基于HSMM的故障识别方法研究
机械设备的故障识别方法能提供设备运行状态的实时信息,为避免生产损失和减少设备的致命故障提供保障具有重要意义.提出了一种基于隐半马尔可夫模型(HSMM)的故障识别方法.HSMM在已定义的隐马尔可夫模型的结构上加入高斯概率分布函数来表现各状态的驻留时间,比较符合设备故障发展的规律,具有较强的建模和时序分析能力,适合于复杂动态系统的故障识别问题.本文以滚动轴承为对象,通过小波分解提取滚动轴承振动信号的小波尺度熵,建立信号的特征向量集,然后训练得到各个状态的HSMM模型,最后建立基于HSMM的状态分类器,对滚动轴承的正常及不同的故障状态进行了识别试验,结果表明该方法有效可行.
小波尺度熵 隐半马尔可夫模型 机械设备 故障识别 振动信号提取 特征向量
谭晓栋 曾庆虎 刘冠军 邱静
国防科学技术大学机电工程与自动化学院,长沙,410073
国内会议
桂林
中文
270-273
2009-11-01（万方平台首次上网日期，不代表论文的发表时间）