基于DHMM的滚动轴承故障诊断

• 作者: 傅攀 樊巍 郑晴晴
• 来源期刊: 机械工程与自动化
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 隐马尔科夫模型 主成分分析
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 工艺研究
• 页码范围: 132-133,136
• 页数: 3页
• 分类号: TH165+.3|TH133.33
• 字数: 1679字
• 语种: 中文

摘要

针对传统神经网络模型训练时需求的样本量大、训练收敛速度慢、甚至不能完成训练的问题，提出一种具有良好分类能力的模式识别方法———离散隐马尔可夫模型（DHMM）。以滚动轴承为研究对象，对振动信号进行分帧处理，通过小波包分解方法得到其特征参数，再由主成分分析方法（PCA ）对特征参数进行降维优化，利用简化后特征参数矢量训练各轴承状态的DHMM ，最后由训练好的DHMM 实现滚动轴承运行状态监测与故障诊断。实验研究表明：该方法能够有效地实现滚动轴承的状态识别，并且需要的样本量少，训练速度快，对实现滚动轴承运行状态的智能化在线监测具有重要的意义。

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	樊巍	西南交通大学机械工程学院	3	9	2.0	3.0
3	郑晴晴	西南交通大学机械工程学院	2	12	2.0	2.0