基于GA改进DHMM和KPCA-RS的滚动轴承智能诊断方法研究

• 作者: 吉晨 王华庆 袁洪芳
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: KPCA RS GA DHMM 故障诊断
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 21-24,28
• 页数: 5页
• 分类号: TH165+.3|TP206
• 字数: 2592字
• 语种: 中文

摘要

为实现滚动轴承故障智能诊断,提出了一种基于核主元分析法(KPCA)、粗糙集(RS)和遗传算法(GA)改进离散隐马尔科夫模型(DHMM)的智能诊断方法.通过使用混合核函数的KPCA和RS对时域、频域参数进行约简,构造敏感性高、稳定性强,并能准确表征轴承状态的特征参数矩阵.应用GA优化了DHMM,克服了DHMM训练算法容易陷入局部极小的缺点.最后应用GA优化的DHMM训练算法得到的滚动轴承各状态下的DHMM,并通过比较测试样本在各DHMM下的对数似然概率,实现了轴承故障类型的有效识别.实验结果表明,该方法可以有效地识别滚动轴承的状态,具有较强的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华庆	北京化工大学机电工程学院	44	151	7.0	10.0
2	袁洪芳	北京化工大学信息科学与技术学院	21	132	8.0	11.0
3	吉晨	北京化工大学信息科学与技术学院	1	6	1.0	1.0