Print

基于改进连续隐马尔科夫模型的风机齿轮箱故障诊断

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

  • 0 引言
  • 1 特征提取
  • 2 改进的连续隐马尔科夫模型
  •   2.1 连续隐马尔科夫模型
  •   2.2 模型初始化
  •   2.3 输出概率计算
  •   2.4 基于BSA-BW算法的参数重估训练
  • 3 BSA-CHMM对风机齿轮箱的故障诊断
  •   3.1 特征提取和模型初始化
  •   3.2 模型训练和输出概率计算
  • 4 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/60523a462c43beefdc2136b8.html