技术进行故障诊断时，故障模式较多、基本概率赋值难以确定的问题，提出一种基于超球支持向量机与D-S证据理论相结合的故障诊断方法。该方法使用超球支持向量机针对每一个传感器的故障空间训练分类模型，根据类内隶属度与类-类相似度得到各故障类别的基本概率赋值，利用D-S证据理论进行证据融合，基于信任函数进行故障决策。试验结果表明该方法提高了故障识别能力，有一定实践意义。

关键词: 支持向量机, D-S证据理论, 故障诊断

Abstract: Aiming at the problem of basic probability assignment of D-S theory, a hyper-sphere support vector machine method is proposed. Hyper-sphere support vector machines are used to train classification model in fault spaces generated by sensors. The basic probability assignment can be got by point-class membership function and class-class membership function. D-S theory is used to fuse evidence and believe function is used to decision making. Numeric experiments show that the accuracy and speed of classification are improved, and this method is suitable for practical use.

Key words: Support Vector Machine, D-S theory, fault diagnosis

周绍磊1，秦亮2，史贤俊1，肖支才1. 超球SVM与证据理论在故障诊断中的应用[J]. 计算机工程与应用, 2012, 48(9): 6-8.

ZHOU Shaolei1, QIN Liang2, SHI Xianjun1, XIAO Zhicai1. Hyper-sphere SVM and D-S theory for fault diagnosis[J]. Computer Engineering and Applications, 2012, 48(9): 6-8.

[1]	黄逸磊，夏志杰，王诣铭. 强关系型社交媒体平台不实信息传播模型研究[J]. 计算机工程与应用, 2021, 57(9): 126-133.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[4]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[5]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[6]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[7]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[8]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[9]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[10]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[11]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[12]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[13]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[14]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[15]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.