基于改進D-S證據理論的滾動軸承故障診斷

摘要：針對單一分類器進行故障診斷時診斷精度不高、隨機性強的問題,提出一種基于改進D-S證據理論的滾動軸承故障診斷方法,構建了信息融合診斷框架。首先,利用BP神經網絡、支持向量機、徑向基神經網絡構建初步診斷層,將提取的特征信息進行初步診斷;然后,利用改進的D-S證據理論構建融合診斷層,將初步診斷層的診斷結果進行融合,并根據診斷規則得到最終的診斷結果;最后,采用不同的信息融合方法對滾動軸承故障數據進行對比研究。試驗結果表明:使用改進D-S證據理論的滾動軸承故障診斷方法能夠有效提高證據可信度,降低不確定性,提高故障診斷精度和故障診斷模型的魯棒性。