谐波小波样本熵与HMM模型的轴承故障模式识别

查看全文 作　　者：[1]李庆 LIANG Steven Y [1,2 ][1]杨建国索引

机构地区：[1]东华大学机械工程学院,上海201620;[2]GeorgeW.WoodruffSchoolofMechanicalEngineering,GeorgiaInstituteofTechnology

出　　处：《上海交通大学学报》索引2016年第50卷第5期,共8页

基　　金：国家自然科学基金资助项目(51175077);上海市自然科学基金资助项目(14ZR1418500) 摘　　要：根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点. 关键词：谐波小波样本熵 HMM模型滚动轴承模式识别

相关文献

参考文献（15）
引证文献（7）
耦合文献（72）

参考文献(15)

引证文献(7)

耦合文献(72)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

谐波小波样本熵与HMM模型的轴承故障模式识别

参考文献(15)

引证文献(7)

耦合文献(72)

用户提示