基于信息融合的机械故障概率盒诊断模型和算法研究

项目名称： 基于信息融合的机械故障概率盒诊断模型和算法研究

项目编号： No.51365020

项目类型： 地区科学基金项目

立项/批准年度： 2013

项目学科： 机械、仪表工业

项目作者： 杜奕

作者单位： 昆明理工大学

项目金额： 50万元

中文摘要： 传统基于信息融合的机械故障诊断存在特征提取带来的信息丢失问题和时空配准及异类融合难点问题。概率盒理论在处理不确定性问题上存在强大优势，其应用已在经济、生态、核物理等领域得到证实，但在故障诊断领域研究报道鲜见，本项目拟提出基于概率盒理论的信息融合故障诊断方法以解决上述难点问题。以滚动轴承、齿轮等典型零部件为具体研究对象。利用概率盒包含原始信息解决特征提取带来的信息丢失问题。建立以原始数据概率盒为主分量、特征概率盒为次分量的故障概率盒模型，提出模型修正方法，以改善其紧致性。提出以概率盒为融合对象的多贝叶斯、证据理论等融合方法，以解决时空配准难点问题，并改进融合算法，减小模式间重叠程度。以提高正确识别率为目标，提出基于遗传算法、粒子群算法优化的Bayes决策、支持向量机等的概率盒故障诊断方法。本项目将为概率盒理论与故障诊断领域的交叉研究探索提供理论指导和依据，并进一步丰富机械故障诊断方法。

中文关键词： 概率盒理论；信息融合；故障诊断；证据理论；支持向量机

英文摘要： There are two difficult problems existed in traditional mechanical fault diagnosis based on information fusion. One is the information loss from feature extraction, and another is the difficulty of space-time registration and heterogeneous integration. T

英文关键词： Probability Box Theory；Information Fusion；Fault Diagnosis；Evidence Theory；SVM