基于无限隐 Markov 模型的旋转机械故障诊断方法研究.pdf

《基于无限隐 Markov 模型的旋转机械故障诊断方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３７卷第１０期仪器仪表学报Ｖｏｌ３７Ｎｏ１０２０１６年１０月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＯｃｔ．２０１６基于无限隐Ｍａｒｋｏｖ模型的旋转机械故障诊断方法研究李志农，柳宝，侯娟（南昌航空大学无损检测技术教育部重点实验室南昌３３００６３）摘要：针对传统隐Ｍａｒｋｏｖ模型（ＨＭＭ）在机械故障诊断中存在的不足，即ＨＭＭ过学习或溢出问题以及隐状态数需要事先假定，提出了基于无限隐马尔可夫模型（ｉＨＭＭ）的机械故障诊断方法。在提出的方法中，以谱峭度为特征提取，ｉＨＭＭ为识别器，并以最大似然估计来确定设备运转中出现的故障类型

2、。同时，将提出的方法与传统的ＨＭＭ故障识别方法进行了对比分析。实验结果表明，提出的方法是有效的，得到了非常满意的识别效果。提出的方法能够有效避免了ＨＭＭ在建模初期遗留下的不足，可以自适应确定模型中隐藏状态数和模型数学结构，因此，提出的方法明显优于ＨＭＭ故障识别方法。关键词：无限隐马尔可夫模型；故障诊断；谱峭度；最大似然估计；模式识别中图分类号：ＴＨ１６５．３ＴＮ９１１．６文献标识码：Ａ国家标准学科分类代码：４６０．１５２０，５１０．４０３０Ｒｅｓｅａｒｃｈｏｎｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎｉｎｆｉｎｉｔ

3、ｅｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌＬｉＺｈｉｎｏｎｇ，ＬｉｕＢａｏ，ＨｏｕＪｕａｎ（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮｏｎｄｅｓｔｒｕｃｔｉｖｅＴｅｓｔｉｎｇ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３６００６３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｉｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｔｒａｄｉｔｉｏｎａｌＨＭＭｆａｕｌｔｒｅｃｏｇｎｉｔｉｏｎｍｏｄｅｌｉｎｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓ，ｉ．ｅ．ｏｖｅｒｌｅａｒｎｉｎｇｏｒｏｖｅｒｆｌｏｗｐｒｏｂｌｅｍｓａｎｄｒｅｑｕ

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法是停留在静态观测的基础之上的，忽略了故障发生前１引言后的上下文信息，没有揭示系统潜在状态所发生的变化特征，因而也难于对故障的发展做出预测。然而，随着问基于隐Ｍａｒｋｏｖ模型（ｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ，ＨＭＭ）的题的研究深入，基于隐Ｍａｒｋｏｖ模型的机械故障诊断方法［１１１］机械故障诊断已经取得很大进展。与传统的故障诊的不足也充分地暴露出来了，主要体现在以下两方面：断方法相比较，隐Ｍａｒｋｏｖ模型能够有效地对一个时间跨１）ＨＭＭ训练学习过程使用的期望值

8、最大度上的信息进行统计建模和分类，而传