基于HMM的大型旋转机械故障诊断方法的研究.pdfVIP

基于HMM的大型旋转机械故障 诊断方法研究 杨世锡 童进 吴昭同 严拱标 摘要：大型旋转机械在升降速过程具有振动激励频带宽、振动隐含的故障特征信息丰富等 特点，另一方面．在升降遮过程中由于信号的不平稳性、采样速率变化等因素使得一些传统分 析处理方法无法得到较好的应用。本论文采用隐MARKOV模型(HMM)对大型旋转机械在 升降速过程中故障诊断方法进行了理论与实验研究，结果表明采用HMM方法可以得到机组 在平稳运行下难以获得的故障特征．可以有效提高故障诊断的准确程度。 关键词：大型旋转机械、故障诊断、HMM 一、引言 目前，对大型旋转机械在平稳匀速运行过程(工作状态)进行监测与故障诊断的方法与系 统的研究已经广泛她受到国内外学者的关注，取得了众多的研究成果。但埘旋转机披在升降速 过程的监测与诊断研究尚不多见。而由于在升降速过程中机组振动的频带宽且振幅大并隐含 着丰富的特征信息，在某些频带信号的激励F， 些在乎稳运行中不能得到反映的故障征兆在 这里却能较充分地表露出来，因此升降逮过程故障诊断技术的研究对于旋转机械的安全运行 有着其独特的作用；其次，由于此时信号的不平稳性、采样速率变化等因素使得一些传统分析 处理方法无法得到较好的应用，故对旋转抚械升降建过程进行与平稳匀速过程一样有效的监 测和诊断则有困难，必须寻求新的分析处理方法“““。 rkov 隐Markov模型(HlddenMa Baunl等人创立，作为一种信号时间序列统计模型，已在信号处理领域，特州在语音处理中获 得了广泛的应用。HMM是一种具有较强的时问序列建模能力的信号模式处理工具，作为基于 参数模型的统汁识别方法，它是一个双随机过程一一具有一定状态数的隐式MarkoV链和显 式随机函数集：每个函数都与链中一个状态相关联，隐式过稃则通过显式过程所产生的观测序 列来表示。¨MM特别适合对于非平稳信号的分析，本文利用HMM对旋转机械升降速过程中 非平稳时间序列进行信号建模，进而研究机组在升降过程中的故障状态识别与诊断。提高了故 障诊断的准确性。 ·】62· 二、HMM理论与算法 由于HMM适于动态过程时间序列建模并具有强大的时序模式分类能力，理论上它可处 理任意长度的时序，许多由传统模式识别方法与神经网络难以处理的较长序列的模式识别问 题都可由HMM来完成，这就为HMM提供丁一个非常广的应用领域。 1、HMM[3j：(图1) 圃去嘉f至豢 图l HMM结构 s。有关，而与m时刻以前所处状态无关，则称x。为Markov链，即 t1) P(X。+k—S。。+k／X：。一S。，…X1一S1)一P(X。+k—S。{-／X¨．一S玎．) 其中，状态sl，s∥·-s—k属于一状态集合(0。，O∥--0”)。 转移概率，简称转移概率，记为a。所有转移概率o。构或了转移概率矩阵A，即 卜ll …nlH] A一卜·· ’． …l (2) !。、． … 。。。j 序列时间长度。HMM模型记为 ^(N，M，“，A，B) (3) 处状态为S；； M为每个状态对应的可能的观测值数目，M个观测值以于集合(d．，a。，…a。)表示，t时到 观测值为O。； n一×l为初始状态权率矢量； A。×N为状态转移概率矩阵； 黥×M为观测值概率矩阵，描述观测值0，和状态s。之间的统计对应关系： 出的修正形式，在状态初始分布概率矢量“与状态转移概率矩阵A构成的Markov链中，加人 ·】63· 一描述这种不对应现象的观测值概率矩阵B，从而得到了HMM，HMM之所以称之为“隐 (Hidden)”，这是由于状态的实际值是隐藏于状态的观测值之下的。 2．HMM基本算法【