基于Wavelet-HMM的旋转机械故障诊断方法研究

被引:3
作者
何树波
丁启全
李志农
吴昭同
机构
[1] 浙江大学机械系
关键词
小波变换; 隐Markov模型(HMM); 故障诊断;
D O I
10.16579/j.issn.1001.9669.2003.05.001
中图分类号
TH17 [机械运行与维修];
学科分类号
摘要
隐Markov模型是一个双随机过程 ,适用于动态过程的时间序列的建模并具有强大的时序模式分类能力 ,特别适合非平稳、重复再现性不佳的信号分析 ;小波变换具有多分辨率分析的特点 ,在时频两域都具有表征信号局部特征的能力。文中将小波变换和隐Markov模型相结合 ,提出基于小波变换的HMM状态识别法 ,利用Daubechies小波进行 8尺度的小波分解 ,然后从小波分解结构中提取一维信号的低频系数作为特征向量 ,将其输入到各个状态HMM来进行训练 ,其中输出概率最大的状态即是机组运行状态 ,从而实现状态的识别 ,实验结果表明该方法很有效。
引用
收藏
页码:473 / 475
页数:3
相关论文
共 1 条
[1]  
隐Markov模型(HMM)及其在语音处理中的应用[M]. 华中理工大学出版社 , 谢锦辉 著, 1995