文献类型：期刊文章

作　　者：曾庆虎[1] 邱静[1] 刘冠军[1] 谭晓栋[1]

机构地区：[1]国防科学技术大学机电工程研究所,长沙410073

出　　处：《仪器仪表学报》

基　　金：国家"十一.五"部委预研项目(5131705031)资助

年　　份：2009

卷　　号：30

期　　号：7

起止页码：1341-1346

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、EI(收录号：20093612289723)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为消除多通道观测信息冗余,压缩高维故障特征,提出基于KPCA多通道特征信息融合的HSMM设备退化状态识别与故障预测新方法。首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量,然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量,并以此向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器与故障预测模型,从而实现设备退化状态识别与故障预测。将其应用到滚动轴承的退化状态识别与故障预测中,验证了该方法的有效性。

关 键 词：故障预测 状态识别  小波相关特征尺度熵  信息融合 KPCA 隐半马尔可夫模型(HSMM)  

分 类 号：TH133] TP391]