基于svdd及d

《基于svdd及d》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于SVDD与D-S证据理论的发动机故障诊断研究[摘要]提出了一种基于支持向量数据描述(SVDD)和D-S证据理论相结合的故障诊断新方法，通过SVDD算法分别判断来自单个传感器的数据，然后运用D-S证据理论对各传感器的诊断结果进行信息融合，最终实现对发动机的故障诊断。试验表明，该方法充分利用各信号源的冗余互补信息，降低了诊断的不确定性，提高了故障诊断的可靠性。关键词：发动机；故障诊断；支持向量数据描述；D-S证据理论；信息融合AResearchonEngineFaultDiagnosisBasedonS

2、VDDandD-SEvidenceTheory[Abstract]Anovelfaultdiagnosticmethodbasedonthecombinationofsupportvectordatadescription(SVDD)andD-Sevidencetheoryisproposed.FirstlySVDDalgorithmisusedtojudgethedatafromindividualsensor.Thendiagnosticresultsofallsensorsarefusedbyap

3、plyingD-Sevidencetheory,andthefaultdiagnosisofengineisfinallycompleted.Thetestresultsshowthatthemethodproposedcanfullyutilizetheredundantandcomplementaryinformationofallsignalsources,andhencereducetheuncertaintyandenhancethereliabilityoffaultdiagnosis.Ke

4、ywords:engine;faultdiagnosis;supportvectordatadescription;Dumpster-Shaferevidencetheory;informationfusion前言柴油发动机工作时机体表面振动信号含有丰富的零部件运行状态信息，采用振动信号进行特征分析与模式识别是发动机故障诊断的主要方法之一。传统的模式识别方法需要大量的试验样本，才能保证其分类特性。此外仅通过某一方面的特征信息进行故障诊断，具有不确定性，甚至结果相互矛后。支持向量数据描述算法(suppor

5、tvectordatadescription，SVDD)与D-S证据理论的结合为解决这些问题提供了思路。SVDD是一种具有优越性能的单值分类算法，其基本思想是建立一个封闭而紧凑的高维区域，使被描述的数据对象全部或尽可能多地包含在该区域内，而非该类对象不包含或尽可能少地进入该区域。它具有样本需要量少、计算速度快的特点，已经在机械故障诊断、语音识别和图像识别等领域得到广泛应用。D-S证据理论引入了信任函数，满足比概率论弱的公理，并能区分不确定性的差异。利用D-S理论进行信息融合，综合利用多方面的故障信息，能

6、很好地实现对设备准确的诊断，D-S证据理论作为一种不确定性推理方法，在故障诊断领域的应用受到普遍关注。本文中提出了将SVDD和D-S证据理论相结合的发动机故障诊断的新方法。通过SVDD算法分别识别来自单个传感器的数据，然后运用D-S证据理论对多源信息进行融合得到最终诊断结果。试验表明，该方法充分利用了各信号源的冗余互补信息，能大大提高故障诊断准确度。1SVDD在多分类故障诊断中的应用1.1SVDD算法SVDD是在支持向量机的基础上提出的一种单值分类方法，它对高维空间所有或大部分训练数据的最小半径的超球体

7、进行描述。假设训练样本中包含几个目标样本，{Xi,i=1，2，…，n}，SVDD是想寻找一个能够包含所有样本的最小边界球，并以此超球作为其分类边界。最小边界球S用半径R和球心a来描述，对于位于超球体外面的奇异数据点，引入松弛变量孝。和惩罚参数C，则超球体应满足：1.2SVDD对多类故障的识别方法设有凡类故障样本通过SVDD算法进行独立学习，得到n个封闭的超球体Si…，Sn，检测样本与超球体距离越小，说明检测样本越接近超球体所代表的状态。为避免超球体半径对状态识别的不合理影响，利用相对距离Hi=di／Ri

8、对状态进行识别，Hi越小，与超球体Si所代表的状态越接近。为提高故障诊断正确识别率，根据模糊测度的思想，定义目标特征失量在特征空间中属于某一类的模糊隶属度。设X代表检测样本的状态，利用模糊数学中的扎德记号表示：x=∑f,/A．，A。代表各个故障状态Z代表对应状态的模糊隶属度，隶属度函数采用正态分布的偏小型，即根据训练数据设定α与σ的取值。为满足信息融合算法的要求，对各隶属度数值做归一化处理：2D-S证据理论在发动机故障诊断中的应用根据发动机