汽轮机技术
汽輪機技術
기륜궤기술
TURBINE TECHNOLOGY
2013年
4期
306-308
,共3页
风机%经验模态分解%独立分量分析%隐马尔可夫模型%故障分类
風機%經驗模態分解%獨立分量分析%隱馬爾可伕模型%故障分類
풍궤%경험모태분해%독립분량분석%은마이가부모형%고장분류
blower%empirical mode decomposition (EMD)%independent component analysis (ICA)%hidden markov model(HMM)%fault classification
隐马尔可夫模型(HMM)是一种模式聚类和识别方法,独立分量分析(ICA)则是一种非常有效的非高斯数据分析工具.其中,四阶累积量算法是一种数值稳定且鲁棒的ICA方法,非常适合用于振动信号的特征抽取,但独立分量分析有一定的前提条件,借助经验模态分解(EMD),消除噪声干扰,去除高频IMF部分,满足ICA的条件.因此,利用ICA算法对某炼铁厂风机不同状态模式(包括正常和转子不对中)进行特征提取,HMM实现模式的最终分类.对照分类实验结果,表明基于EMD-ICA的HMM的故障分类方法不仅具有良好的模式分类能力,且实现简单,在风机健康状况监测中有较大的应用潜力.
隱馬爾可伕模型(HMM)是一種模式聚類和識彆方法,獨立分量分析(ICA)則是一種非常有效的非高斯數據分析工具.其中,四階纍積量算法是一種數值穩定且魯棒的ICA方法,非常適閤用于振動信號的特徵抽取,但獨立分量分析有一定的前提條件,藉助經驗模態分解(EMD),消除譟聲榦擾,去除高頻IMF部分,滿足ICA的條件.因此,利用ICA算法對某煉鐵廠風機不同狀態模式(包括正常和轉子不對中)進行特徵提取,HMM實現模式的最終分類.對照分類實驗結果,錶明基于EMD-ICA的HMM的故障分類方法不僅具有良好的模式分類能力,且實現簡單,在風機健康狀況鑑測中有較大的應用潛力.
은마이가부모형(HMM)시일충모식취류화식별방법,독립분량분석(ICA)칙시일충비상유효적비고사수거분석공구.기중,사계루적량산법시일충수치은정차로봉적ICA방법,비상괄합용우진동신호적특정추취,단독립분량분석유일정적전제조건,차조경험모태분해(EMD),소제조성간우,거제고빈IMF부분,만족ICA적조건.인차,이용ICA산법대모련철엄풍궤불동상태모식(포괄정상화전자불대중)진행특정제취,HMM실현모식적최종분류.대조분류실험결과,표명기우EMD-ICA적HMM적고장분류방법불부구유량호적모식분류능력,차실현간단,재풍궤건강상황감측중유교대적응용잠력.