|
|||||
|
|
| 主分量分析和隐马尔科夫模型结合的轴承监测诊断方法 | |
| 作者单位： | ;1.西安交通大学机械制造系统工程国家重点实验室 |
| 摘 要： | 为了快速识别轴承的故障模式以及性能退化状态,提出了一种基于主分量分析和隐马尔科夫模型的轴承监测诊断方法。该方法首先提取了轴承振动信号的混合域故障特征集,使用主分量分析对混合域故障特征集降维,然后使用降维后的特征训练隐马尔科夫模型,最后用降维后的测试样本测试模型的性能,根据隐马尔科夫模型输出的对数似然概率,确定轴承故障模式以及轴承的性能退化状态。开展了不同状态滚动轴承振动测试实验,数据分析结果表明,提出的方法诊断准确率均能达到100%,相比基于补偿距离选择特征降维及隐马尔科夫模型诊断方法,最高将分类离散度提高123.74%,并且在轴承的性能退化实验中,提出的方法能在故障早期给出故障预警,证明了该方法的有效性和准确性。 |
| 关 键 词： | 混合域故障特征集 主分量分析 隐马尔科夫模型 轴承监测诊断 |
Bearing Fault Detection and Diagnosis Method Based on Principal Component Analysis and Hidden Markov Model |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |