基于LMD近似熵与HMM的转子故障诊断方法

• 作者: 于昊 徐继刚 赵荣珍
• 来源期刊: 兰州理工大学学报
• 学科: 工学
• 关键词: 转子系统 局部均值分解 近似熵 隐Markov模型 故障诊断
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 机械工程与动力工程
• 页码范围: 24-29
• 页数: 6页
• 分类号: TH113|TN911.7
• 字数: 4601字
• 语种: 中文

摘要

提出一种基于局部均值模式分解(local mean decomposition,简称LMD)的近似熵和隐Markov模型(hidden Markov model,简称HMM)的转子系统故障识别新方法.利用LMD良好的局域化特性和近似熵来量化故障特征,再与HMM结合进行故障类型识别.用LMD方法将转子信号分解成若干个瞬时频率具有物理意义的乘积函数(product function)PF分量之和,选取转子信号的前3个PF分量的近似熵值作为信号的特征向量,将构造出的特征向量输入到HMM分类器中进行故障类型识别.仿真表明,该方法能有效地提取故障特征,结合HMM的动态统计特性可智能识别转子故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵荣珍	兰州理工大学机电工程学院	117	796	16.0	23.0
5	于昊	兰州理工大学计算机与通信学院	5	80	5.0	5.0
6	徐继刚	兰州理工大学计算机与通信学院	2	27	2.0	2.0