基于LMD近似熵与HMM的转子故障诊断方法

作者: 赵荣珍 [1,2] ; 于昊 [2] ; 徐继刚 [2]

关键词: 转子系统局部均值分解近似熵隐Markov模型故障诊断

摘要：提出一种基于局部均值模式分解（10calmeandecomposition，简称LMD）的近似熵和隐MarkOV模型（hiddenMarkovmodel，简称HMM）的转子系统故障识别新方法．利用LMD良好的局域化特性和近似熵来量化故障特征，再与HMM结合进行故障类型识别．用LMD方法将转子信号分解成若干个瞬时频率具有物理意义的乘积函数（productfunction）PF分量之和，选取转子信号的前3个PF分量的近似熵值作为信号的特征向量，将构造出的特征向量输入到HMM分类器中进行故障类型识别．仿真表明，该方法能有效地提取故障特征，结合HMM的动态统计特性可智能识别转子故障类型．

上一篇：基于裂纹扩展的齿轮弯曲疲劳寿命仿真分析
下一篇：基于灰色关联理论的产品意象设计参数辨识方法

基于LMD近似熵与HMM的转子故障诊断方法

作者: 赵荣珍 [1,2] ; 于昊 [2] ; 徐继刚 [2]

关键词: 转子系统 局部均值分解 近似熵 隐Markov模型 故障诊断

关键词: 转子系统局部均值分解近似熵隐Markov模型故障诊断