-
题名基于隐Markov模型的齿轮箱故障识别方法研究
被引量：6
- 1
-
-
作者
杨秀芳
陈卓
王驰
-
机构
西安理工大学机械与精密仪器工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2020年第11期115-123,共9页
-
基金
国家自然科学基金面上项目(51775433)资助
-
文摘
针对神经网络的识别一直停留在静态模式识别上的不足,采用一种近年来发展较快的动态模式识别技术—隐马尔科夫模型分析齿轮箱振动信号。首先提取齿轮箱振动信号在时域、频域和时频域的统计特征,组成34维全特征矢量,训练了一组全特征-隐马尔科夫模型库;再通过主分量分析技术对全特征矢量进行降维处理,取其吸收信息量98%以上的前7个主分量组成主分量特征矢量,训练了另外一组主分量-隐马尔科夫模型库。分别用两组独立的模型库进行齿轮箱故障识别。结果表明,全特征-隐马尔科夫模型库对齿轮正常、齿轮断齿的识别准确率为97.9%,对齿轮点蚀的识别准确率为100%,程序运行耗时22.328 s,主分量-隐马尔科夫模型库对齿轮点蚀的和齿轮断齿识别准确率均达到100%,程序运行耗时4.879 s。振动信号特征的降维处理没有降低故障的识别率,反而提升了故障识别准确率,同时大大提升了程序运行速度,这对机械系统故障诊断具有重要意义。
-
关键词
故障识别
齿轮箱
隐马尔科夫模型
全特征矢量
主分量特征矢量
-
Keywords
fault identification
gearbox
hidden Markov model
full feature vector
principal component feature vector
-
分类号
O211.62
[理学—概率论与数理统计]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
