郑晴晴
- 作品数：3 被引量：10H指数：2
- 供职机构：西南交通大学机械工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：机械工程自动化与计算机技术更多>>
- 基于DHMM的滚动轴承故障诊断被引量：2
- 2015年
- 针对传统神经网络模型训练时需求的样本量大、训练收敛速度慢、甚至不能完成训练的问题,提出一种具有良好分类能力的模式识别方法——离散隐马尔可夫模型(DHMM)。以滚动轴承为研究对象,对振动信号进行分帧处理,通过小波包分解方法得到其特征参数,再由主成分分析方法 (PCA)对特征参数进行降维优化,利用简化后特征参数矢量训练各轴承状态的DHMM,最后由训练好的DHMM实现滚动轴承运行状态监测与故障诊断。实验研究表明:该方法能够有效地实现滚动轴承的状态识别,并且需要的样本量少,训练速度快,对实现滚动轴承运行状态的智能化在线监测具有重要的意义。
- 樊巍傅攀郑晴晴
- 关键词：滚动轴承故障诊断隐马尔科夫模型主成分分析
- 基于隐Markov模型的滚动轴承故障诊断方法研究
- 滚动轴承广泛应用于旋转机械中，然而由于各种原因，滚动轴承很容易发生各种形式的故障，因此对滚动轴承开展故障诊断便成为保证设备正常运行的关键，具有重大的现实意义。
针对传统的模式识别方法（如神经网络识别法）一直停留在静...
- 郑晴晴
- 关键词：小波包分解主成分分析隐MARKOV模型滚动轴承故障诊断
- 文献传递
- CHMM在滚动轴承故障诊断中的应用研究被引量：5
- 2013年
- 针对神经网络模型需求训练样本量大以及大部分神经网络处理的是静态模式识别的问题,提出一种具有良好分类能力的动态模式识别方法——连续混合高斯概率密度隐马尔科夫模型(CGHMM)。以滚动轴承为研究对象,首先通过小波包分解方法提取振动信号的特征参数,然后利用主元分析(Principal Component Analysis,PCA)对提取的特征参数进行优化降维,实现对模型输入数据的简化,进而利用简化的特征值矩阵分别训练各个状态的CGHMM,最后利用训练好的CGHMM进行滚动轴承的状态监测与故障诊断。实验结果表明,该方法不仅可以智能识别滚动轴承状态,而且所需样本数较少,训练速度快,对实现滚动轴承智能化在线状态监测与故障诊断具有重要意义。
- 郑晴晴傅攀李威霖
- 关键词：隐马尔科夫模型主元分析小波包分解滚动轴承
