基于GMM训练与HMM变换的波纹管振动信号分析
在分析了波纹补偿器异常与正常振动信号后,提出了一种基于GMM训练与HMM变换的振动信号分析方法.首先进行波纹管振动采集实验,保存振动数据,并进行初步时域分析;其次将在自然语言处理领域广泛应用的隐马尔可夫模型应用于波纹补偿器的振动数据分析;最后对提到的故障特征进行基于GMM-HMM算法的波纹补偿器的故障诊断模型构建.通过对实验数据进行测试验证,故障识别率高达96.7%,而传统的算法分析波纹管振动故障,其识别率最高仅为86.7%.此结果表明该算法实现了对波纹补偿器运行状态的准确识别,保证了故障诊断的合理性与高效性.
波纹补偿器、监测、GMM-HMM算法、故障诊断
36
TH113.1
福建省自然科学基金面上项目;福建省中青年教师教育科研项目;莆田市科技计划项目
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
共8页
33-40
