基于隐马尔科夫模型的故障诊断系统研究.pdf

.
第26卷第5期航空学报Vol26N0.5

.
2005年9月ACTAAERONAUTICAETASTRONAUTICASINICASePt2005

一一一
文章编号:10006893(2005)05064106
基于隐马尔科夫模型的故障诊断系统研究

苗强,ViliamMakis

(多伦多大学机械与工业工程系,多伦多,加拿大)
ConditionMonitoringofRotatingMachineryUsingHiddenMarkovModels

,
MIAOQiangViliamMakis

,,,
(DepartmentofMeehaniealandIndustrialEngineeringTheUniversityofTorontoTorontoCanada)

摘要:在制造行业中,机械设备的状态检测技术能提供关于设备运行状态的实时信息,为避免生产损失和

。,
减少设备的致命故障提供保障提出了一套基于小波变换和隐马尔科夫模型(HiddenMarkovModels

。,
HMMs)的故障检测系统提出了小波模极大值分布(WaveletModulusMaximaDistribution)并将之定义为
诊断系统的观察量加以验证。同时该系统采用在线模型参数估计和培训算法,通过选取能最大化对数似然度

,。
的HMM模型确定设备所处状态
关键词:状态检测;小波模极大值分布;Lipschitz指数;隐马尔科夫模型

.
中图分类号:TPn43文献标识码:A

:
AbstractConditionmonitoringofmaehineryeanprovidesrealtimeinformationregardingmaehinestatuson一

.
1ine,thusavoidingtheproduetionlossesandminimizingtheehaneesofeatastrophiemaehinefailuresInthispa-

.
per,wepresentafaultelassifieationsystemwithanon-linemodeltrainingandestimatingalgorithmIt15based

,-
onthewavelettransformandHiddenMarkovModels(HMMs)Themaehineryeondition15identifiedbyselee

.
tingtheHMMwhiehmaximizestheprobabilityofagivenobservationsequeneeTheobservationsequenee15

basedonthewaveletmodulusmaximadistribution,whiehwasProvedtobeeffeetiveinfaultdeteetioninPrevi-

.
ousresearehUsingobservationsequeneesobtainedfromrealvibrationsignalsthedeveloPedclassifieationsys-

.
tem15val记ated

:
Keywordseonditionmonitoring;waveletmodulusmaximadistribution;Lipsehitzexponent;hiddenMarkov

model

近年来,工业自动化的快速发展推动了对更成分并保留最重要的信息。在信号处理技术
加智能和可靠的机械设备开发需求。作为一台可中,由于其特性(高频域的高时间分辨率和低频
靠的设备,它的停机时间应尽量短以减少生产损域的高频率分辨率),小波变换非常适合瞬态现
失和维修费用。一个有效的状态检测系统能监视象的分析,它能够更精确的描述局部信号成分,
设备的工况(例如,正常、预警和失效),为设备维而在大多数情况下,这些瞬态现象都是与故障

,
。,。,,
修决策提供及时的信息通常说来这涉及到对相关的MeFadden和Wang[〕已经在基于小

。
设备整个寿命周期进行周期性的采样和测量,从波的齿轮箱故障检测领域做了大量的工作因
测量量中提取出的故障敏感特征可用来确定设备为工作的重点在于确认与故障相关的瞬态成分

,
的当前状态。振动信号包含了设备状态的大量信并确定它的位置与严重度以前的研究主要集
息,因此很多基于振动信号的研究已经开展以建中在如何在特定约束下提高信号处理技术的时

。
立有效的检测系统。从模式识别的角度来看,状间与频率分辨率文献[3]总结了这一领域内

。,
态检测可以分为两个阶段:特征提取和状态分类。的发展动态另一方面利用小波对信号的正

。
通过采用适当的技术,提取关键特征并