CHMM在滚动轴承故障诊断中的应用研究

• 作者: 傅攀 李威霖 郑晴晴
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: 故障诊断 隐马尔科夫模型 主元分析 小波包分解 滚动轴承
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 设备设计/诊断维修/再制造
• 页码范围: 111-115
• 页数: 5页
• 分类号: TH17
• 字数: 4355字
• 语种: 中文

摘要

针对神经网络模型需求训练样本量大以及大部分神经网络处理的是静态模式识别的问题,提出一种具有良好分类能力的动态模式识别方法——连续混合高斯概率密度隐马尔科夫模型(CGHMM).以滚动轴承为研究对象,首先通过小波包分解方法提取振动信号的特征参数,然后利用主元分析(Principal Component Analysis,PCA)对提取的特征参数进行优化降维,实现对模型输入数据的简化,进而利用简化的特征值矩阵分别训练各个状态的CGHMM,最后利用训练好的CGHMM进行滚动轴承的状态监测与故障诊断.实验结果表明,该方法不仅可以智能识别滚动轴承状态,而且所需样本数较少,训练速度快,对实现滚动轴承智能化在线状态监测与故障诊断具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅攀	西南交通大学机械工程学院	78	545	12.0	18.0
2	郑晴晴	西南交通大学机械工程学院	2	12	2.0	2.0
3	李威霖	西南交通大学机械工程学院	6	57	6.0	6.0