摘要:
与传统的隐Markov模型(HMM)相比较而言,应用分层隐Markov模型(HHMM)对设备进行状态识别有诸多优点,而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络这一新的方法,由于该方法可以有效地降低模型的计算复杂度并缩短推理时间,所以将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法;以齿轮箱全寿命实验为依据,对该模型实现状态识别的基本框架和计算过程进行了研究,研究结果为复杂设备的状态识别提供了新的思路。
中图分类号:
滕红智1, 2, 贾希胜1, 赵建民1, 张星辉1, 王正军1, 葛家友2.
分层隐Markov模型在设备状态识别中的应用研究
[J]. 中国机械工程, 2011, 22(18): 2175-2181.
TENG Gong-Zhi-1, 2, GU Xi-Qing-1, DIAO Jian-Min-1, ZHANG Xing-Hui-1, WANG Zheng-Jun-1, GE Jia-You-2.
Research on Gearbox State Recognition Based on Hierarchical Hidden Markov Model
[J]. China Mechanical Engineering, 2011, 22(18): 2175-2181.