基于S变换特征提取和隐马尔科夫模型的故障诊断方法研究

发布时间：2018-04-05 21:30

  本文选题：S变换　切入点：隐马尔科夫模型　出处：《计算机与应用化学》2016年02期

【摘要】：轴承的故障信号特征提取和故障的识别在机械化生产中具有重要的意义,对此提出了基于S变换特征提取和隐马尔科夫模型的故障诊断方法。为了获取所需的故障特征信息,首先对采集到的轴承信号进行S变换,并对变换结果进行奇异值分解,提取信号特征。将获取到的奇异值构造成信号特征矩阵,用于建立隐马尔科夫的故障识别模型。试验的结果证明了本文的方法在轴承的故障检测中的有效性。
[Abstract]:Bearing fault signal feature extraction and fault identification are of great significance in mechanized production. A fault diagnosis method based on S-transform feature extraction and hidden Markov model is proposed.In order to obtain the necessary fault feature information, the bearing signal is firstly transformed by S transform, and the result is decomposed by singular value to extract the signal feature.The obtained singular values are constructed into a signal feature matrix, which is used to establish a hidden Markov fault identification model.The experimental results show that the proposed method is effective in bearing fault detection.
【作者单位】： 昆明理工大学信息工程与自动化学院;云南省矿物管道输送工程技术研究中心;
【基金】：国家自然科学基金资助项目(51169007) 云南省科技计划项目(2012CA022,2013DH034) 云南省中青年学术和技术带头人后备人才培养计划项目(2011CI017)
【分类号】：TH133.3
，

本文编号：1716562