轴承
軸承
축승
BEARING
2011年
10期
53-56
,共4页
滚动轴承%隐马尔可夫模型%故障诊断%状态加权合成
滾動軸承%隱馬爾可伕模型%故障診斷%狀態加權閤成
곤동축승%은마이가부모형%고장진단%상태가권합성
在故障诊断基本原理的理论基础上,使用具有良好识别和抗噪性能的连续高斯混合密度隐马尔可夫模型(CGHMM)进行建模,针对多样本观察值序列问题,详细地描述了一种新的算法状态加权合成的CGHMM训练算法,并将其应用于轴承故障诊断.试验结果表明,平均训练时间为12.859 s,诊断时间为0.189 s,诊断精度为96%.该方法确实有效可行,具有良好的应用前景.
在故障診斷基本原理的理論基礎上,使用具有良好識彆和抗譟性能的連續高斯混閤密度隱馬爾可伕模型(CGHMM)進行建模,針對多樣本觀察值序列問題,詳細地描述瞭一種新的算法狀態加權閤成的CGHMM訓練算法,併將其應用于軸承故障診斷.試驗結果錶明,平均訓練時間為12.859 s,診斷時間為0.189 s,診斷精度為96%.該方法確實有效可行,具有良好的應用前景.
재고장진단기본원리적이론기출상,사용구유량호식별화항조성능적련속고사혼합밀도은마이가부모형(CGHMM)진행건모,침대다양본관찰치서렬문제,상세지묘술료일충신적산법상태가권합성적CGHMM훈련산법,병장기응용우축승고장진단.시험결과표명,평균훈련시간위12.859 s,진단시간위0.189 s,진단정도위96%.해방법학실유효가행,구유량호적응용전경.
