基于振动信号的轴承早期异常状态识别方法研究

• 作者: 刘峰 孙磊 李华 腾红智 贾云献
• 来源期刊: 轴承
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 隐半马尔科夫模型 动态贝叶斯网络 异常状态识别
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 测量与仪器
• 页码范围: 59-63
• 页数: 5页
• 分类号: TH133.33|TH165+.3
• 字数: 2965字
• 语种: 中文

摘要

针对轴承早期异常状态识别问题,提出了一种基于振动信号和HSMM-DBN的轴承早期异常状态识别方法,研究了隐半马尔科夫模型转换为动态贝叶斯网络(HSMM-DBN)的优点和基本过程,并应用该方法对试验数据进行了分析.结果表明,该方法能够有效识别轴承故障的早期异常状态,为机械设备异常状态识别提供了一种新的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华	军械工程学院训练部信息管理中心	43	71	5.0	6.0
2	孙磊	军械工程学院装备指挥与管理系	20	84	4.0	8.0
3	贾云献	军械工程学院装备指挥与管理系	53	378	11.0	17.0
4	刘峰	军械工程学院科研部	2	4	1.0	2.0
5	腾红智	军械工程学院装备指挥与管理系	1	3	1.0	1.0