基于隐半Markov模型的故障诊断和故障预测方法研究

摘要：

隐半Markov模型(HSMM)是隐Markov模型(HMM)的一种扩展形式,通过在HMM结构中加入状态驻留时间分布参数,克服了HMM假设状态驻留时间服从指数分布的不足.HSMM不仅具有较强的模式分类能力,而且能对实际问题中的状态驻留时间进行合理建模,故既可用于故障诊断,又可用于故障预测.分析了利用HSMM进行故障诊断和预测的框架;并针对传统HSMM建模算法计算量和存储空间都比较大的缺点,引入并改进了一种快速递推算法,降低了计算复杂度和存储空间要求;最后将HSMM应用于直升机齿轮箱轴承故障诊断和GaAs激光器剩余使用寿命(RUL)预测,试验结果证明了这种方法的有效性.

关键词：人工智能、隐半Markov模型、快速递推算法、故障诊断、故障预测

所属期刊栏目：30

分类号：TH17

资助基金：国家863计划资助项目2006AA04Z423

在线出版日期：2009-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：69-75