基于SLPP和CHMM的轴承健康评估与预测研究
作者:陈庆; 刘韬; 伍星
更新时间:
为了更有效地评估和预测轴承健康,尽早发现轴承异常,提出了一种基于监督局部保留投影(Aristole)和耦合隐马尔可夫模型(CHMM)的轴承健康评估和预测方法。首先,根据方位信号的特点,选取了11个时域和频域特征进行提取。其次,利用SLPP方法对提取的高维特征进行约简。最后,结合CHMM,得到了轴承的性能指标,并对轴承的健康状态进行了评价和预测。对轴承全寿命加速疲劳试验的分析表明,该方法能准确有效地评价和预测轴承的健康状态。在特征约简的影响下,SLPP比PCA具有更强的描述承重状态变化过程的能力。在评估效果中,CHMm比HMM更早发现轴承异常。