基于高斯混合隱馬爾科夫模型的滾動軸承故障診斷方法研究.pdf

1、隨著現(xiàn)代高新技術(shù)的飛速發(fā)展，現(xiàn)代化工業(yè)進(jìn)程也日趨完善，在現(xiàn)代化工廠中對機(jī)械設(shè)備的要求也越來越高。但是隨著機(jī)械設(shè)備的運(yùn)轉(zhuǎn)、磨損，機(jī)械設(shè)備故障的出現(xiàn)也就在所難免了，而滾動軸承又是機(jī)械設(shè)備中應(yīng)用最廣泛的零部件之一，所以滾動軸承運(yùn)轉(zhuǎn)狀態(tài)優(yōu)劣如何直接影響到整個機(jī)械設(shè)備的性能。針對傳統(tǒng)的模式識別方法(如神經(jīng)網(wǎng)絡(luò)識別法)一直停留在靜態(tài)模式識別上的不足，本文提出釆用一種具有統(tǒng)計規(guī)律的動態(tài)模式識別技術(shù)-隱馬爾科夫模型來對滾動軸承進(jìn)行故障診斷。本文以Rex

2、nord ER10k型號滾動軸承作為研究對象，把滾動軸承模式識別作為研究目的,提出了基于高斯混合隱馬爾科夫模型的滾動軸承故障診斷的方法研究，對滾動軸承各故障模式不同尺寸分別做了故障仿真研究和實驗研究。其主要內(nèi)容如下：
　　基于小波包分解與重構(gòu)的信號特征提取研究。通過實驗采集的數(shù)據(jù)，由于機(jī)械運(yùn)轉(zhuǎn)或者外界環(huán)境的因素，無可避免的給實驗數(shù)據(jù)帶來一些噪聲信號。然而滾動軸承相關(guān)零部件振動信號有著不同的頻域能量，所以將滾動軸承故障信號經(jīng)過小波包

3、分解與重構(gòu)后，得到全部的小波包分解系數(shù)。然后分別重構(gòu)各分解后的小波包系數(shù)，再根據(jù)不同故障模式的滾動軸承振動信號在頻域能量分布中的差異性,對重構(gòu)后的小波系數(shù)提取特征向量。最后把經(jīng)過小波包分解與重構(gòu)后故障信號的特征向量進(jìn)行歸一化處理，采用這種方法既提高了信號的分辨率，也起到了很好的消噪作用。
　　基于ADAMS滾動軸承單體故障建模與仿真研究。在Solidworks軟件中建立以Rexnord ER10為對象的滾動軸承模型，通過模擬仿真，

4、設(shè)定與實驗相關(guān)參數(shù)，獲得理想狀態(tài)下的滾動軸承單體故障信號。將仿真獲得的滾動軸承單體故障信號和實驗數(shù)據(jù)作為輸入樣本建立各故障模式的高斯混合隱馬爾科夫模型（GMM-HMM），采用實驗數(shù)據(jù)與仿真數(shù)據(jù)作為高斯混合隱馬爾科夫模型的輸入樣本還能很好的適應(yīng)于后階段對滾動軸承各故障模式不同損傷程度的判別提供很好的依據(jù)。
　　高斯混合隱馬爾科夫模型在故障診斷中的應(yīng)用。由于隱馬爾科夫模型最先應(yīng)用于語音識別領(lǐng)域，在滾動軸承故障診斷中鮮有考慮，本文針對滾

5、動軸承故障診斷特性分析，討論了隱馬爾科夫模型在滾動軸承故障診斷應(yīng)用中的可行性，并且對隱馬爾科夫模型幾種不同類型應(yīng)用方法進(jìn)行了探討，其探討結(jié)果認(rèn)為高斯混合
　　隱馬爾科夫模型對滾動軸承故障診斷的應(yīng)用比其他幾種類型的方法更有優(yōu)勢。
　　基于高斯混合隱馬爾科夫模型的滾動軸承故障診斷建模與實驗驗證。滾動軸承故障信號通過小波包分解與重構(gòu)后獲得能量特征信號利用信號各頻段的能量組成的特征矢量作為 GMM-HMM模型樣本輸入,對 GMM-H

6、MM模型進(jìn)行訓(xùn)練,獲得滾動軸承各故障模式不同故障尺寸的高斯混合隱馬爾科夫模型。最后利用實驗數(shù)據(jù)和仿真數(shù)據(jù)對已經(jīng)建立起來的GMM-HMM模型進(jìn)行測試,通過計算當(dāng)前的狀態(tài)監(jiān)測數(shù)據(jù)在 GMM-HMM模型庫出現(xiàn)的概率，并且根據(jù)出現(xiàn)的最大概率來評估其所處的故障模式。該研究發(fā)現(xiàn)經(jīng)過小波包分解與重構(gòu)后的滾動軸承故障信號，能很好的應(yīng)用于隱馬爾科夫模型，獲得較高的識別率，并且建立隱馬爾科夫模型所需要的樣本數(shù)量少，計算并不復(fù)雜，所以基于小波包分解與重構(gòu)和隱