基于自回归隐半马尔可夫模型的设备故障诊断

提出了一种新的隐马尔可夫模型(HMM)拓展模型自回归隐半马尔可夫过程(Auto-Regressive Hidden Semi-Markov Model,AR-HSMM),并给出了模型参数的推导和相应的"前向-后向"算法.与传统的HMM相比,AR-HSMM有以下两个优点:①把传统HMM所假设的隐藏状态分布改进为显式高斯分布;②改进了传统HMM假设各观测变量相互独立的问题,通过在各观测变量之间建立联系,从而使之更加符合实际情况.在液压泵故障诊断中的应用实例表明,AR-HSMM在故障诊断中是非常有效的.     

采煤机调高油缸特殊故障的原因及对策

对MG2×125/556-GWD型电牵引采煤机在实际使用当中发生的调高油缸特殊故障进行了分析,并对采煤机的实际选型和具体操作提出了建议。     

一种基于隐马尔可夫模型的自适应联合频谱预测方法

基于隐马尔可夫模型(Hidden Markov Model,HMM)的频谱预测是次用户(SU)根据频谱感知历史信息得到主用户(PU)信道状态训练集,用前M个时刻信道的状态组成的矩阵作为待测矩阵与训练集匹配,根据匹配的相似度对下一时刻的信道状态进行预测。由于信道预测是基于前M个时刻的信道状态,其信道状态的不确定性直接影响到预测的准确性。文中针对这一问题,提出一种基于HMM的自适应联合频谱预测方法,根据本地预测中各待测矩阵的可信度给予不同的权值,通过数据融合来得到最终的预测结果。此外,为了解决文中的数据融合问题又提出一种基于本地预测可信度的自适应分组融合算法。仿真结果表明,该方法能够明显提高频谱预测的准确性。     

量化子空间分布隐马尔可夫模型

提出了量化子空间分布隐马尔可夫模型(QSDHMM)。该模型可由连续分布隐马尔可夫模型(CDHMM)导出，方法是先将CDHMM的高斯分布投影到K个子空间，然后将每个子空间高斯分布聚类成一个数目较小的“高斯分布原型”。用这些“高斯分布原型”可以表示出声学模型的状态分布，理论分析和仿真实验表明，对于大词表连续语音识别系统，与CDHMM相比较，QSDHMM可以压缩模型参数18倍，从而节省系统存储空间，但精度无明显降低。     

基于灰色马尔可夫模型的采煤机生产率的预测

生产率是衡量采煤机工作性能的一项重要指标,对煤矿开采的科学决策以及发展规划具有重要的指导意义.通过建立采煤机生产率的指标评价体系,运用灰色GM (1,1)模型以及灰色马尔可夫模型分别进行了预测,经过比较可发现,灰色马尔可夫模型预测的准确率和预测精度都优于GM(1,1)模型,尤其对波动性和随机性大的数据具有很好的拟合和预测效果,为具有多因素影响的采煤机生产性能预测评价提供了一种有效的途径和方法.     

关于m重隐非齐次马尔可夫模型的混合性

研究了m重隐非齐次马尔可夫模型的混合性.首先给出了m重非齐次马尔可夫链混合性的定义,然后证明了m重非齐次马尔可夫链满足混合性的充分条件,最后将所得结果推广到了m重隐非齐次马尔可夫模型上,为进一步研究多重隐马尔可夫模型提供了理论基础.     

一类隐马尔可夫模型的若干极限性质

假定隐藏的马尔可夫链为非齐次，研究隐非齐次马尔可夫模型的一些强极限定理．首先在引理中得出了隐非齐次马尔可夫模型的一些性质，从而导出了隐非齐次马尔可夫模型的三元函数一类平均值的强极限定理．作为定理的推论，得到了隐非齐次马尔可夫模型状态出现频率的一类强极限定理．隐马尔可夫模型可应用于弱相依随机变量的建模上，也可用作研究发音过程、神经生理学与生物遗传等方面的工具．     

基于因子分析的隐马尔可夫模型

状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷．本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(HMM-FA)．并导出了HMM-FA的训练算法．理论分析和仿真实验都表明：在训练数据相同的条件下,HMM-FA的性能优于HMM-DG。     

