基于emd—ica与hmm风机故障分类方法

《基于emd—ica与hmm风机故障分类方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第55卷第4期汽轮机技术V01．55No．42013年8月TURBINETECHNOL0GYAug．2013基于EMD—ICA和HMM的风机故障分类方法任学平，单立伟(内蒙古科技大学机械工程学院，包头014010)摘要：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

2、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。关键词：风机；经验模态分解；独立分量分析；隐马尔可夫模型；故障分类分类号：TH17文献标识码：A文章编号：1001—5884(2013)04-0306-03AFaultClassificationMethodforBlowerBasedonEMD．ICAandHMMRENXue．ping．SHANLi．wei(Mec

3、hanicalEngineeringSchool，InnerMongoliaUniversityofScience&Technology，Baotou014010，China)Abstract：HiddenMarkovModel(HMM)isakindofmethodforpatternsclusteringandrecognition，Independentcomponentanalysis(ICA)isapowerfultoolforanalyzingnonganssiandata．InICA，Fourordereumulantisaki

4、ndofrobustandsteadyalgorithm，whichisspeciallyappropriatetofeatureextractionofvibrationsigna1．Butindependentcomponentanalysishascertainpremisecondition，withtheaidofempiricalmodedecomposition(EMD)，removehighfrequencyIMFpart，eliminatenoiseinterference，makesignalsatisfytheICAco

5、ndition．Inthispaper，theICAisproposedforfeatureextractionofdifferentstatepatterns(includingnormalandrotormisalignment)ofoneironmillblower，HMMrealizethefinalclassification．ContrasttheresultsclassificationexperimentsshowedthatthecompoundEMD—ICAandHMMclassifierCanbeconstructedi

6、nsimplerway，andclassifyvariousfaultpatternsatconsiderableaccuracy，bothofwhichimplyitsgreatpotentialinhealthconditionmonitoringofmachines．Keywords：blower；empiricalmodedecomposition(EMD)；independentcomponentanalysis(ICA)；hiddenmarkovmodel(HMM)；faultclassification谨的模型结构，现已成为语音

7、识别的主流方法。故障诊断和0前言语音识别都可以看成是一个模式识别、分类的问题。因此，HMM方法开始被国内外一些学者引入到状态检测和故障诊机械故障在时间序列上往往表现出较强的脉冲冲击特断领域中来。HMM是一种具有自适应能力和学习功能的模性，例如风机转子故障引发振动观测的非高斯特性，这使得型，通过训练获取与之联系的特征，并对未知的状态进行识许多特征提取技术不再满足其需要。近年来，独立分量分析别。并且HMM是基于概率的一种随机过程，所以训练及其(ICA)方法在生物医学和语音图像等信号的分离及特征的诊断具有较高的可解释性--。提取方面引起了人们的注意

8、，特别令人感兴趣的是在机械故因此，本文结合ICA和HMM的优点，提出了基于EMD障特征提取和机械源分离方面。ICA在非高斯数据分析方—ICA和HMM故障分类方法。面