基于隐半马尔可夫模型设备退化状态识别方法研究

• 作者: 刘冠军 曾庆虎 邱静
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 隐半马尔可夫模型(HSMM) 状态识别 退化状态 滚动轴承
• 年，卷（期）: 2008,（4）
• 页码范围: 429-432
• 页数: 4页
• 分类号: TH165
• 字数: 2944字
• 语种: 中文
• DOI: 10.3321/j.issn:1003-8728.2008.04.003

摘要

机械设备从正常到故障往往经历一系列退化状态,正确识别与估计设备当前所处的退化状态,对预防设备进一步退化和故障的发生具有重要意义.隐半马尔可夫模型(Hidden Semi-Markov Models,HSMM)是隐马尔可夫模型(hidden Markov models,HMM)的二种扩展模型,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,比HMM具有更好的建模能力和分析能力.由状态识别和HMM本质上的相通性,将HSMM引入到机械设备的状态识别中,提出了一种基于HSMM状态识别方法,描述了该模型的拓扑结构和主要参数以及相应的训练和识别算法.最后通过滚动轴承试验系统验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱静	国防科学技术大学机电工程研究所	53	742	16.0	25.0
2	刘冠军	国防科学技术大学机电工程研究所	47	710	15.0	25.0
3	曾庆虎	国防科学技术大学机电工程研究所	10	271	9.0	10.0