离散隐马尔科夫模型及其齿轮箱动态故障诊断
发布时间：2021-04-13 23:16
齿轮箱是机械设备中常见的传动系统,其异常往往导致设备不能正常使用,轻则产生经济损失,重则导致安全事故,研究针对齿轮箱的故障诊断技术意义重大。隐马尔科夫模型具有强大的时序建模能力,理论上可以处理任意时长的时序模式识别问题。本文将离散隐马尔科夫模型用于齿轮箱的故障诊断,围绕特征降维、模型优化开展了研究,主要内容如下:（1）针对非线性数据的特征降维,提出了基于单核核函数级联的方法,根据类内离散度和类间距之比对核参数进行优化,依次提取原始特征集的局部信息和全局信息,实验证明,该方法兼顾了特征降维和各类数据的可分性。（2）围绕离散隐马尔科夫模型初始观测矩阵的构造问题,考虑到针对单样本或单一类型样本进行的优化策略可能导致的模型退化等问题,构造包含典型样本和易误判样本的待优化样本集,利用粒子群优化算法对初始观测矩阵进行优化,采用本方法能获得更好的初始观测矩阵。（3）针对离散隐马尔科夫模型自适应性不足的问题,本文利用离散隐马尔科夫模型进行信息融合构造包含时序信息的新特征集,采用BP神经网路算法进行齿轮箱工况的识别。本方法结合了隐马尔科夫模型较强的时序建模能力和BP神经网络的自适应性,诊断精度显著提高。
【文章来源】：中北大学山西省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
故障诊断技术分类基于解析模型的故障诊断方法适用于相对简单的系统，将通过传感器系统获得的分
图 1.2 主要的动态模式识别技术故障诊断问题实质上是动态模式识别问题。动态模式识别问题到现在界定，可以结合实际情况动态性体现在研究对象两个方面[11]：一是研的，类似于无监督学习，算法可以自适应的将新出现的故障与已有的；二是已有的故障模型可以进行动态更新，以适应出现的新特征或新模式识别方法可分为动态聚类方法和人工智能算法。主要的动态聚类 ISODATA 算法，1969 年，Ruspini[12]首次将模糊集理论引入聚类分析类算法成为应用最为广泛的算法之一，其思路是将相似样本归为一类不同类。1974 年，Dunn 提出 FCM 模型，由 Bezdek[13]将隶属度引入对 FCM 进行了一般化推广得到目前众所周知 FCM 算法。FCM 是一的模糊聚类方法，需要预先指定聚类数目和初始聚类中心，通过最小不断更新隶属度和聚类中心，直至目标函数收敛，最终根据隶属度原类别。有学者将其应用与提取特征以后的数据预处理阶段，对样本进
图 1.3 论文结构（1）分析研究了采用主成分分析法和核主成分分析法特征降维时的特点，针对线性混合核函数降维时，存在将核参数的选择转化为核函数权重的选择问题，本文提出了基于单核级联的特征降维方法，先采用局部核函数提取局部信息，再采用全局核函数提取全局信息，在两分类问题的类内离散度和类间距之比的基础上，构建了多分类问题的适应度函数。（2）针对离散马尔科夫模型用于模式识别时，初始观测值矩阵 B 的选择对其模型训练影响较大的问题，同时考虑到针对单样本进行优化会导致模型退化的问题，本文构造了优化样本集并采取粒子群算法对初始观测值进行寻优，该方法能有效提高离散隐马尔科夫模型的诊断精度。（3）针对离散对隐马尔科夫模型自适应能力较弱的问题，本文将其与 BP 神经网络算法相结合，提出了基于离散隐马尔科夫模型的信息融合方法，构造了新的特征集，再采用 BP 神经网络进行故障诊断。
【参考文献】：
期刊论文
[1]基于HSMM的机械故障演化预测诊断研究[J]. 于宁,王艳红,蔡明,田中大. 组合机床与自动化加工技术. 2018(01)
[2]基于DPMM-CHMM的机械设备性能退化评估研究[J]. 季云,王恒,朱龙彪,刘肖. 振动与冲击. 2017(23)
[3]基于多属性模糊C均值聚类的属性约简算法[J]. 李诗瑾,李倩,徐桂琼. 现代电子技术. 2017(21)
[4]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[5]基于信号共振稀疏分解和最大相关峭度解卷积的齿轮箱故障诊断[J]. 何群,郭源耕,王霄,任宗浩,李继猛. 中国机械工程. 2017(13)
[6]基于神经网络和证据理论的样本预测方法[J]. 姚雪梅,李少波,璩晶磊. 组合机床与自动化加工技术. 2017(06)
[7]基于粒子群优化KFCM的风电齿轮箱故障诊断[J]. 李状,柳亦兵,滕伟,林杨. 振动.测试与诊断. 2017(03)
[8]广义变分模态分解及其在齿轮箱复合故障诊断中的应用[J]. 杨宇,罗鹏,程军圣. 中国机械工程. 2017(09)
[9]主分量分析和隐马尔科夫模型结合的轴承监测诊断方法[J]. 张西宁,雷威,李兵. 西安交通大学学报. 2017(06)
[10]基于模糊粗糙集和SVM的航空发动机故障诊断[J]. 曹愈远,张建,李艳军,张丽娜. 振动.测试与诊断. 2017(01)
