| 基于KPCA-HSMM设备退化状态识别与故障预测方法研究 |
| |
| 引用本文： | 曾庆虎,邱静,刘冠军,谭晓栋.基于KPCA-HSMM设备退化状态识别与故障预测方法研究[J].仪器仪表学报,2009,30(7). |
| |
| 作者姓名： | 曾庆虎 邱静 刘冠军 谭晓栋 |
| |
| 作者单位： | 国防科学技术大学机电工程研究所,长沙,410073 |
| |
| 基金项目： | 国家"十一五"部委预研项目 |
| |
| 摘 要： | 为消除多通道观测信息冗余,压缩高维故障特征,提出基于KPCA多通道特征信息融合的HSMM设备退化状态识别与故障预测新方法.首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量,然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量,并以此向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器与故障预测模型,从而实现设备退化状态识别与故障预测.将其应用到滚动轴承的退化状态识别与故障预测中,验证了该方法的有效性.
|
| 关 键 词： | 故障预测 状态识别 小波相关特征尺度熵 信息融合 隐半马尔可夫模型(HSMM) |
Research on equipment degradation state recognition and fault prognostics method based on KPCA- Hidden Semi-Markov Model |
| |
| Zeng Qinghu,Qiu Jing,Liu Guanjun,Tan Xiaodong.Research on equipment degradation state recognition and fault prognostics method based on KPCA- Hidden Semi-Markov Model[J].Chinese Journal of Scientific Instrument,2009,30(7). |
| |
| Authors: | Zeng Qinghu Qiu Jing Liu Guanjun Tan Xiaodong |
| |
| Abstract: | |
| |
| Keywords: | KPCA |
| 本文献已被 万方数据 等数据库收录！ |
|
