基于Wavelet-HMM的旋转机械故障诊断方法研究
何树波
丁启全
李志安
吴昭同
1.浙江大学,机械系,杭州,3100272.浙江大学,机械系,杭州,3100273.浙江大学,机械系,杭州,3100274.浙江大学,机械系,杭州,310027
摘要：隐Markov模型是一个双随机过程,适用于动态过程的时间序列的建模并具有强大的时序模式分类能力,特别适合非平稳、重复再现性不佳的信号分析;小波变换具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力.文中将小波变换和隐Markov模型相结合,提出基于小波变换的HMM状态识别法,利用Daubechies小波进行8尺度的小波分解,然后从小波分解结构中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM来进行训练,其中输出概率最大的状态即是机组运行状态,从而实现状态的识别,实验结果表明该方法很有效.
关键词：小波变换隐Markov模型(HMM)故障诊断
分类号：TP206.3(自动化技术及设备)TH165.3(机械制造工艺)TH17(机械运行与维修)TN911(通信)
资助基金：国家自然科学基金(50075079)
论文发表日期：2003-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：3( 173-475 )
英文信息