颜云华 金炜东

1(常州机电职业技术学院 江苏 常州 213164)2(江苏省物联网与制造业信息化工程技术研究开发中心 江苏 常州 213164)3(西南交通大学 四川 成都 610031)

0 引 言

列车转向架是影响列车安全运行的重要部件，对其关键部件进行实时监测不仅能有效保障列车的安全运行，还能提高车辆检修的效率。在列车转向架故障诊断系统中，由于安装位置、安装可靠度等因素，传感器对不同类别故障的识别能力存在较大差异。单一传感器所包含的故障信息并不全面，无法完全反映故障状态，仅依靠单一传感器很难得到较高的故障识别率。因此，本文将多个传感器采集到的故障信息进行信息融合，以获得更加准确和可靠的识别结果。

DS(Dempser-Shafer，DS)证据方法由于其独特的优点被广泛用于解决数据误差较大、数据不确定等问题[1]，但要实现多传感器的信息融合，需解决两大问题：(1) 如何根据传感器对应分类器的输出构造DS证据理论中的基本概率赋值函数(Basic Probability Assignment，BPA)[2-4]；(2) 如何处理因传感器差异引起的冲突证据[5-8]。

支持向量机(Support Vector Machine,SVM)分类器因能较好地解决高维、非线性等传统分类器无法解决的问题而得到广泛的应用。但SVM因其硬输出问题，在信息融合领域的应用受到很大限制。目前，很多研究人员已经对SVM概率输出问题开展研究[9-11]，其中Platt[9]提出的计算后验概率法应用较广。

本文根据文献[9]方法先实现SVM硬输出到概率输出的转化，用混淆矩阵(Confusion Matrix，CM)评价各分类器的局部可信度，并由后验概率输出和局部可信度来构建BPA函数，即完成信息的融合。……