基于改进Stacking与D-S证据理论的两阶段多源信息融合轴承故障诊断

摘要

考虑单一传感器及单一故障特征的故障诊断性能存在局限，提出一种两阶段多源传感信息融合轴承故障诊断方法。考虑样本不平衡特性与多特征关联提出改进Stacking算法，构建一维残差特征融合网络，对多传感器特征进行训练强化，实现故障特征融合。针对多源传感信息不确定性，基于Dempster-Shafer证据理论，提出了考虑证据信息量和可信度的改进证据融合规则，实现故障诊断决策融合。通过滚动轴承应用案例表明，所提方法在不同工况下的轴承故障诊断中，平均准确率、精确度、召回度和f1分数均达到0.98以上，与其他7种方法相比较，表现出优秀的性能和良好的泛化性。

关键词

两阶段信息融合 / 故障诊断 / Stacking算法 / Dempster-Shafer证据理论 / 改进合成规则

基金资助

上海市自然科学基金资助项目(23ZR1428100)