分层隐Markov模型在设备状态识别中的应用研究

• 作者: 张星辉 滕红智 王正军 葛家友 贾希胜 赵建民
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 分层隐Markov模型 状态识别 动态贝叶斯网络 状态数优化
• 年，卷（期）: 2011,（18）
• 所属期刊栏目: 机械科学
• 页码范围: 2175-2181
• 分类号: TH17
• 字数: 5629字
• 语种: 中文

摘要

与传统的隐Markov模型（HMM）相比较而言，应用分层隐Markov模型（HHMM）对设备进行状态识别有诸多优点，而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题，引入动态贝叶斯网络这一新的方法，由于该方法可以有效地降低模型的计算复杂度并缩短推理时间，所以将HHMM表达为动态贝叶斯网络，利用预处理的振动信号对设备的健康状态进行识别；针对现有状态分类方法的局限性，提出了基于K均值算法和交叉验证方法相结合的状态数优化方法；以齿轮箱全寿命实验为依据，对该模型实现状态识别的基本框架和计算过程进行了研究，研究结果为复杂设备的状态识别提供了新的思路。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵建民		35	229	8.0	14.0
2	贾希胜		86	937	16.0	26.0
3	张星辉		22	97	5.0	9.0
4	王正军		16	33	3.0	5.0