基于隐马尔科夫模型的机床部件故障预警技术

针对目前高档数控机床的故障只能在发生后被动维修,不能在故障发生前维修故障。提出了基于经验模态分解方法(EMD)和隐马尔科夫模型(HMM)的数控机床关键部件在线故障预警模型。通过采集分析部件运行时的信号,通过EMD进行信号分析选取合适的分量然后提取特征向量,当数据库收集500组数据时对预警模型进行一次迭代训练,如此循环。最终形成一个能比较好的表达该部件完整特性的故障预警模型。模型训练完毕后,部件的实时信号通过特征向量形式输入故障预警模型中进行计算,通过计算概率来判断部件当前所处的状态,在故障发生前进行预警。