基于多维高斯贝叶斯的机械设备失效/故障智能诊断及参数影响分析

• 作者: 乔松 吕宝林 朱建新 王溢芳 陈嘉宏 陈学东
• 来源期刊: 机械工程学报
• 学科: 工学
• 关键词: 高斯贝叶斯 失效/故障诊断 特征参量 影响因素 马氏距离
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 仪器科学与技术
• 页码范围: 35-41
• 页数: 7页
• 分类号: TG156
• 语种: 中文
• DOI: 10.3901/JME.2020.04.035

摘要

采用多维高斯贝叶斯机器学习方法研究机械设备的失效/故障智能诊断方法,基于极大似然分析基础上,提出一种基于“马氏距离”估算的关键特征参量影响分析方法,用于评价各特征参量对失效/故障分类的影响.该方法用于两个机械设备的失效/故障数据库的智能诊断分析,在获得高诊断识别率(失效/故障模式正确识别率分别达到96％和86％)的同时,也识别了影响失效/故障分类的关键特征参量.分析表明特定的失效/故障模式往往取决于少数关键特征参量,而不确定的失效/故障模式的关键特征参量往往呈分散分布,关键特征的分散性会影响多维高斯贝叶斯分类器的诊断识别率.该方法可用于机械设备的失效/故障的智能识别与关键特征参量的智能诊断,也为失效/故障的影响因素分析指明方向.