关于集成隐马尔可夫模型的轴承故障诊断.pdfVIP

振　动　与　冲　击 第３３卷第１０期 ＪＯＵＲＮＡＬ ＯＦ ＶＩＢＲＡＴＩＯＮ ＡＮＤ ＳＨＯＣＫ Ｖｏｌ．３３ Ｎｏ．１０ ２０１４　  基于集成隐马尔可夫模型的轴承故障诊断 蒋会明，陈　进，董广明，刘　韬 （上海交通大学 机械系统与振动国家重点实验室，上海　２００２４０） 　　摘　要：对轴承振动信号进行时频分析获得全特征集；运用距离补偿法提取轴承故障敏感特征获得敏感特征集。 两种特征集在用于训练、测试轴承状态时不仅诊断率不同，且误判样本亦不同。基于此，提出基于集成隐马尔可夫模型的 轴承故障诊断方法。采用两种特征集分别建立两独立隐马尔可夫模型；运用平均法则、最大似然概率法集成隐马尔可夫 模型分类效果；对轴承信号进行故障诊断。实验结果表明，与基于敏感特征集、全特征集的分类器相比，该模型分类器在 轴承故障诊断中识别精度更高。 关键词：轴承故障诊断；补偿距离评估技术；隐马尔可夫模型 中图分类号：ＴＨ１６５．３　　　文献标志码：Ａ ＤＯＩ：１０．１３４６５／ｊ．ｃｎｋｉ．ｊｖｓ．２０１４．１０．０１８ Ｉｎｔｅｇｒａｔｅｄ ＨＭＭｂａｓｅｄ ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ＪＩＡＮＧＨｕｉｍｉｎｇ，ＣＨＥＮＪｉｎ，ＤＯＮＧＧｕａｎｇｍｉｎｇ，ＬＩＵＴａｏ （Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＭｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ ａｎｄ Ｖｉｂｒａｔｉｏｎ，Ｓｈａｎｇｈａｉ Ｊｉａｏ Ｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２４０，Ｃｈｉｎａ） 　　Ａｂｓｔｒａｃｔ：　Ｆｕｌｌ ｆｅａｔｕｒｅｓ ｏｆ ａ ｂｅａｒｉｎｇ ｖｉｂｒａｔｉｏｎ ｓｉｇｎａｌ ｉｎ ｔｉｍｅ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ｗｅｒｅ ｅｘｔｒａｃｔｅｄ ａｔ ｆｉｒｓｔ．Ａ ｃｏｍｐｅｎｓａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｄｉｓｔａｎｃｅ ｗａｓ ｕｓｅｄ ｔｏ ｃｈｏｏｓｅ ｆｅａｔｕｒｅｓ ｓｅｎｓｉｔｉｖｅ ｔｏ ｂｅａｒｉｎｇ ｆａｕｌｔｓ．Ｔｈｅｎ ｆｕｌｌ ｆｅａｔｕｒｅｓ ａｎｄ ｓｅｎｓｉｔｉｖｅ ｆｅａｔｕｒｅｓ ｖｅｃｔｏｒｓｗｅｒｅ ｂｕｉｌｔ．Ｔｈｅ ｒｅｓｕｌｔｓ ｕｓｉｎｇ ｈｉｄｄｅｎ ｍａｒｋｏｖ ｍｏｄｅｌ （ＨＭＭ）ｂａｓｅｄ ｏｎ ｔｈｏｓｅ ｔｗｏ ｆｅａｔｕｒｅｓ ｗｅｒｅ ｄｉｆｆｅｒｅｎｔ．Ｔｈｅｎ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｉｎｔｅｇｒａｔｅｄ ＨＭＭｆｏｒ ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｗａｓ ｐｒｏｐｏｓｅｄ．Ｂａｓｅｄ ｏｎ ｉｎｄｅｐｅｎｄｅｎｔ ＨＭＭ ｃｌａｓｓｉｆｉｅｒｓ ｔｒａｉｎｅｄｗｉｔｈ ｔｈｏｓｅ ｔｗｏ ｄｉｆｆｅｒｅｎｔｆｅａｔｕｒｅ ｖｅｃｔｏｒｓ，ｔｈｅ ａｖｅｒａｇｅ ｒｕｌｅ ａｎｄ ｔｈｅ ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄ ｐｒｏｂａｂｉｌｉｔｙ ｍｅｔｈｏｄ ｗｅｒｅ ｕｓｅｄ ｔｏ ｉｎｔｅｇｒａｔｅ ｔｈｅ ｔｗｏ ＨＭＭｃｌａｓｓｉｆｉｅｒｓ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｈａｓ ａ ｈｉｇｈｅｒ ｒｅｃｏｇｎｉｔｉｏｎ ｒａｔｅ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｗｏ ｉｎｄｅｐｅｎｄｅｎｔ ｃｌａｓｓｉｆｉｅｒｓ ｂａｓｅｄ ｏｎ ｄｉｆｆｅｒｅｎｔ ｆｅａｔｕｒｅ ｖｅｃｔｏｒｓ． Ｋｅｙ ｗｏｒｄｓ：ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ；ｅｖａｌｕａｔｉｏｎ ｔｅｃｈｎｉｑｕｅ ｂａｓｅｄ ｏｎ ｃｏｍｐｅｎｓａｔｉｏｎ ｄｉｓｔａｎｃｅ；ｈｉｄｄｅｎ ｍａｒｋｏｖ ｍｏｄｅｌ （ＨＭＭ） 　　随科学技术进步及现代工业飞速发展，机械设备 （ＨＭＭ）为时间序列信号统计分析模型，适用于随机过 逐步向大型、复杂、高速、高效及重载方向发展，工作环 程时间序列统计建模，尤其非平