10.3969/j.issn.0254-3087.2016.10.003
基于无限隐 Markov 模型的旋转机械故障诊断方法研究
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。
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
37
TH165.3;TN911.6
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
2016-11-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
2185-2192