节点文献

Hilbert-全矢HMM轴承剩余寿命预测

免费订阅

【作者】 张旺陈磊陈超宇韩捷

【Author】 ZHANG Wang;CHEN Lei;CHEN Chao-yu;HAN Jie;Research Institute of Vibration Engineering, Zhengzhou University;

【机构】 郑州大学振动工程研究所

【摘要】 由于旋转机械工矿复杂,传统的诊断预测方法往往用单通道信息采集,不仅包含大量噪声而且易造成有效信息的缺失,而且例如神经网络等预测方法需要大量的训练样本,不能对故障进行及时有效的诊断和预测。结合隐马尔科夫链(HMM)训练样本少,识别精度高以及全矢信息融合技术克服单通道信息采集不全的优点。提出基于Hilbert-全矢HMM预测方法,首先对双通道信号、分别进行Hilbert包络解调去除噪声,对处理后的、信号进行全矢融合提取主振矢,采用趋势向聚类方法对主振矢信号进行聚类分析,利用GHMM模型与每一类的匹配度作为识别预测结果。并通过对轴承内圈剩余寿命的预测进行验证,其预测精度达到90.64%,表明该方法的有效性。

【关键词】 全矢谱Hilbert聚类方法混合高斯函数GHMM
【基金】 河南省教育厅科学技术研究重点项目指导计(13B603970.0);河南省高校重点学科开放实验室项目(PMTE201302A)
【所属期刊栏目】 理论与方法研究 (2020年03期)
  • 【DOI】10.19356/j.cnki.1001-3997.2020.03.022
  • 【分类号】TH133.3
  • 【下载频次】37
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: