| 【中文题名】 | 隐马尔科夫模型及其在机械故障模式识别中的应用 |
| 【英文题名】 | Hidden Markov Model and Its Application in Mechanical Faults Pattern Recognition |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-23 |
| 【中关键词】 | 隐马尔科夫模型,故障诊断,特征提取,汽轮机,齿轮, |
| 【英关键词】 | Hidden Markov Model,fault diagnosis,feature extraction,turbine,gear, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
隐马尔科夫模型(Hidden Markov Model,简称作HMM)是一种新的模式识别技术,其基本方法是通过对训练信号进行特征值提取和标量量化,建立具有相应状态数和观测值数的隐Markov模型,然后利用该模型计算待诊断信号与训练信号的相似概率,根据相似概率的差异判断信号状态的变化,达到信号模式分类的目的。本文的主要研究工作是利用HMM进行机械设备运行状态识别和故障诊断,包括三项研究内容:1)在深入学习HMM理论基础上,探讨HMM的技术实现方法,编制Matlab环境下的HMM实现程序;2)研究振动信号特征提取方法,开发基于LabVIEW的希尔伯特变换和倒频谱分析程序;3)应用HMM对于汽轮机和齿轮等两种典型旋转机械设备运行状态进行分析识别。对于汽轮机设备,以其振动信号频谱中基频处的幅值作为HMM训练的特征值,建立汽轮机升负荷过程的HMM,进行设备状态变化分析;对于齿轮箱设备,建立运行过程振动信号的HMM模型,根据相似概率的变化识别齿根裂纹故障的生成及发展趋势,两个应用案例都给出满意的结果。 |
| 【论文题纲】 |
|
中文摘要 |
3 |
|
英文摘要 |
3-6 |
|
第一章 概述 |
6-11 |
|
1.1 研究意义 |
6-7 |
|
1.2 HMM 方法研究现状 |
7-9 |
|
1.3 本文的主要工作及内容 |
9-11 |
|
1.3.1 主要研究工作 |
9-10 |
|
1.3.2 本文内容安排 |
10-11 |
|
第二章 隐 Markov 模型的基本理论 |
11-24 |
|
2.1 Markov 模型 |
11 |
|
2.2 HMM 基本概念 |
11-13 |
|
2.2.1 HMM 定义 |
12-13 |
|
2.3 HMM 基本算法 |
13-17 |
|
2.3.1 前向-后向算法 |
13-15 |
|
2.3.2 Viterbi 算法 |
15-17 |
|
2.3.3 Baum-Welch 算法 |
17 |
|
2.4 HMM 的类型 |
17-19 |
|
2.4.1 按照观测变量分类 |
18 |
|
2.4.2 按照Markov 链形状分类 |
18-19 |
|
2.5 HMM 在实际应用中的改进措施 |
19-21 |
|
2.5.1 初始模型的选取 |
19-20 |
|
2.5.2 算法下溢问题的处理 |
20-21 |
|
2.6 基于DHMM 的齿轮数据建模与诊断 |
21-24 |
|
第三章 振动测量分析方法 |
24-37 |
|
3.1 时域分析方法 |
24-26 |
|
3.2 频域分析方法 |
26 |
|
3.3 倒频谱分析方法 |
26-27 |
|
3.4 包络分析分析方法 |
27-30 |
|
3.4.1 连续时间信号的希尔伯特变换 |
27-28 |
|
3.4.2 离散信号的希尔伯特变换 |
28-30 |
|
3.5 虚拟仪器技术 |
30-32 |
|
3.5.1 虚拟仪器的特点 |
30-31 |
|
3.5.2 虚拟仪器系统的构成 |
31-32 |
|
3.6 基于LabVIEW 的虚拟仪器分析仪 |
32-37 |
|
3.6.1 倒频谱分析仪 |
33-34 |
|
3.6.2 包络分析仪 |
34-37 |
|
第四章 基于隐 Markov 模型的故障模式分类 |
37-52 |
|
4.1 基本方法 |
37-39 |
|
4.1.1 振动信号特征值分析和提取 |
37-38 |
|
4.1.2 幅值标准化和标量量化 |
38 |
|
4.1.3 HMM 训练 |
38-39 |
|
4.1.4 HMM 模式分类 |
39 |
|
4.2 HMM 在汽轮机振动信号分析中的应用 |
39-44 |
|
4.2.1 DHMM 方法的实现步骤 |
41-42 |
|
4.2.2 特征值提取及编码 |
42 |
|
4.2.3 DHMM 训练 |
42-43 |
|
4.2.4 识别结果 |
43-44 |
|
4.3 HMM 在齿轮振动信号分析中的应用 |
44-52 |
|
4.3.1 实验描述及信号分析 |
44-46 |
|
4.3.2 时域信号分析 |
46-47 |
|
4.3.3 DHMM 模式分类 |
47-52 |
|
第五章 结论与展望 |
52-54 |
|
5.1 本文研究结论 |
52-53 |
|
5.2 下一步工作设想 |
53-54 |
|
参考文献 |
54-57 |
|
致谢 |
57-58 |
|
在学期间发表的学术论文和参加科研情况 |
58 |
|
| 【DOI】 | LunWen.ID:2.2008.388611 |
