基于KPCA-HSMM设备退化状态识别方法的研究

摘要：

为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析(KPCA)多通道特征信息融合的隐半马尔可夫模型(HSMM)设备退化状态识别的新方法.首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而实现设备退化状态的识别.实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径.

关键词：信息处理技术、信息融合、核主元分析、小波相关特征尺度熵、隐半马尔可夫模型、状态识别、退化状态

所属期刊栏目：30

分类号：TP391;TH133(计算技术、计算机技术)

在线出版日期：2009-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：740-745