多PCA模型及SVM-DS融合决策的服务机器人故障诊断 |
| |
引用本文: | 袁宪锋,宋沐民,周风余,陈竹敏.多PCA模型及SVM-DS融合决策的服务机器人故障诊断[J].振动.测试与诊断,2015,35(3):434-440. |
| |
作者姓名: | 袁宪锋 宋沐民 周风余 陈竹敏 |
| |
作者单位: | (1.山东大学控制科学与工程学院 济南,250061)(2.山东大学计算机科学与技术学院 济南,250101) |
| |
基金项目: | 国家自然科学基金资助项目(61375084);山东大学基本科研业务费资助项目(2014JC034) |
| |
摘 要: | 针对轮式服务机器人驱动系统故障诊断问题,提出一种基于多主成分分析(principal component analysis,简称PCA)模型及支持向量机和DS证据理论(support vector machine and dempster-shafer,简称SVM-DS)融合决策的故障诊断方法,分别利用正常状态和故障状态下的传感器数据建立多个PCA模型。利用正常状态下的PCA模型实现故障的检测。传感器数据经多PCA模型特征提取后作为SVM的输入向量,实现故障的初步分离。基于混淆矩阵定义SVM的全局及局部可信度,并依据可信度值和故障初步分离结果完成基本概率分配函数的赋值,以实现SVM和DS证据理论在故障分离中的有效结合。实验结果表明,本研究方法能灵敏检测到机器人驱动系统故障的发生,故障分离平均正确率达92.6%,与传统单PCA模型的方法相比有更高的正确率和稳定性。
|
关 键 词: | 服务机器人 故障诊断 主成分分析 支持向量机 DS证据理论 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《振动.测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动.测试与诊断》下载全文 |
|