一种多分类器融合的智能分类方法

本发明提供了一种多分类器融合的智能分类方法，分类器的性能对识别故障类别起着至关重要的作用。本发明提出了一种多分类器融合的新型智能分类方法，包括四个阶段。首先，从原始振动信号中提取时域和频域特征。第二，使用改进的费雪准则方法提取敏感特征。第三，特征集（FS），并将其输入RCNN和SAE分类方法，以实现各种分类器的优势互补和实质性融合。最后，利用贝叶斯信念方法融合多个分类器的分类结果，以获得诊断结果。在滚动轴承数据集上的实验表明，本发明所提出的方法可以精确检测故障情况，并提供优于单一分类器和所有分类器集合的分类效率。实验结果揭示了多分类器融合的效率、泛化和鲁棒性。