兵工学报
兵工學報
병공학보
ACTA ARMAMENTARII
2009年
6期
740-745
,共6页
曾庆虎%邱静%刘冠军%苗强
曾慶虎%邱靜%劉冠軍%苗彊
증경호%구정%류관군%묘강
信息处理技术%信息融合%核主元分析%小波相关特征尺度熵%隐半马尔可夫模型%状态识别%退化状态
信息處理技術%信息融閤%覈主元分析%小波相關特徵呎度熵%隱半馬爾可伕模型%狀態識彆%退化狀態
신식처리기술%신식융합%핵주원분석%소파상관특정척도적%은반마이가부모형%상태식별%퇴화상태
为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析(KPCA)多通道特征信息融合的隐半马尔可夫模型(HSMM)设备退化状态识别的新方法.首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而实现设备退化状态的识别.实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径.
為消除多通道觀測信息冗餘,壓縮高維故障特徵,提齣瞭基于覈主元分析(KPCA)多通道特徵信息融閤的隱半馬爾可伕模型(HSMM)設備退化狀態識彆的新方法.首先,對採集的單通道振動信號進行小波相關濾波處理,構造單通道振動信號的小波相關特徵呎度熵嚮量;然後,利用KPCA方法對多通道的小波相關特徵呎度熵嚮量進行冗餘消除和特徵融閤,得到多通道的融閤小波相關特徵呎度熵嚮量;併以此融閤特徵嚮量作為HSMM的輸入進行訓練,建立基于HSMM的設備運行狀態分類器,從而實現設備退化狀態的識彆.實驗結果錶明,該方法能有效的識彆設備的退化狀態,從而為多通道特徵信息融閤設備退化狀態識彆開闢新的途徑.
위소제다통도관측신식용여,압축고유고장특정,제출료기우핵주원분석(KPCA)다통도특정신식융합적은반마이가부모형(HSMM)설비퇴화상태식별적신방법.수선,대채집적단통도진동신호진행소파상관려파처리,구조단통도진동신호적소파상관특정척도적향량;연후,이용KPCA방법대다통도적소파상관특정척도적향량진행용여소제화특정융합,득도다통도적융합소파상관특정척도적향량;병이차융합특정향량작위HSMM적수입진행훈련,건립기우HSMM적설비운행상태분류기,종이실현설비퇴화상태적식별.실험결과표명,해방법능유효적식별설비적퇴화상태,종이위다통도특정신식융합설비퇴화상태식별개벽신적도경.