隱Markov模型在球磨機(jī)齒輪故障診斷中的應(yīng)用研究.pdf

1、針對(duì)傳統(tǒng)齒輪故障診斷方法停留在靜態(tài)觀測(cè)的基礎(chǔ)之上，這往往忽略了故障發(fā)生前后的上下文信息。隨著隱馬爾科夫模型在旋轉(zhuǎn)機(jī)械中的應(yīng)用研究的展開，本文嘗試了將HMM故障診斷方法應(yīng)用在球磨機(jī)齒輪故障診斷中，在一個(gè)動(dòng)態(tài)的環(huán)境中對(duì)球磨機(jī)齒輪減速器設(shè)備進(jìn)行觀測(cè)、評(píng)估。在發(fā)電及其他選礦行業(yè)中，球磨機(jī)是很關(guān)鍵的磨煤設(shè)備，保證它的正常運(yùn)行，間接保證了企業(yè)的經(jīng)濟(jì)效益，因此對(duì)球磨機(jī)齒輪的故障診斷研究是很有必要和有意義的。
　　本文首先對(duì)球磨機(jī)齒輪診斷研究現(xiàn)狀

2、及球磨機(jī)齒輪振動(dòng)信號(hào)的特征進(jìn)行了簡(jiǎn)單的闡述，為后文振動(dòng)信號(hào)的特征提取提供了理論依據(jù)。重點(diǎn)介紹了HMM的基本理論、算法學(xué)習(xí)以及DHMM在球磨機(jī)齒輪中進(jìn)行故障診斷的流程。并進(jìn)行了五種故障模型診斷實(shí)驗(yàn)，對(duì)獲取的振動(dòng)信號(hào)進(jìn)行特征提取，歸一化，標(biāo)量量化得到量化序列集合，再對(duì)量化序列集合進(jìn)行DHMM參數(shù)重估或利用Viterbi算法計(jì)算最大模型概率，從而建立DHMM模型庫(kù)或進(jìn)行故障診斷。實(shí)驗(yàn)結(jié)果表明DHMM故障診斷方法在球磨機(jī)齒輪中應(yīng)用具有較高的分類