基于CHMM的旋转机械故障诊断技术

摘要：

隐马尔可夫模型(Hidden Markov model,HMM)是一种具有较强的时间序列建模能力的信号模式处理工具,在语音处理中获得了广泛应用,特别适合于非线性、重复再现性不佳的信号的分析.基于振动信号与语音信号的相似性,将CHMM(Continuous Hidden Markov model)引入了旋转机械的故障诊断中.采用12阶LPC倒谱系数进行特征提取,建立CHMM,为防止数据下溢,引入前向一后向比例因子算法求其对数似然概率,并且采用K-means算法对CHMM进行参数初始化.在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch算法实现参数重估,并给出了重估公式.最后,在转子试验台上模拟了四种故障试验,建立了四种故障的CHMM模型,通过求其最大似然概率值来决定机器的运行状态,试验结果证明了该方法的有效性.

关键词：CHMM、故障诊断、旋转机械、模式识别

所属期刊栏目：42

分类号：TH16

资助基金：中国科学院资助项目50275024

在线出版日期：2006-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：126-130