基于HMM与改进距离测度法的齿轮箱故障诊断-论文.pdf

《基于HMM与改进距离测度法的齿轮箱故障诊断-论文.pdf》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、振动与冲击第33卷第14期JOURNALOFVIBRA~ONANDSHOCK基于HMM与改进距离测度法的齿轮箱故障诊断袁洪芳，张任，王华庆(1．北京化工大学信息科学与技术学院，北京100029；2．北京化工大学机电工程学院，北京100029)摘要：提出基于隐马尔科夫模型(HiddenMarkovModel，HMM)与改进距离测度法的齿轮箱故障诊断新方法。在改进的距离测度方法中通过两约束因子调整特征参数灵敏度的评价函数，通过评价函数获得最优特征参数子集，完成对特征参数降维；利用最优特征参数子集训练获得齿轮箱各状态下Markov模型；计算测试数据在各模型的对数似然概率，

2、据概率值大小判断故障类型。齿轮箱验证实验结果表明，改进距离测度法与HMM方法结合能有效识别齿轮箱轴不对中、断齿、磨损等多故障模式，适用性较高，可用于实际齿轮箱系统故障诊断。关键词：特征提取；改进的距离测度法；HMM；故障诊断；齿轮箱中图分类号：TH212；TH213．3文献标志码：ADOI：10．13465／j．cnki．jVS．2014．14．016FaultdiagnosisofgearboxbasedonHMMandimproveddistancemeasureYUANHong-fang，ZHANGRen，WANGHua—qing。(1．BeijingUniv

3、ersityofChemicalTechnology，Beijing100029，China；2．BeijingUniversityofChemicalTechnology，Beijing100029，China)Abstract：Withresortingtoanexperimentaldeviceforinvestigatingmultipledefectsofgearboxanewapproachforfaultdiagnosisofgearboxwasproposed．Intheimproveddistancemeasuremethod，tworestrai

4、ntfactorswerepresentedtoadjusttheevaluationfunctionbywhichthesuperiorfeaturescanbeselectedfromtheoriginalfeatureset．BasedontheHMM(HiddenMarkovMode1)theory，thesuperiorfeatureswereusedtotraintheHMMuntilitisconvergent，andtheHMMundereachgearboxstatecanbeobtained．Calculatingthelogarithmicli

5、kelihoodprobabilityofeachHMMbyuseoftestingdata，thefaultstatecanbeidentifiedbasedontheprobabilityvalue．ThetestingresultsshowthatthecombinationofHMMandimproveddistancemeasurecaneffectivelyidentifydifferentgearboxfailurepatternswithhighrecognitionaccuracy，andcanbeappliedtotherealgearboxsy

6、stemforfaultdiagnosis．Keywords：featureselection；improveddistancemeasure；HMM；faultdiagnosis；gearbox齿轮箱作为大型旋转设备中重要零部件，一旦发虽已成熟应用，但仍依赖专家经验。而智能诊断方法生故障，设备甚至生产过程均会受其影响。为保证设因依赖专家经验少、操作简单方便、具有自动性、实时备安全、高效运行，故障诊断技术应运而生，现已用于性强等特点得到较大发展。常用智能诊断算法包括各种机械设备，避免众多生产事故的发生J。目前齿人工神经元网络、遗传算法、支持向量机、蚁群算法等，轮故障

7、诊断研究主要集中在齿轮箱状态检测仪器及分虽在模式识别领域成熟应用，但均存在缺点。神经网析系统的开发、信号处理与分析、故障机理研究与典型络易陷入局部最优；遗传算法对染色体编码及适应度故障特征提取、诊断方法及人工智能应用，包括振动诊函数设计要求较高；蚁群算法搜索时间过长，易出现搜断、噪声分析、扭振分析、油液分析、声发射、温度及能索停滞。隐马尔科夫模型(HiddenMarkovModel，耗监测等。信号处理及分析方法亦取得较大发展，如HMM)为不完全观测数据的统计模型，在语音识别领域时域波形分析法、功率谱分析、包络谱分析、时间序列应用广泛，包容性、适用性强J，且HMM