基于信息融合的電子產(chǎn)品故障診斷.pdf

1、隨著電子產(chǎn)業(yè)的不斷發(fā)展，電子系統(tǒng)日漸復(fù)雜化，提高電子產(chǎn)品的可靠性已經(jīng)成為經(jīng)濟(jì)增長和社會效益保障的重要手段，因此電子系統(tǒng)的故障診斷成為各國電子領(lǐng)域?qū)W者的研究焦點(diǎn)。
　　本文利用電子產(chǎn)品所分布傳感器反饋回的數(shù)據(jù)信息，從中提取數(shù)據(jù)本身特性與數(shù)據(jù)熵值特性，提出結(jié)合兩種特性提取特征向量，利用支持向量機(jī)與證據(jù)理論結(jié)合共同判斷電子產(chǎn)品故障類型的故障診斷方法。
　　首先，本文分析了線性判別分析與小波能譜熵兩種特征值提取方法，提出在同一數(shù)據(jù)上

2、從數(shù)據(jù)本身特性和數(shù)據(jù)熵值特性兩個角度提取特征向量的方法，盡最大可能獲得數(shù)據(jù)信息。
　　其次，研究了SVM多類分類問題的兩種解決辦法，以及基于后驗(yàn)概率的SVM概率分類方法。針對小樣本計算后驗(yàn)概率出現(xiàn)偏差的問題，結(jié)合常規(guī)SVM分類投票機(jī)制，建立了基于決策值計算分類概率的數(shù)學(xué)模型。
　　最后，為融合數(shù)據(jù)本身統(tǒng)計特性和數(shù)據(jù)所反映的能量特性，結(jié)合D-S證據(jù)理論的融合算法，將LDA特征提取分類結(jié)果與小波能譜熵提取特征向量分類結(jié)果進(jìn)行融合