基于隐马尔可夫模型的驾驶行为预测方法研究

根据驾驶行为受驾驶意图驱使,在时空上应先产生驾驶意图后有驾驶动作执行,再有具体的驾驶行为的时空顺序,利用意图到行为实现过程中的时间差,研究建立了基于多驾驶操作动作特征观测信息和隐马尔可夫模型的驾驶行为预测方法,实现了跑偏驾驶、一般转向和紧急转向3种驾驶行为的预测。从机动车安全预警的角度进行分析,预测出驾驶员的驾驶行为等同于获得驾驶员对车辆未来运行状态的需求,有助于及时纠正或干预驾驶员正在或即将实施的危险行为。     

基于时间应力及隐马尔可夫模型的焊点故障预测技术

焊点所承受的各种环境应力和工作应力的时间历程(时间应力)是其疲劳失效的直接外因.从时间应力导致焊点故障的机理入手,以焊点的三维有限元模型为基础,对焊点实时损伤的评估方法进行研究.通过建立焊点损伤及故障演化的隐马尔可夫模型,以实时损伤评估信息为基础,结合基于寿命消耗的故障预测方法,研究从时间应力测量的角度对焊点进行故障预测的详细技术流程和相关算法.最后以塑料四方扁平封装器件焊点为研究对象,对提出的焊点故障预测技术的有效性进行了试验验证和分析.     

基于隐马尔可夫模型的产品功能模块实例选取方法

为使产品概念设计达到最优化设计的目的,提出了一种基于隐马尔可夫模型的模块化产品功能模块的实例优化选取方法.通过定义产品功能模型的三种最基本构成方式,将产品功能模型转换成统一的串联功能模型形式.利用隐马尔可夫模型建模产品功能模块的实例选取过程,并借助模块实例的相关信息完成隐马尔可夫模型中各参数的实例化.最后,采用Viterbi算法实现模型的求解,找出一组使产品性能(可靠性)最优的功能模块实例组合,并通过实例验证了方法的有效性和合理性.     

基于隐半马尔可夫模型设备退化状态识别方法研究

机械设备从正常到故障往往经历一系列退化状态,正确识别与估计设备当前所处的退化状态,对预防设备进一步退化和故障的发生具有重要意义。隐半马尔可夫模型(Hidden Semi-MarkovModels,HSMM)是隐马尔可夫模型(hidden Markov models,HMM)的一种扩展模型,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,比HMM具有更好的建模能力和分析能力。由状态识别和HMM本质上的相通性,将HSMM引入到机械设备的状态识别中,提出了一种基于HSMM状态识别方法,描述了该模型的拓扑结构和主要参数以及相应的训练和识别算法。最后通过滚动轴承试验系统验证了方法的有效性。     

一种基于隐马尔可夫模型的虹膜识别方法

提出了一种基于奇异值分解和隐马尔可夫模型的虹膜识别方法。首先该方法将虹膜准确定位,并采用奇异值分解抽取虹膜图像特征作为观察序列,基于多观测值序列的隐马尔可夫模型算法进行虹膜图像的识别。实验中用VISUAL C＋＋6．0建立了虹膜训练和识别系统,实验数据为CASIA虹膜库中的图像,识别率均达到94％以上。理论分析及实验结果表明：本算法基本满足虹膜识别的稳定可靠、精度高等要求,并且对图像噪声有较强的鲁棒性。     

基于多尺度隐马尔可夫模型的CR影像降噪方法研究

在CR成像过程中不可避免的要引入各种干扰和噪声,只有弄清干扰图像信息的各种噪声来源、特征及其与信号的相互关系,才能有效地将之消除.在分析CR成像系统的基础上,文章指出影响CR图像质量的噪声主要是固有噪声和X线量子噪声,在统计规律上它们分别服从高斯分布和泊松分布.本文针对CR的固有噪声从小波系数的统计规律出发,根据固有噪声的特点,结合混合高斯模型描述小波系数的统计特征,采用两个状态的隐马尔可夫模型描述小波系数在尺度之间的相关性和依赖性,用最大期望值( EM)算法估计隐马尔可夫模型在各个尺度上的参数,然后按照尺度大小逐级对小波系数进行维纳滤波,最后是小波逆变换恢复图像.文章最后还给出了实验结果,并与其它降噪算法进行了比较.     

基于隐马尔可夫的滚动轴承健康状态评价方法研究

滚动轴承是发电机内部最容易发生故障的部件之一,为了评价轴承的运行状态,保证发电机组的正常运行,提出了一种基于小波包-互补聚合经验模态分解(CEEMD)和变分贝叶斯-隐马尔可夫模型(HMM)的滚动轴承健康状态评价方法.首先,采用小波包-互补聚合经验模态分解对振动信号进行了降噪和特征提取,再将提取到的健康状态下的特征信号输...     

