主分量分析和因子隐Markov模型在机械故障诊断中的应用

• 作者: 何永勇 曾明如 李志农 褚福磊 韩捷
• 来源期刊: 机械强度
• 关键词: 主分量分析 因子隐Markov模型 冗余消除 故障诊断 模式识别
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 振动·噪声·监测·诊断
• 页码范围: 25-29
• 页数: 5页
• 分类号: TH13
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9669.2007.01.006

摘要

主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩捷	郑州大学振动工程研究所	196	1599	19.0	30.0
2	李志农	郑州大学振动工程研究所	66	582	13.0	19.0
4	褚福磊	清华大学精密仪器与机械系	191	4102	37.0	56.0
5	何永勇	清华大学精密仪器与机械系	62	1239	20.0	33.0
6	曾明如	南昌大学信息工程学院	35	233	9.0	14.0