資源描述：
《基于無(wú)限隱 Markov 模型的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第３７卷第１０期儀器儀表學(xué)報(bào)Ｖｏｌ３７Ｎｏ１０２０１６年１０月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＯｃｔ．２０１６基于無(wú)限隱Ｍａｒｋｏｖ模型的旋轉(zhuǎn)機(jī)械故障診斷方法研究李志農(nóng)，柳寶，侯娟（南昌航空大學(xué)無(wú)損檢測(cè)技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室南昌３３００６３）摘要：針對(duì)傳統(tǒng)隱Ｍａｒｋｏｖ模型（ＨＭＭ）在機(jī)械故障診斷中存在的不足，即ＨＭＭ過(guò)學(xué)習(xí)或溢出問(wèn)題以及隱狀態(tài)數(shù)需要事先假定，提出了基于無(wú)限隱馬爾可夫模型（ｉＨＭＭ）的機(jī)械故障診斷方法。在提出的方法中，以譜峭度為特征提取，ｉＨＭＭ為識(shí)別器，并以最大似然估計(jì)來(lái)確定設(shè)備運(yùn)轉(zhuǎn)中出現(xiàn)的故障類型
2、。同時(shí)，將提出的方法與傳統(tǒng)的ＨＭＭ故障識(shí)別方法進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果表明，提出的方法是有效的，得到了非常滿意的識(shí)別效果。提出的方法能夠有效避免了ＨＭＭ在建模初期遺留下的不足，可以自適應(yīng)確定模型中隱藏狀態(tài)數(shù)和模型數(shù)學(xué)結(jié)構(gòu)，因此，提出的方法明顯優(yōu)于ＨＭＭ故障識(shí)別方法。關(guān)鍵詞：無(wú)限隱馬爾可夫模型；故障診斷；譜峭度；最大似然估計(jì)；模式識(shí)別中圖分類號(hào)：ＴＨ１６５．３ＴＮ９１１．６文獻(xiàn)標(biāo)識(shí)碼：Ａ國(guó)家標(biāo)準(zhǔn)學(xué)科分類代碼：４６０．１５２０，５１０．４０３０Ｒｅｓｅａｒｃｈｏｎｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎｉｎｆｉｎｉｔ
3、ｅｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌＬｉＺｈｉｎｏｎｇ，ＬｉｕＢａｏ，ＨｏｕＪｕａｎ（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮｏｎｄｅｓｔｒｕｃｔｉｖｅＴｅｓｔｉｎｇ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３６００６３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｉｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｔｒａｄｉｔｉｏｎａｌＨＭＭｆａｕｌｔｒｅｃｏｇｎｉｔｉｏｎｍｏｄｅｌｉｎｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓ，ｉ．ｅ．ｏｖｅｒｌｅａｒｎｉｎｇｏｒｏｖｅｒｆｌｏｗｐｒｏｂｌｅｍｓａｎｄｒｅｑｕ
4、ｉｒｉｎｇｔｏａｓｓｕｍｅｔｈｅｈｉｄｄｅｎｓｔａｔｅｓｉｎａｄｖａｎｃｅ，ａｎｅｗｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎｉｎｆｉｎｉｔｅＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ（ｉＨＭＭ）ｉｓｐｒｏｐｏｓｅｄ．Ｉｎｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ，ｔｈｅｓｐｅｃｔｒａｌｋｕｒｔｏｓｉｓｉｓｕｓｅｄａｓｔｈｅｆａｕｌｔｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｔｈｅｉＨＭＭａｓｔｈｅｉｄｅｎｔｉｆｉｅｒ，ａｎｄｔｈｅｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｅｓｔｉｍａｔｉｏｎｉｓｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｍｅｃｈａｎｉｃａｌｆａｕｌ
5、ｔｔｙｐｅｏｃｃｕｒｒｅｄｉｎｔｈｅｅｑｕｉｐｍｅｎｔｏｐｅｒａｔｉｏｎ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄａｎｄｔｒａｄｉｔｉｏｎａｌＨＭＭｆａｕｌｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄａｒｅｃｏｍｐａｒｅｄａｎｄａｎａｌｙｚｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｈａｓｖｅｒｙｓａｔｉｓｆａｃｔｏｒｙｒｅｃｏｇｎｉｔｉｏｎｅｆｆｅｃｔ．ＴｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙａｖｏｉｄｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｔｈｅＨＭＭ
6、ｍｅｔｈｏｄｉｎｔｈｅｉｎｉｔｉａｌｍｏｄｅｌｉｎｇｓｔａｇｅ，ｃａｎａｄａｐｔｉｖｅｌｙｄｅｔｅｒｍｉｎｅｔｈｅｎｕｍｂｅｒｏｆｈｉｄｄｅｎｓｔａｔｅｓｉｎｔｈｅｍｏｄｅｌａｎｄｔｈｅｍａｔｈｅｍａｔｉｃａｌｓｔｒｕｃｔｕｒｅｏｆｔｈｅｍｏｄｅｌ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｏｂｖｉｏｕｓｌｙｓｕｐｅｒｉｏｒｔｏｔｈｅｔｒａｄｉｔｉｏｎａｌＨＭＭｆａｕｌｔｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ．Ｋｅｙｗｏｒｄｓ：ｉｎｆｉｎｉｔｅｈｉｄｄｅｎｍａｒｋｏｖｍｏｄｅｌ（ｉＨＭＭ）；ｆａｕｌｔｄｉａｇｎｏｓｉｓ；ｓｐｅｃｔｒａｌｋｕｒｔｏｓ
7、ｉｓ；ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｅｓｔｉｍａｔｉｏｎ；ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ法是停留在靜態(tài)觀測(cè)的基礎(chǔ)之上的，忽略了故障發(fā)生前１引言后的上下文信息，沒(méi)有揭示系統(tǒng)潛在狀態(tài)所發(fā)生的變化特征，因而也難于對(duì)故障的發(fā)展做出預(yù)測(cè)。然而，隨著問(wèn)基于隱Ｍａｒｋｏｖ模型（ｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ，ＨＭＭ）的題的研究深入，基于隱Ｍａｒｋｏｖ模型的機(jī)械故障診斷方法［１１１］機(jī)械故障診斷已經(jīng)取得很大進(jìn)展。與傳統(tǒng)的故障診的不足也充分地暴露出來(lái)了，主要體現(xiàn)在以下兩方面：斷方法相比較，隱Ｍａｒｋｏｖ模型能夠有效地對(duì)一個(gè)時(shí)間跨１）ＨＭＭ訓(xùn)練學(xué)習(xí)過(guò)程使用的期望值
8、最大度上的信息進(jìn)行統(tǒng)計(jì)建模和分類，而傳
