[发明专利]一种基于耦合隐半马尔可夫模型的航空轴承故障诊断方法

摘要

本发明公开了一种基于耦合隐半马尔可夫模型的航空轴承故障诊断方法。本发明采用左右型齐次隐马儿可夫链，通过非线性特征提取方法获取最敏感、最有用的少数关键特征，为提高故障诊断效率和准确率提供先决条件；将耦合隐半马尔可夫模型引入到多通道数据融合故障诊断中，对实际问题中的状态驻留时间分布进行合理模型；同时研究含两条链的耦合隐半马尔可夫模型的概率推理算法、初始状态模型选取方法和参数估计算法；最后将耦合隐半马尔可夫模型应用于滚动轴承故障诊断。

主权项

一种基于耦合隐半马尔可夫模型的航空轴承故障诊断方法，其特征在于包括以下步骤：步骤一：信号采集、预处理及特征提取、特征融合；根据航空动部件轴承所处部件的位置及形状构建传感器网络，监测航空轴承在运行过程中各个方位的振动传感信号，包括轴向和径向两个方向上的振动信号；采用时域同步平均技术对监测信号进行预处理，然后对经过预处理的信号进行特征提取，再利用粗糙集与核主元分析相结合的非线性处理方法对提取的特征进行处理，先通过粗糙集对提取的特征进行约减，然后利用核主元分析对约减之后的特征进行特征融合，得到若干主元；步骤二，构建隐半马尔可夫特征融合故障诊断模型；将融合后的特征参数集中的特征数据分为两部分，一部分作为训练隐半马尔可夫模型的训练数据，另一部分则作为测试隐半马尔可夫模型的测试数据；利用不同类型的训练数据分别训练对应建立的隐半马尔可夫模型，得到训练完成的针对不同轴承故障状态的隐半马尔可夫特征融合故障诊断模型；步骤三，分析航空轴承存在的故障类型和机理，通过航空传动平台，利用航空轴承的故障状态开展故障实验；利用测试数据对训练完成后的模型进行验证，按照步骤一的程序对进行实验获取的实验数据进行处理，获取样本故障特征并建立故障特征集，将该故障特征数据代入步骤二中得到的隐半马尔可夫模型进行识别，即可实现对航空的故障状态进行识别。