基于多传感器信息融合的水工闸门故障诊断

TV663; 针对水工闸门安全检修困难、检修效率低的问题,提出了一种基于支持向量机(Support vector machine,SVM)和改进D-S证据理论的信息融合水工闸门故障诊断方法.该方法通过提取不同传感器诊断信号小波包信息熵特征构建特征子空间,然后在每个特征子空间构建诊断子网络,最后使用改进证据理论对每个诊断子网络的输入进行决策层融合,从而水工闸门的多信息融合诊断结果.闸门故障诊断实验结果显示,信息融合的闸门故障诊断方法可有效识别弧形闸门故障种类,其故障诊断准确率达到了98.33%,同时诊断可靠度高,各类故障的诊断不确定度均小于1%.实验结果验证了智能故障诊断方法用于水工闸门领域的可...

Full description

Saved in:
Bibliographic Details
Published in中国农村水利水电 no. 2; pp. 96 - 102
Main Authors 李凯旋, 张钰奇, 付春健, 段玥晨
Format Journal Article
LanguageChinese
Published 河南省智能制造研究院,河南 郑州 450001%河南省智能制造研究院,河南 郑州 450001%郑州大学机械与动力工程学院,河南 郑州 450001 15.02.2024
郑州大学机械与动力工程学院,河南 郑州 450001
Subjects
支持向量机
improving evidence theory
fault diagnosis
信息融合
水工闸门
support vector machines
information fusion
故障诊断
改进证据理论
hydraulic gate
Online AccessGet full text

Cover

More Information
Summary:TV663; 针对水工闸门安全检修困难、检修效率低的问题,提出了一种基于支持向量机(Support vector machine,SVM)和改进D-S证据理论的信息融合水工闸门故障诊断方法.该方法通过提取不同传感器诊断信号小波包信息熵特征构建特征子空间,然后在每个特征子空间构建诊断子网络,最后使用改进证据理论对每个诊断子网络的输入进行决策层融合,从而水工闸门的多信息融合诊断结果.闸门故障诊断实验结果显示,信息融合的闸门故障诊断方法可有效识别弧形闸门故障种类,其故障诊断准确率达到了98.33%,同时诊断可靠度高,各类故障的诊断不确定度均小于1%.实验结果验证了智能故障诊断方法用于水工闸门领域的可行性,对于改进水工闸门故障检修方式,推动水利工程智能化的发展具有重大意义.
ISSN:1007-2284
DOI:10.12396/znsd.230743