主分量分析和隐马尔科夫模型结合的轴承监测诊断方法

发布时间：2017-12-05 12:06

  本文关键词：主分量分析和隐马尔科夫模型结合的轴承监测诊断方法

  更多相关文章： 混合域故障特征集 主分量分析 隐马尔科夫模型 轴承监测诊断

【摘要】：为了快速识别轴承的故障模式以及性能退化状态,提出了一种基于主分量分析和隐马尔科夫模型的轴承监测诊断方法。该方法首先提取了轴承振动信号的混合域故障特征集,使用主分量分析对混合域故障特征集降维,然后使用降维后的特征训练隐马尔科夫模型,最后用降维后的测试样本测试模型的性能,根据隐马尔科夫模型输出的对数似然概率,确定轴承故障模式以及轴承的性能退化状态。开展了不同状态滚动轴承振动测试实验,数据分析结果表明,提出的方法诊断准确率均能达到100%,相比基于补偿距离选择特征降维及隐马尔科夫模型诊断方法,最高将分类离散度提高123.74%,并且在轴承的性能退化实验中,提出的方法能在故障早期给出故障预警,证明了该方法的有效性和准确性。
【作者单位】： 西安交通大学机械制造系统工程国家重点实验室;
【基金】：国家自然科学基金资助项目(51275379);国家自然科学基金创新研究群体资助项目(51421004)
【分类号】：TH133.3
【正文快照】： 滚动轴承是旋转机械中应用最为广泛的基础零部件,也是最易损坏的元件之一[1]。据不完全统计,旋转机械的故障约有30%是由滚动轴承的失效引起。因此,轴承一直都是设备状态监测与故障诊断领域的热门研究对象[2]。由于轴承故障机理的复杂性,单一特征或单域特征难以全面刻画轴承运

【相似文献】

中国期刊全文数据库 前3条

1 胡瑾秋;张来斌;胡春艳;李文强;;基于数据自组织挖掘的机械设备状态退化预警方法[J];中国石油大学学报(自然科学版);2014年03期

2 赵羽蔚;严伟;陆后军;俞翔栋;;岸边集装箱起重机司机操作意图识别方法研究[J];船舶标准化工程师;2014年04期

3 ;[J];;年期

中国博士学位论文全文数据库 前1条

1 李宁;旋转机械的测试信号分析及隐马尔科夫模型应用研究[D];重庆大学;2010年

中国硕士学位论文全文数据库 前5条

1 吴超威;基于高斯混合隐马尔科夫模型的滚动轴承故障诊断方法研究[D];湖南科技大学;2015年

2 徐宏武;基于隐马尔科夫模型的轴承故障诊断方法研究[D];昆明理工大学;2016年

3 姚治业;基于隐马尔科夫模型的风电机组齿轮箱故障诊断研究[D];华北电力大学(北京);2016年

4 高倩云;基于迭代共振稀疏分解和隐马尔科夫模型的滚动轴承故障诊断方法研究[D];北京化工大学;2016年

5 柳长昕;基于二维隐马尔科夫模型的离心泵故障诊断方法研究[D];东北电力大学;2009年

，

本文编号：1254747