KPCA 和耦合隐马尔科夫模型在轴承故障诊断中的应用

• 作者: 刘韬 董广明 陈进
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 核主成分分析 耦合隐马尔可夫模型 滚动轴承 故障诊断
• 年，卷（期）: 2014,（21）
• 页码范围: 85-89
• 页数: 5页
• 分类号: TH165.3|TN911|TH17
• 字数: 4026字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2014.21.014

摘要

针对多通道数据的有效融合能够更加准确地诊断轴承的故障，提出了一种基于KPCA和耦合隐马尔可夫模型（CHMM）的轴承故障诊断方法。首先，分别对轴承各通道的振动信号进行特征提取，获得特征向量。然后采用 KP-CA 对各通道的特征向量分别进行特征约减，获取主要的信息成分。最后，利用 CHMM对多通道信息进行融合和故障诊断。通过对滚动轴承在正常、内圈故障、外圈故障和滚动体故障状态下实验数据的分析表明，该方法能够更加有效地诊断轴承的故障。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘韬	昆明理工大学机电工程学院	30	72	6.0	8.0
3	董广明	上海交通大学机械系统与振动国家重点实验室	30	363	9.0	19.0
4	陈进	上海交通大学机械系统与振动国家重点实验室	109	1353	21.0	33.0