基于无限隐 Markov 模型的旋转机械故障诊断方法研究

摘要：

针对传统隐 Markov 模型（HMM）在机械故障诊断中存在的不足，即 HMM过学习或溢出问题以及隐状态数需要事先假定，提出了基于无限隐马尔可夫模型（iHMM）的机械故障诊断方法。在提出的方法中，以谱峭度为特征提取，iHMM为识别器，并以最大似然估计来确定设备运转中出现的故障类型。同时，将提出的方法与传统的 HMM故障识别方法进行了对比分析。实验结果表明，提出的方法是有效的，得到了非常满意的识别效果。提出的方法能够有效避免了 HMM在建模初期遗留下的不足，可以自适应确定模型中隐藏状态数和模型数学结构，因此，提出的方法明显优于 HMM故障识别方法。

关键词：无限隐马尔可夫模型、故障诊断、谱峭度、最大似然估计、模式识别

所属期刊栏目：37

分类号：TH165.3;TN911.6

资助基金：国家自然科学基金51675258，51265039，51261024;机械传动国家重点实验室开放基金SKLMT－KFKT－201514;广东省数字信号与图像处理技术重点实验室2014GDDSIPL －01

在线出版日期：2016-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2185-2192