共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
基于LSSVM-HMM的发射机故障预测研究 总被引:1,自引:0,他引:1
针对雷达发射机的故障状态具有强的随机性和不确定性问题,结合最小二乘支持向量机(LSSVM)能够对信号进行非线性预测和隐马尔可夫模型(HMM)能够进行较为精确的似然度概率计算的特点,提出了基于LSSVM-HMM的故障状态预测模型.通过基于小波包的SSNF算法对采集的磁控管电流信号进行去噪后提取有效的非平稳和非线性特征,用正常时的特征向量来训练HMM,并利用该模型对未知信号的特征向量及用LSSVM对其预测到的特征向量进行状态监测,从而获得故障出现的概率.实验结果表明,该模型用于小样本的发射机故障预测是有效的尝试. 相似文献
5.
基于小波包能量谱的HMM钻头磨损监测 总被引:5,自引:0,他引:5
从工程应用的角度论述了小波包分解原理及其能量谱监测理论,并将该理论应用于钻削力信号特征提取中,针对钻削过程特征矢量与钻头磨损之间具有较强的随机性和不确定性的特点,提出一种基于隐马尔可夫模型(HMM)的钻头磨损监测方法。实验结果表明,通过对钻削力信号进行多层小波包分解,提取各频段能量谱作为特征矢量可准确刻画工艺系统随钻头磨损的演化规律,利用HMM建立的各钻头磨损状态小波包能量谱的统计模型可有效跟踪钻头磨损的发展趋势,实现钻头磨损状态和寿命的监测。 相似文献
6.
基于小波相关特征尺度熵的HSMM设备退化状态识别与故障预测方法 总被引:3,自引:0,他引:3
隐半马尔可夫模型(HSMM)是隐马尔可夫模型(HMM)的一种扩展模型,是在已定义的HMM结构上加入了时间组成部分,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,与HMM相比具有更好的建模能力和分析能力,而且可以直接用于预测.基于振动信号与语音信号的相似性,将HSMM引入机械设备退化状态识别与故障预测中,提出基于小波相关特征尺度熵(WCFSE)的HSMM设备退化状态识别与故障预测方法.首先将小波相关滤波法与信息熵理论相结合得到能敏感表征故障严重程度的WCFSE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. 相似文献
7.
8.
基于AR-连续HMM的故障诊断模型及应用 总被引:6,自引:0,他引:6
在状态监测与故障诊断中,被测设备的状态一般不能直接观察到,要通过测量被测设备的表现来感知,这和隐马尔可夫模型(HMM)在本质是相通的。因此可以利用连续高斯密度混合HMM分析被测设备的振动信号,首先以AR模型系数为特征,研究不同状态数与不同混合高斯数对HMM模型分类的影响,再利用较优的状态数与混合高斯数HMM模型进行状态监测和故障诊断,诊断与对比实验结果表明该方法能利用少量样本进行训练和有效诊断。 相似文献
9.
10.
11.
针对基于油中溶解气体分析(DGA)的变压器故障诊断方法需要大量训练样本,而实际应用中缺乏样本的问题,提出在小样本情况下一种应用基于DGA和隐马尔科夫模型(HMM)的变压器故障诊断算法。该算法利用DGA提取变压器的故障特征,使用HMM作为变压器故障诊断分类器,并对HMM模型的训练算法进行改进,引入比例因子和多观测序列。试验结果表明:使用公开数据集IEC TC 10作为变压器故障数据集,将本算法与常用于小样本情况的SVM、决策树算法相比较,本算法的变压器故障诊断正确率更高。 相似文献
12.
根据切削颤振的特点,结合隐马尔可夫模型(Hidden Markov Model,HMM)和支持向量机(Support Vector Machine,SVM)的特点,提出了一种新的状态预测技术,同时也提出了一种新的特征提取方法。首先在等时间间隔内对切削信号实时进行小波包分解,然后通过SVM对各频带区间能量变化趋势进行回归预测,最后通过HMM对预测结果进行分类。结果表明,该方法取得了较好的预测结果。 相似文献
13.
小波-神经网络在齿轮故障诊断中的应用 总被引:1,自引:0,他引:1
基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法.对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本.用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型. 相似文献
14.
15.
基于小波包特征向量与神经网络的滚动轴承故障诊断 总被引:1,自引:0,他引:1
基于故障轴承的特征提取,提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法.对滚动轴承信号进行3层小波包分解,构造小波包特征向量作为故障样本,用训练好的BP神经网络进行故障诊断,试验结果表明,该方法能够有效地诊断出滚动轴承的故障类型. 相似文献
16.
17.
18.
19.
本文对机车牵引电动机的振动信号通过振动传感器传输至MATLAB小波包分析软件,小波包去噪处理分离出噪声信号保留有用信号,进行能量谱分解。不同特征频率的能量百分比进行归一化处理,作为改进BP神经网络样本输入数据进行训练,得到牵引电机故障诊断模型,输入样本测试数据故障诊断,测试结果显示,该模型能够有效诊断牵引电机所发生的故障。 相似文献
20.
基于小波包样本熵的滚动轴承故障特征提取 总被引:5,自引:0,他引:5
将样本熵引入故障诊断领域,讨论了样本熵的性能和计算参数的选择.结合小波包分解和样本熵,提出了一种新的滚动轴承故障特征提取方法.首先对轴承振动信号进行小波包分解;然后对归一化能量最大的子带进行重构,计算重构信号的样本熵;最后通过样本熵评价故障状态.滚动轴承故障诊断实例验证了该方法的有效性. 相似文献