| 【中文题名】 | 基于HMM的轴承故障音频诊断方法研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 隐马尔可夫模型,轴承,故障诊断,音频信号,, |
| 【英关键词】 | HMM （Hidden Markov Model）,bearing,fault diagnosis,acoustic signal, |
| 【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】 |
轴承是旋转机械设备中应用最为广泛的一种通用部件，其工作运行状态直接影响到整台机器的性能。论文在结合理论和实践的基础上，对基于隐马尔可夫模型(Hidden Markov Model，HMM)的轴承故障音频诊断方法进行了系统地研究，主要内容如下。
(1)轴承音频信号包含其运行状态的重要信息，通过分析这些信息就能对轴承进行有效的故障诊断，而且音频信号能够非接触式采集，具有使用方便、成本低廉等优点。因此，论文以音频信号为研究对象，并根据Mel频率倒谱系数(Mel-Frequency Cepstrum Coefficients，MFCC)分析着眼于人耳听觉特性的特点，首次对轴承音频信号进行MFCC特征参数提取。
(2)根据离散HMM模型(Discrete Hidden Markov Model，DHMM)中的所有参数均为离散值的优点，论文提出了基于DHMM的轴承故障音频诊断新方法，具有建模简单、运算速度快和诊断精度高等特点。实验结果表明，平均训练时间为55.8秒，诊断时间为0.031秒，诊断精度为90％，取得了较好的效果。
(3)由于采用连续高斯混合密度函数可以更合理地描述输出概率，论... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
Abstract |
5-9 |
|
第一章 绪论 |
9-15 |
|
1.1 轴承故障诊断的研究意义 |
9-10 |
|
1.2 轴承故障诊断技术的发展 |
10-11 |
|
1.3 轴承故障诊断方法 |
11-12 |
|
1.3.1 温度分析法 |
11 |
|
1.3.2 油样分析法 |
11 |
|
1.3.3 振动分析法 |
11-12 |
|
1.3.4 音频分析法 |
12 |
|
1.4 基于 HMM 的轴承故障音频诊断方法的可行性 |
12-13 |
|
1.5 本文工作及结构 |
13-15 |
|
1.5.1 主要工作 |
13-14 |
|
1.5.2 总体结构 |
14-15 |
|
第二章 HMM 基本理论 |
15-24 |
|
2.1 Markov 链 |
15-16 |
|
2.2 HMM 基本参数 |
16-18 |
|
2.3 HMM 拓扑结构 |
18 |
|
2.4 HMM 基本算法 |
18-23 |
|
2.4.1 前向-后向算法 |
19-21 |
|
2.4.2 Baum-Welch算法 |
21-22 |
|
2.4.3 Viterbi算法 |
22-23 |
|
2.5 本章小结 |
23-24 |
|
第三章 基于 DHMM 的轴承故障诊断方法 |
24-37 |
|
3.1 故障诊断系统的基本结构 |
24-25 |
|
3.2 数据采集 |
25-27 |
|
3.3 特征参数提取 |
27-30 |
|
3.4 矢量量化 |
30-32 |
|
3.4.1 基本概念 |
30 |
|
3.4.2 LBG算法 |
30-32 |
|
3.5 多观察序列的 DHMM 训练 |
32-34 |
|
3.6 DHMM 诊断 |
34-35 |
|
3.7 诊断实验 |
35-36 |
|
3.8 本章小结 |
36-37 |
|
第四章 基于 CGHMM 的轴承故障诊断方法 |
37-46 |
|
4.1 CGHMM 的参数表示 |
37-38 |
|
4.2 CGHMM 训练与诊断算法的改进 |
38-41 |
|
4.2.1 基于聚类算法的模型参数初始化 |
38-39 |
|
4.2.2 数据溢出问题与措施 |
39-41 |
|
4.3 多观察序列的 CGHMM 训练 |
41-43 |
|
4.4 诊断实验 |
43-44 |
|
4.5 DHMM 和 CGHMM 对比分析 |
44-45 |
|
4.6 本章小结 |
45-46 |
|
第五章 HMM 轴承故障诊断系统的设计与开发 |
46-56 |
|
5.1 开发工具 |
46 |
|
5.2 诊断系统的基本要求 |
46-47 |
|
5.3 诊断系统的基本功能 |
47-50 |
|
5.3.1 数据采集 |
48-49 |
|
5.3.2 模型训练 |
49 |
|
5.3.3 故障诊断 |
49-50 |
|
5.4 关键模块的实现 |
50-55 |
|
5.4.1 数据采集 |
50-52 |
|
5.4.2 MFCC特征参数提取 |
52-53 |
|
5.4.3 HMM训练 |
53-54 |
|
5.4.4 HMM诊断 |
54-55 |
|
5.5 本章小结 |
55-56 |
|
第六章 结束语 |
56-58 |
|
6.1 总结 |
56-57 |
|
6.2 展望 |
57-58 |
|
参考文献 |
58-62 |
|
致谢 |
62-63 |
|
攻读硕士学位期间主要的研究成果 |
63 |
|
| 【DOI】 | LunWen.ID:2.2008.389075 |
