本文選題：S變換　切入點：隱馬爾科夫模型　出處：《計算機與應用化學》2016年02期

【摘要】：軸承的故障信號特征提取和故障的識別在機械化生產(chǎn)中具有重要的意義,對此提出了基于S變換特征提取和隱馬爾科夫模型的故障診斷方法。為了獲取所需的故障特征信息,首先對采集到的軸承信號進行S變換,并對變換結果進行奇異值分解,提取信號特征。將獲取到的奇異值構造成信號特征矩陣,用于建立隱馬爾科夫的故障識別模型。試驗的結果證明了本文的方法在軸承的故障檢測中的有效性。
[Abstract]:Bearing fault signal feature extraction and fault identification are of great significance in mechanized production. A fault diagnosis method based on S-transform feature extraction and hidden Markov model is proposed.In order to obtain the necessary fault feature information, the bearing signal is firstly transformed by S transform, and the result is decomposed by singular value to extract the signal feature.The obtained singular values are constructed into a signal feature matrix, which is used to establish a hidden Markov fault identification model.The experimental results show that the proposed method is effective in bearing fault detection.
【作者單位】： 昆明理工大學信息工程與自動化學院;云南省礦物管道輸送工程技術研究中心;
【基金】：國家自然科學基金資助項目(51169007) 云南省科技計劃項目(2012CA022,2013DH034) 云南省中青年學術和技術帶頭人后備人才培養(yǎng)計劃項目(2011CI017)
【分類號】：TH133.3
，

本文編號：1716562