资源描述：
《基于cghmm的核电装备主泵状态监测与故障诊断技术的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基于CGHMM的核电装备主泵状态监测与故障诊断技术的研究29?基于CGHMM的核电装备主泵状态监测与故障诊断技术的研究术李劲播，江志钢，岳夏(1•南华大学机械工程学院，湖南衡阳4210012华南理工大学，广东广州510006)摘要:本文对核电机械装备系统屮主泵状态进行监测和故障诊断•在短时傅里叶变换的倒谱系数为特征训练模型的基础上，采用CGHMM分析主泵运行的振动信号和建模,并对模型进行状态监测和故障诊断.实验结果表明该方法有效可行，不仅提高了诊断精度，而且加陕了诊断速度.关键词:主泵连续高斯密度混合HMM监测故障诊断倒谱系数中图分类号:什17文献标识码:A文章编号:1-
2、002—6886(2010]01-(1029—04ResearchonStateMonitoringandFaultDiagnosisTechnologyoftheNuclearPowerEquipmentCoolantPumpbasedonCGHMMLIJinbo,JIANGZhigang,YUEXiaAbstract:ThispaperstudiedmonitoringandfaultdiagnosistothecoolantpumpstatesintheNuclearPowerMechanicalEquipmentSys一tern.Basedontheshort一t
3、imefouriertransformoftheCepstrumCoefficientsforthecharacteristicstrainingmodehContinuousGaussianmixtureHiddenMarkovModel(CGHMM)isadoptedtoanalyzevibrationsignalsofthecoolantpumpworkingandtomodehanditisstatemonitoringandfaultdiagnosistothemodel.Theexperimentationresultshowsthatthisproposal
4、methodiseffectiveandfeasible.Itisnotonlytoimprovediagnosisaccuracybutalsotoacceleratediagnosisspeed・Keywords:thecoolantpump;ContinuousGaussianMixtureHMM;monitoring;faultdiagnosis;cepstrumcoefficients0引言在核电装备系统屮主泵占有十分重要的地位，直接影响核电装备运行的可靠性和安全,对其进行快速有效的状态监测与故障诊断，意义重大.针对核电装备系统复杂，所积累的资料与故障样本少,信
5、号信息量大等特点，而hmm具有强大的时序模式分类能力，适用于动态时间序列的建模并特别适合于对非平稳，重复再现性不佳的信号分析.鉴于主泵的振动信号和语音信号有一定程度上的相似性，现在HMM已经成为语咅识别的主流技术,因此把HMM方法引入核电装备系统中主泵状态监测和故障诊断的研究.国内外已经将HMM方法应用到状态监测和故障诊断等领域屮，已经取得了良好的效果.1HMM基本原理与算法J隐马尔町夫模型(HiddenMarkovModeLHMM)是一种用参数表示用于描述随机过程统计特性的概率模型,是一个双重随机过程，由两部分组成:马尔可夫链和一般随机过程，其屮马尔可夫链用来描述状态的
6、转移,即状态为模式内部的状态序列,用转移概率来描述;一般随机过程用来描述状态与观察序列问的关系，用观察值概率來描述.在状态监测与故障诊断中，被检测设备的状态一般不能直接观察到，要逋过测量被测设备的表现来感知.HMM是一种参数化模型,具有严格的数学结构和可靠的计算性能，实践屮它的参数集合可以通过实际观测到的实验数据集合运用统计方法而获得，便于在实践中利用电路芯片实现的算法，即算法易于硬件实现.现在己经在语音识别方面得到广泛成功的应用，目前大多数语音识别系统都采用HMM.一个HMM模型由若干个状态组成,随着时间的变化，各个状态之间可以发生转移,也可以在一个状态内驻留，每个观察
7、值向量对不同的状态都有相应的输出概率.一个HMM由下列五个元素(s,,7r,A,B)组成,其中：cl:一组状态的集合,S={S.,S,...,s}其屮的状态数为IV,并用q来表示它t时刻的状态，当然qtc{s.,s.,...,S}.c2:：i组可观察符号的集合,V={.,表示从每一状态可能输出的不同观察值的数忖,记t时刻的观测值为0,其中OE{,V2,C3:仃:初始概率分布矢fi：,7r={7rjr2,.・.,7r},其中,7r=P{q=S},l
