10.3969/j.issn.0258-0918.2018.05.015
基于噪声信号分析和HMM-SVM混合模型的乏燃料剪切机故障诊断研究
对乏燃料剪切机运行状态进行监测和故障诊断是保证其正常运行,避免酿成严重事故的重要保障.剪切机的工作噪声中包含了丰富的信息,采集后经小波包变换提取其能量特征后可以很好地表征剪切机的故障状态.本文对剪切机工作噪声信号通过三层小波包分解进行特征提取,构建了HMM-SVM混合模型用于剪切机故障的智能诊断.该模型结合了隐马尔可夫模型良好的动态建模能力和支持向量机良好的分类能力及小样本泛化能力强的优点.实验证明,HMM-SVM混合模型用于乏燃料剪切机的故障诊断可取得优于单独HMM或SVM模型的良好效果.
乏燃料剪切机、故障诊断、隐马尔可夫模型、支持向量机
38
TL248(核燃料及其生产)
湖南省军民融合产业发展专项资助项目2013JMH01;湖南省重大专项资助项目2012FJ1007
2018-12-04(万方平台首次上网日期,不代表论文的发表时间)
共8页
825-832