Print

基于融合模糊C均值与隐马尔科夫模型的滚动轴承的退化状态识别

论文摘要

滚动轴承在长期的工作过程中其性能会出现不同程度的退化,如果能对滚动轴承的退化状态进行识别就可以做好维护措施。用自回归模型(Autoregressive model, AR)对滚动轴承全寿命周期的振动信号提取其系数及残差,用正常样本和失效样本特征建立模糊C均值模型(Fuzzy C Mean, FCM),用轴承正常样本的特征数据建立隐马尔科夫(Hidden Markov model, HMM)模型,将轴承的测试样本信号输入建立的FCM和HMM模型得到的两个退化指标,再将其作为特征矩阵输入到FCM模型,得到融合方法的性能退化曲线,结果表明该方法集中了空间统计距离模型和概率统计模型两者的优势,最后用IEEE PHM2012实验数据进行验证,表明所述方法与滚动轴承性能退化趋势保持一致并且可以提早发现早期故障。

论文目录

  • 1 AR特征提取
  • 2 退化状态识别模型
  •   2.1 模糊C均值 （FCM）
  •   2.2 隐马尔科夫模型
  • 3 融合型异常检测模型
  •   3.1 FCM-HMM模型
  •   3.2 模型建立与指标提取
  • 4 实验及实验结果
  •   4.1 数据来源
  •   4.2 FCM和HMM评估结果
  •   4.3 FCM-HMM评估结果
  • 5 结 论

    • 文章来源

    类型: 期刊论文

    作者: 周建民,张臣臣,张龙,郭慧娟

    关键词: 滚动轴承,模型,模糊均值,隐马尔科夫模型,退化状态,实验

    来源: 机械设计与研究 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 机械工业

    单位: 华东交通大学载运工具与装备教育部重点实验室

    基金: 国家自然科学基金资助项目(51865010,51665013)

    分类号: TH133.33

    DOI: 10.13952/j.cnki.jofmdr.2019.0192

    页码: 83-86

    总页数: 4

    文件大小: 916K

    下载量: 198

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7d80c5fe9a7ff59078e8a3d2.html