10.13465/j.cnki.jvs.2014.21.014
KPCA 和耦合隐马尔科夫模型在轴承故障诊断中的应用
针对多通道数据的有效融合能够更加准确地诊断轴承的故障,提出了一种基于KPCA和耦合隐马尔可夫模型(CHMM)的轴承故障诊断方法。首先,分别对轴承各通道的振动信号进行特征提取,获得特征向量。然后采用 KP-CA 对各通道的特征向量分别进行特征约减,获取主要的信息成分。最后,利用 CHMM对多通道信息进行融合和故障诊断。通过对滚动轴承在正常、内圈故障、外圈故障和滚动体故障状态下实验数据的分析表明,该方法能够更加有效地诊断轴承的故障。
核主成分分析、耦合隐马尔可夫模型、滚动轴承、故障诊断
TH165.3;TN911;TH17
国家自然科学基金项目51035007,51175329,51105243
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
85-89