基于D-S理論的高速列車轉(zhuǎn)向架故障診斷.pdf

1、信息融合已經(jīng)在模式識別等領(lǐng)域有了廣泛的應用，DS證據(jù)理論是處理信息融合問題的重要手段之一，但是DS證據(jù)理論在融合沖突信息時會產(chǎn)生悖論結(jié)果。為避免沖突信息融合時悖論結(jié)果的產(chǎn)生，國內(nèi)外研究者們因此提出了許多對DS證據(jù)理論的改進方法。
　　首先，本文以高速列車轉(zhuǎn)向架故障數(shù)據(jù)的特征集為研究基礎(chǔ)。使用不同的單一特征選擇方法會得到不同的特征排序，則單一特征選擇方法得到的結(jié)果存在沖突，因此提出了一種多準則特征選擇方法MCF-fgoalattai

2、n。本文以基于多目標優(yōu)化改進的DS理論為融合方法，對四種不同單一準則特征選擇方法進行融合，構(gòu)成多準則特征選擇方法MCF-fgoalattain。在軸承內(nèi)環(huán)退化故障數(shù)據(jù)及UCI標準數(shù)據(jù)集上應用MCF-fgoalattain方法，并計算其穩(wěn)定性，驗證了MCF-fgoalattain的有效性。然后將MCF-fgoalattain方法應用到高速列車轉(zhuǎn)向架故障數(shù)據(jù)上特征集上，結(jié)果表明MCF-fgoalattain多準則特征選擇方法穩(wěn)定地提高了故障

3、識別率。MCF-fgoalattain與四種單一準則特征選擇方法對比的結(jié)果表明MCF-fgoalattain方法比單一準則特征選擇方法更具優(yōu)勢。MCF-fgoalattain與其他多準則特征特征選擇方法對比的結(jié)果表明，基于多目標優(yōu)化改進的DS理論能更好地處理單一準則特征選擇方法間的沖突。
　　其次，針對高速列車轉(zhuǎn)向架故障數(shù)據(jù)，以MCF-fgoalattain方法對特征集進行特征選擇后，本文提出了一種SVM與DS理論相結(jié)合的決策融合

4、方法以實現(xiàn)故障識別。將線性核函數(shù)SVM、RBF核函數(shù)SVM、多項式核函數(shù)SVM分類器的硬輸出通過映射函數(shù)轉(zhuǎn)化為概率輸出，并以上述三類分類器得出的混淆矩陣計算分類器對于不同類別目標的識別可信度，根據(jù)概率輸出和可信度構(gòu)造概率賦值函數(shù)，以DS理論融合規(guī)則融合概率賦值函數(shù)構(gòu)成決策融合方法。在軸承故障數(shù)據(jù)及UCI標準數(shù)據(jù)集上驗證了決策融合方法的有效性后，將其應用到經(jīng)過MCF-fgoalattain方法對高速列車轉(zhuǎn)向架故障數(shù)據(jù)特征選擇后的待分類樣本