基于KPCA-HSMM设备退化状态识别方法的研究

• 作者: 刘冠军 曾庆虎 苗强 邱静
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 信息处理技术 信息融合 核主元分析 小波相关特征尺度熵 隐半马尔可夫模型 状态识别 退化状态
• 年，卷（期）: 2009,（6）
• 页码范围: 740-745
• 页数: 6页
• 分类号: TP391|TH133
• 字数: 4931字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1093.2009.06.015

摘要

为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析(KPCA)多通道特征信息融合的隐半马尔可夫模型(HSMM)设备退化状态识别的新方法.首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而实现设备退化状态的识别.实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苗强	电子科技大学机电学院	9	228	7.0	9.0
2	邱静	国防科学技术大学机电工程研究所	53	742	16.0	25.0
3	刘冠军	国防科学技术大学机电工程研究所	47	710	15.0	25.0
4	曾庆虎	国防科学技术大学机电工程研究所	10	271	9.0	10.0