針對單一傳感器所含信息不能完全表達(dá)故障狀態(tài)的局限性,提出一種支持向量機(jī)分類器和DS證據(jù)理論相結(jié)合的多傳感器信息融合方法。將支持向量機(jī)的硬輸出通過Platt模型轉(zhuǎn)化為概率輸出,用混淆矩陣來評估分類器的識別能力;將分類器局部可信度作為DS融合時的折扣因子,建立基于支持向量機(jī)和DS結(jié)合的多傳感器信息融合模型。在列車轉(zhuǎn)向架故障診斷中的實驗結(jié)果表明,該方法在實際問題中有效且合理,能夠獲得比單一傳感器更高的分類準(zhǔn)確率,且對不同速度下列車轉(zhuǎn)向架故障的識別結(jié)果都較好。 

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引 言
1 DS證據(jù)理論
2 SVM-DS多傳感器信息融合方法
    2.1 SVM后驗概率輸出
    2.2 分類器的局部可信度
    2.3 SVM-DS多傳感器信息融合模型
3 列車轉(zhuǎn)向架故障數(shù)據(jù)實驗
    3.1 SVM訓(xùn)練過程
    3.2 實驗結(jié)果及分析
4 結(jié) 語


【參考文獻(xiàn)】：
期刊論文
[1]基于樣本差異度的基本概率指派生成方法[J]. 蔣雯,陳運東,湯潮,吳翠翠,羅宇.  控制與決策. 2015(01)
[2]DS證據(jù)理論研究進(jìn)展及相關(guān)問題探討[J]. 韓德強(qiáng),楊藝,韓崇昭.  控制與決策. 2014(01)
[3]結(jié)合SVM和DS證據(jù)理論的多極化HRRP分類研究[J]. 雷蕾,王曉丹,邢雅瓊,畢凱.  控制與決策. 2013(06)
[4]證據(jù)合成的一般框架及高度沖突證據(jù)合成方法[J]. 盧正才,覃征.  清華大學(xué)學(xué)報(自然科學(xué)版). 2011(11)
[5]支持向量機(jī)與證據(jù)理論在信息融合中的結(jié)合[J]. 周皓,李少洪.  傳感技術(shù)學(xué)報. 2008(09)
[6]基于混淆矩陣和Fisher準(zhǔn)則構(gòu)造層次化分類器[J]. 張靜,宋銳,郁文賢,夏勝平,胡衛(wèi)東.  軟件學(xué)報. 2005(09)



本文編號：3649473