KPCA 和耦合隐马尔科夫模型在轴承故障诊断中的应用

摘要：

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。

关键词：核主成分分析、耦合隐马尔可夫模型、滚动轴承、故障诊断

分类号：TH165.3;TN911;TH17

资助基金：国家自然科学基金项目51035007，51175329，51105243

在线出版日期：2014-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：85-89