10.3321/j.issn:0254-3087.2008.12.018
基于小波相关特征尺度熵的HSMM设备退化状态识别与故障预测方法
隐半马尔可夫模型(HSMM)是隐马尔可夫模型(HMM)的一种扩展模型,是在已定义的HMM结构上加入了时间组成部分,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,与HMM相比具有更好的建模能力和分析能力,而且可以直接用于预测.基于振动信号与语音信号的相似性,将HSMM引入机械设备退化状态识别与故障预测中,提出基于小波相关特征尺度熵(WCFSE)的HSMM设备退化状态识别与故障预测方法.首先将小波相关滤波法与信息熵理论相结合得到能敏感表征故障严重程度的WCFSE向量,并以此向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器与故障预测模型,从而实现设备退化状态识别与故障预测.将其应用到滚动轴承的退化状态识别与故障预测中,验证了该方法的有效性.
故障预测、状态识别、小波相关特征尺度熵、隐半马尔可夫模型(HSMM)、退化状态
29
TH133;TP391
国家部委预研项目51317050301
2009-02-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
2559-2564