往復(fù)式壓縮機(jī)、柴油機(jī)等復(fù)雜機(jī)械的振動(dòng)信號(hào)往往呈現(xiàn)較強(qiáng)的非平穩(wěn)特性,導(dǎo)致傳統(tǒng)單特征門(mén)限報(bào)警法的報(bào)警準(zhǔn)確率較低。針對(duì)該問(wèn)題,提出一種基于無(wú)限學(xué)生t混合模型(infinite student’s t-mixture model,iSMM)聚類(lèi)的機(jī)械故障預(yù)警方法:首先,通過(guò)提取機(jī)械振動(dòng)信號(hào)特征構(gòu)建高維特征空間,并采用iSMM對(duì)其進(jìn)行建模,以描述機(jī)械設(shè)備的狀態(tài);其次,利用基于匹配的KL散度近似算法計(jì)算機(jī)械設(shè)備在歷史正常狀態(tài)和觀(guān)測(cè)狀態(tài)下的模型間距離;最后,將該距離與基于3σ準(zhǔn)則自學(xué)習(xí)出的報(bào)警閾值進(jìn)行比較,實(shí)現(xiàn)故障預(yù)警。利用往復(fù)式壓縮機(jī)故障案例對(duì)所提方法進(jìn)行驗(yàn)證,結(jié)果表明本文方法較單特征門(mén)限報(bào)警法報(bào)警準(zhǔn)確率高且時(shí)效性好,可有效地對(duì)復(fù)雜機(jī)械進(jìn)行故障預(yù)警。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
引 言
1 iSMM定義及其參數(shù)估計(jì)方法
    1.1 無(wú)限學(xué)生t混合模型
    1.2 模型的參數(shù)估計(jì)
2 基于iSMM的故障預(yù)警方法
    2.1 高維特征空間構(gòu)建
    2.2 統(tǒng)計(jì)分布模型訓(xùn)練
    2.3 自適應(yīng)閥值計(jì)算及報(bào)警
3 試驗(yàn)驗(yàn)證
    3.1 案例數(shù)據(jù)
    3.2 試驗(yàn)結(jié)果及分析
4 結(jié)論



本文編號(hào)：3786698