基于耦合隐马尔可夫的轴承故障诊断方法

针对轴承故障信号比较微弱的特点,提出了一种基于耦合隐马尔可夫模型(coupled hidden Markov model,简称CHMM)的轴承故障诊断方法。首先,根据轴承传动结构特点,设计能够监测轴承振动状态的传感器网络;其次,通过非线性特征提取方法获取能够反映轴承健康状态的少数关键特征,利用传感信号的矢量量化代替提取其频域微弱特征的方法,可有效提高故障诊断效率和准确率;然后,在多通道信息融合中引入隐马尔可夫模型,采用左右型齐次隐马尔可夫链实现故障诊断;最后,通过对各种轴承故障状态构建其对应的耦合隐马尔可夫模型的方式,实现对轴承故障类型的辨识。试验结果表明,该方法能够有效地实现对轴承故障类型的识别。     

基于HMM的机械设备运行状态评估与故障预测研究综述

随着对机电设备安全性和可靠性要求的不断提高,准确获取趋势性故障发展历程的退化特征信息并建立有效的故障预测模型是提高设备运行可靠性的关键。隐马尔可夫模型(Hidden Markov Model,HMM)具有描述隐藏状态和观测状态的双随机过程属性,与设备的退化过程在某种程度上是相似的,因此成为故障预测模型的研究热点。综述国内外基于隐马尔可夫模型的退化评估与预测方法,重点论述基于隐马尔可夫模型及其改进方法隐半马尔可夫模型(Hidden semi-Markov Model,HSMM)的机械设备故障预测方法,分析比较各种方法的优缺点,并总结展望基于隐马尔可夫模型故障预测方法的发展趋势。     

基于灰色马尔可夫模型的柴油机磨损趋势预测

在柴油机磨损趋势灰色预测的基础上,引入马尔可夫链预测理论,建立柴油机磨损趋势灰色马尔可夫预测模型。该模型既考虑了从时间序列中挖掘数据的演变规律,又通过状态转移概率矩阵的变换提取数据的随机响应,因而可将时间序列数据固有的2种性质有机结合起来,具有严密的科学性,从而拓宽了灰色预测的应用范围。实例计算证明:柴油机磨损趋势灰色马尔可夫预测模型预测精度高于GM(1,1)模型预测精度。     

基于隐Markov模型的机械振动源数估计方法

针对非平稳时变信号,提出一种基于隐Markov模型(HMM)的机械振动源数估计方法.该方法结合隐Markov模型理论与自相关测定,通过比较不同模型的信度来确定信源的个数.实验结果表明该方法能够有效地估计出非平稳时变信号的信源个数,为机械振动故障诊断中的振动源分析提供了方法保障.     

基于隐马尔科夫模型的机床部件故障预警技术

针对目前高档数控机床的故障只能在发生后被动维修,不能在故障发生前维修故障。提出了基于经验模态分解方法(EMD)和隐马尔科夫模型(HMM)的数控机床关键部件在线故障预警模型。通过采集分析部件运行时的信号,通过EMD进行信号分析选取合适的分量然后提取特征向量,当数据库收集500组数据时对预警模型进行一次迭代训练,如此循环。最终形成一个能比较好的表达该部件完整特性的故障预警模型。模型训练完毕后,部件的实时信号通过特征向量形式输入故障预警模型中进行计算,通过计算概率来判断部件当前所处的状态,在故障发生前进行预警。     

基于连续隐马可夫模型的变工况风机齿轮箱性能退化评估

为排除工况变化给风机齿轮箱性能退化状态特征提取带来的干扰,引入基于干扰属性投影(Nui-sance Attribute Projection,NAP)的特征变换方法.将变换后的特征向量作为观测值建立正常状态下的连续隐马尔科夫模型(Continuous Hidden Markov model,CHMM),以模型输出概率与正常状态输出概率的偏离程度作为齿轮箱性能退化的评估依据.为建立动态警报系统,提出利用极限误差法对输出结果进行统计处理划出分级警报线,为后续维护计划制定提供参考.     

基于AR的二维隐Markov模型离心泵故障诊断方法

离心泵速度变化过程的振动信号具有信息量大、非平稳、重复再现性不佳等特点, 二维隐Markov模型(2D-HMM )很适合处理此类信号.利用AR谱不受数据长度的限制,AR模型参数对状态变化规律反映敏感的特点,以振动信号做自回归变换后的AR谱系数作为特征向量,将基于AR的2D-HMM引入到离心泵故障诊断中, 提出了一种基于AR的2D-HMM故障诊断方法,并论述了该模型的拓扑结构和主要参数以及相应的训练和识别算法.最后通过2BA-6A离心泵试验系统验证了方法的有效性.     

分层隐Markov模型在设备状态识别中的应用研究

与传统的隐Markov模型（HMM）相比较而言,应用分层隐Markov模型（HHMM）对设备进行状态识别有诸多优点,而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络这一新的方法,由于该方法可以有效地降低模型的计算复杂度并缩短推理时间,所以将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法;以齿轮箱全寿命实验为依据,对该模型实现状态识别的基本框架和计算过程进行了研究,研究结果为复杂设备的状态识别提供了新的思路。     

大型旋转机械升降速过程故障诊断研究

在大型旋转机械升降速过程中,将隐 Ｍａｒｋｏｖ 模型（ Ｈ Ｍ Ｍ ）的时序建模能力与 Ｂ Ｐ网的模式识别能力相结合进行故障诊断工作。实验证明综合这两类方法的优点,能更好地达到机组故障诊断的目的。     

一种基于数控机床的插铣加工方法

对航空铸件类机箱产品采用插床加工进行了研究,研究发现该类型产品均存在需要进行加工的垂直面且尺寸精度要求较高。通过对航空铸件类机箱产品常规加工方法的总结及探索,提出一种可在数控机床上进行插铣的加工方法。自制发明一种可用于数控机床的专用刀具,利用机床主轴的垂直运动,达到加工垂直面的工艺要求。该方法相对于普通插床具有效率高、加工表面质量高、可程序控制等优点。目前已推广应用于各类航空惯导、飞控铸件机箱印制板插槽的插铣加工。