基于小波能谱熵-隐半马尔可夫模型的故障识别方法及应用

被引：6

作者：

谭晓栋 ^{[1
]}

邱静 ^{[1
]}

刘冠军 ^{[1
]}

曾庆虎 ^{[1
]}

苗强 ^{[2
]}

机构：

[1] 国防科学技术大学机电工程研究所

[2] 多伦多大学机械工业与工业工程系

来源：

机械科学与技术 | 2009年 / 28卷 / 10期

关键词：

故障识别; 小波能谱熵; 隐半马尔可夫模型; 高斯概率分布函数; 驻留时间;

D O I：

10.13433/j.cnki.1003-8728.2009.10.027

中图分类号：

TH165.3 [];

学科分类号：

080202 ;

摘要：

有效的特征提取方法和分类算法能显著的提高故障识别的精度。小波能谱熵突出了振动信号中短暂的异常信号,能有效的表征早期故障特征;隐半马尔可夫模型通过加入高斯概率分布函数来描述各个状态的驻留时间,能合理的表征振动信号的暂态特征,适合于机械系统的故障识别问题;本文将小波能谱熵和HSMM相结合,提出了基于小波能谱熵的HSMM故障识别方法。以小波能谱熵作为特征向量,通过训练得到各个状态的HSMM模型并建立分类器,从而实现对未知状态的识别。以齿轮为对象,对齿轮常见的故障状态进行了识别试验。

引用

页码：1340 / 1343+1348 +1348

页数：5