|
摘要：隐马尔可夫模型(Hidden
Markov model，HMM)是一种具有较强的时间序列建模能力的信号模式处理工具，在语音处理中获得了广泛应用，特别适合于非线性、重复再现性不佳的信号的分析。基于振动信号与语音信号的相似性，将CHMM
(Continuous Hidden Markov model)引入了旋转机械的故障诊断中。采用12阶LPC倒谱系数进行特征提取，建立CHMM，为防止数据下溢，引入前向—后向比例因子算法求其对数似然概率，并且采用K-means算法对CHMM进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现，用Baum-Welch算法实现参数重估，并给出了重估公式。最后，在转子试验台上模拟了四种故障试验，建立了四种故障的CHMM模型，通过求其最大似然概率值来决定机器的运行状态，试验结果证明了该方法的有效性。
关键词：CHMM 故障诊断
旋转机械
模式识别
中图分类号：O322
TH165.3
国家自然科学基金资助项目(50275024)。20050530收到初稿， 20051226收到修改稿
|