主分量分析和因子隐Markov模型在机械故障诊断中的应用
李志农1
曾明如2
韩捷3
何永勇4
褚福磊4
1.郑州大学,振动工程研究所,郑州,450002;清华大学,精密仪器与机械系,北京,1000842.南昌大学,信息工程学院,南昌,3300293.郑州大学,振动工程研究所,郑州,4500024.清华大学,精密仪器与机械系,北京,100084
摘要：主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显.
关键词：主分量分析因子隐Markov模型冗余消除故障诊断模式识别
分类号：TH13(机械零件及传动装置)
资助基金：教育部新世纪优秀人才支持计划(2006460005)河南省高校杰出科研创新人才工程项目(0621000500)
论文发表日期：2007-01-01
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：5( 25-29 )
英文信息