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.
基金项目
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)
NETL
NSTL
维普
万方数据