10.13229/j.cnki.jdxbgxb20171063
结合狄利克雷过程和连续隐马尔科夫模型的滚动轴承性能退化评估
针对隐马尔科夫模型(Hidden Markov model,HMM)定义中状态数必须预先设定的不足,提出了一种基于狄利克雷过程(Dirichlet process,DP)和连续隐马尔科夫模型(Continuous hidden Markov model,CHMM)的滚动轴承性能退化评估方法.该方法基于DP扩展混合模型(Dirichlet process mixture model,DPMM)良好的聚类特性和分层狄利克雷过程(Hierarchical Dirichlet process,HDP)的分层共享原理,利用多组状态特征值,获得了轴承的运行状态数,解决了CHMM模型结构设置的问题,实现了滚动轴承运行中的退化状态识别和性能评估.利用美国USFI/UCR智能维护中心轴承全寿命试验进行了应用研究,并与基于Kolmogorov-Smirnov (K-S)检验的滚动轴承性能退化评估进行了对比.结果 表明,结合狄利克雷过程和连续隐马尔科夫模型的算法能有效地监测滚动轴承运行中的不同退化状态,为基于状态的设备维修提供了参考.
机械设计、狄利克雷过程、连续隐马尔可夫模型、性能退化评估、滚动轴承
49
TH165.3
国家自然科学基金;江苏省自然科学基金;江苏省"六大人才高峰"高层次人才项目;研究生科研创新项目;基础研究项目
2020-11-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
117-123