發(fā)布時間：2017-10-27 05:01

  本文關鍵詞：諧波小波樣本熵與HMM模型的軸承故障模式識別

  更多相關文章： 諧波小波 樣本熵 HMM模型 滾動軸承 模式識別

【摘要】：根據(jù)諧波小波分解非平穩(wěn)振動信號優(yōu)良特性與隱馬爾科夫(HMM)模型的時序模式分類能力,提出了一種基于諧波小波樣本熵與HMM模型結合的軸承故障模式識別方法.該方法首先利用諧波小波對軸承各個狀態(tài)故障信號進行分解,進而由諧波小波三維時頻網(wǎng)格圖的頻率層數(shù)特征計算合理的樣本熵維數(shù)和閾值,依次提取軸承振動信號各層的樣本熵構成特征向量序列;然后將序列前120組輸入HMM模型中進行訓練得到對應故障模型,剩余80組進行測試與識別,通過對比對數(shù)似然估計概率輸出值確定軸承故障類型.實驗通過與BP和RBF神經(jīng)網(wǎng)絡模型進行不同訓練組數(shù)的正確識別率對比,驗證了該組合方法具有識別準確率高,穩(wěn)定性強的優(yōu)點.
【作者單位】： 東華大學機械工程學院;George
【關鍵詞】： 諧波小波 樣本熵 HMM模型 滾動軸承 模式識別
【基金】：國家自然科學基金資助項目(51175077) 上海市自然科學基金資助項目(14ZR1418500)
【分類號】：TH133.3
【正文快照】： 2.George W.Woodruff School of Mechanical Engineering,Georgia Institute of Technology,Atlanta,GA 30332-0560,USA)accuracy and stability.軸承故障特征提取與模式識別對故障診斷及故障機理研究具有重要意義.由于變工況及設備自身的非線性影響,軸承發(fā)生故障時,振動信號，

本文編號：1101996