CAJ | 학술논문

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.
위소제다통도관측신식용여,압축고유고장특정,제출료기우핵주원분석(KPCA)다통도특정신식융합적은반마이가부모형(HSMM)설비퇴화상태식별적신방법.수선,대채집적단통도진동신호진행소파상관려파처리,구조단통도진동신호적소파상관특정척도적향량;연후,이용KPCA방법대다통도적소파상관특정척도적향량진행용여소제화특정융합,득도다통도적융합소파상관특정척도적향량;병이차융합특정향량작위HSMM적수입진행훈련,건립기우HSMM적설비운행상태분류기,종이실현설비퇴화상태적식별.실험결과표명,해방법능유효적식별설비적퇴화상태,종이위다통도특정신식융합설비퇴화상태식별개벽신적도경.