论文摘要
连续隐马尔科夫模型（CHMM）应用于风机齿轮箱故障诊断,针对隐马尔可夫模型训练算法易收敛于局部最优解,提出了一种改进的BSA-CHMM参数训练算法,将鸟群算法（BSA）与Baum-Welch算法相结合,可有效的跳出局部最优解。分析振动信号并利用小波包分解与重构提取频带能量作为特征向量;将正常及各故障状态的训练样本特征作为模型观测值输入BSA-CHMM模型进行训练;最后将各检验样本特征输入各状态模型中,得到输出概率作为故障诊断的评判依据。通过Matlab仿真试验结果表明:所提出的诊断方法能够准确地诊断出故障状态,且相较于传统的CHMM训练算法能取得更好的训练结果。
论文目录
文章来源
类型: 期刊论文
作者: 丁超然,刘三明,王帅,潘兆旭
关键词: 故障诊断,风机齿轮箱,连续隐马尔科夫模型,参数训练,鸟群算法
来源: 电力学报 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 上海电机学院
分类号: TM315
DOI: 10.13357/j.cnki.jep.002777
页码: 68-78
总页数: 11
文件大小: 2758K
下载量: 224
相关论文文献
标签：故障诊断论文; 风机齿轮箱论文; 连续隐马尔科夫模型论文; 参数训练论文; 鸟群算法论文;