博士论文
[1]机械传动系统关键零部件故障预测技术研究[D]. 曾庆虎.国防科学技术大学 2010
[2]基于粒子群优化的齿轮箱智能故障诊断研究[D]. 魏秀业.中北大学 2009
[3]HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学 2002
硕士论文
[1]基于BP神经网络与隐马尔科夫链的驾驶状态识别[D]. 孙琼.合肥工业大学 2012
本文编号：3136183
【文章来源】：中北大学山西省
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
故障诊断技术分类基于解析模型的故障诊断方法适用于相对简单的系统，将通过传感器系统获得的分
图 1.2 主要的动态模式识别技术故障诊断问题实质上是动态模式识别问题。动态模式识别问题到现在界定，可以结合实际情况动态性体现在研究对象两个方面[11]：一是研的，类似于无监督学习，算法可以自适应的将新出现的故障与已有的；二是已有的故障模型可以进行动态更新，以适应出现的新特征或新模式识别方法可分为动态聚类方法和人工智能算法。主要的动态聚类 ISODATA 算法，1969 年，Ruspini[12]首次将模糊集理论引入聚类分析类算法成为应用最为广泛的算法之一，其思路是将相似样本归为一类不同类。1974 年，Dunn 提出 FCM 模型，由 Bezdek[13]将隶属度引入对 FCM 进行了一般化推广得到目前众所周知 FCM 算法。FCM 是一的模糊聚类方法，需要预先指定聚类数目和初始聚类中心，通过最小不断更新隶属度和聚类中心，直至目标函数收敛，最终根据隶属度原类别。有学者将其应用与提取特征以后的数据预处理阶段，对样本进
图 1.3 论文结构（1）分析研究了采用主成分分析法和核主成分分析法特征降维时的特点，针对线性混合核函数降维时，存在将核参数的选择转化为核函数权重的选择问题，本文提出了基于单核级联的特征降维方法，先采用局部核函数提取局部信息，再采用全局核函数提取全局信息，在两分类问题的类内离散度和类间距之比的基础上，构建了多分类问题的适应度函数。（2）针对离散马尔科夫模型用于模式识别时，初始观测值矩阵 B 的选择对其模型训练影响较大的问题，同时考虑到针对单样本进行优化会导致模型退化的问题，本文构造了优化样本集并采取粒子群算法对初始观测值进行寻优，该方法能有效提高离散隐马尔科夫模型的诊断精度。（3）针对离散对隐马尔科夫模型自适应能力较弱的问题，本文将其与 BP 神经网络算法相结合，提出了基于离散隐马尔科夫模型的信息融合方法，构造了新的特征集，再采用 BP 神经网络进行故障诊断。
【参考文献】：
期刊论文
[1]基于HSMM的机械故障演化预测诊断研究[J]. 于宁,王艳红,蔡明,田中大. 组合机床与自动化加工技术. 2018(01)
[2]基于DPMM-CHMM的机械设备性能退化评估研究[J]. 季云,王恒,朱龙彪,刘肖. 振动与冲击. 2017(23)
[3]基于多属性模糊C均值聚类的属性约简算法[J]. 李诗瑾,李倩,徐桂琼. 现代电子技术. 2017(21)
[4]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[5]基于信号共振稀疏分解和最大相关峭度解卷积的齿轮箱故障诊断[J]. 何群,郭源耕,王霄,任宗浩,李继猛. 中国机械工程. 2017(13)
[6]基于神经网络和证据理论的样本预测方法[J]. 姚雪梅,李少波,璩晶磊. 组合机床与自动化加工技术. 2017(06)
[7]基于粒子群优化KFCM的风电齿轮箱故障诊断[J]. 李状,柳亦兵,滕伟,林杨. 振动.测试与诊断. 2017(03)
[8]广义变分模态分解及其在齿轮箱复合故障诊断中的应用[J]. 杨宇,罗鹏,程军圣. 中国机械工程. 2017(09)
[9]主分量分析和隐马尔科夫模型结合的轴承监测诊断方法[J]. 张西宁,雷威,李兵. 西安交通大学学报. 2017(06)
[10]基于模糊粗糙集和SVM的航空发动机故障诊断[J]. 曹愈远,张建,李艳军,张丽娜. 振动.测试与诊断. 2017(01)
博士论文
[1]机械传动系统关键零部件故障预测技术研究[D]. 曾庆虎.国防科学技术大学 2010
[2]基于粒子群优化的齿轮箱智能故障诊断研究[D]. 魏秀业.中北大学 2009
[3]HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学 2002
硕士论文
[1]基于BP神经网络与隐马尔科夫链的驾驶状态识别[D]. 孙琼.合肥工业大学 2012
本文编号：3136183
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3136183.html