MG300/700—WD型采煤机调高系统改造

本文简要介绍了MG300/700—WD型采煤机的概况,针对该机组在生产中调高齿轮泵易损坏的状况,分析了原因,提出了需要解决的问题,并对改造后取得的效果进行了阐述。     

基于隐马尔可夫模型的火场噪声数学模型

在灭火救援的第一线,无线通信是火场指挥的重要手段,而在复杂多变的火灾现场,高强度的噪声给火场通信带来了严重的影响,不仅会干扰指挥员与作战员之间的信息传递,还会影响作战员的判断能力,造成安全事故发生。分析火场噪声特性并研究降噪技术在消防领域是十分必要和必须的,本文通过分析火场噪声来源和特性,使用隐马尔可夫模型(HMM)建立噪声模型,为火场降噪技术处理提供参考。     

基于局部保持映射和隐马尔科夫模型的模拟电路故障诊断方法

针对模拟电路信号的非线性特征,提出一种基于局部保持映射和隐马尔科夫模型的故障模式识别新方法. 首先提取模拟电路的信号特征构成原始高维特征样本空间;然后采用LPP算法将原始高维故障数据映射至低维空间,提取数据的内在流形特征作为特征矢量;最后通过构建混合HMM反映系统的真实状态,并作为分类器实现对各状态的分类识别. 通过仿真分析,将该方法与其他方法进行对比,结果表明,LPP-HMM方法可以有效识别早期故障特征,具有较高的故障识别率.      

基于时变状态转移隐半马尔科夫模型的寿命预测

隐半马尔科夫模型在进行系统状态估计及寿命预测时,其状态转移概率矩阵是固定值,得到的剩余寿命预测值呈阶梯状变化,与系统的实际剩余寿命值之间存在着较大的误差.针对上述问题,提出了具有时变状态转移概率矩阵的隐半马尔科夫模型,根据系统的3种典型退化状态分析,给出3种不同的状态转移系数.与初始状态转移矩阵相结合,得到随时间变化的状态转移矩阵.提高系统在当前健康状态下的剩余持续时间估计精度,最终得到更为准确的总体剩余寿命预测值.结果表明,基于时变状态转移概率矩阵的隐半马尔科夫模型相比传统的隐半马尔科夫模型,可显著提高剩余寿命预测的准确性.     

量化子空间分布隐马尔可夫模型的间接训练

研究了量化子空间分布隐马尔可夫模型(quantized subspace distribution hidden markov model，QSDHMM)间接训练所涉及的三个关键的问题：连续分布隐马尔可夫模型(continuous distribution hidden markov model，CDHMM)的训练、特征子空间的划分和子空间高斯分布的量化方案。提出了相关特征子空间的定义及实现算法。在仿真实验中，采用基于分类学的：Bhattacharyya距离测度的K均值高斯聚类算法对子空间高斯分布进行量化，用最相关子空间的概念划分特征子空间，并将这两者结合使用，提高了系统的识别精度和速度。     

MG系列采煤机主油泵的可靠性仿真

为了对MG系列采煤机主油泵进行可靠性分析,探讨提高其可靠性的途径,进而提高采煤机的工作可靠性,运用计算机随机模拟方法对其进行可靠仿真,得到主油泵各项可靠性指标.仿真结果表明,工作油液污染是主油泵发生故障的主要原因,提高主油泵零部件表面处理硬度及硬化层深度和滤油器的精度,可以降低油液污染所带来的危害.同时,仿真结果也为主油泵的维护和检修提供了依据.     

基于改进AHP-FCE法的绿色房地产项目评估

为提高往复泵诊断的速度和精度,提出一种通过小波阈值分析处理往复泵振动信号的故障诊断方法。通过小波阈值分析,可以有效去除往复泵振动信号与故障无关的振动信息,然后进一步提取振动信号的归一化能量,将其作为特征值。将特征值与小波包能量分解图综合分析,结合概率神经网络(PNN)对采集后的信号进行往复泵泵阀故障模式进行识别。实验结果表明:小波阈值分析与PNN结合,可以将往复泵泵阀故障类型准确识别,提高了诊断的效率,可以为工业上往复泵的使用和维修大大节约成本,也为往复机械的故障诊断提出了新的解决思路。     

轴向柱塞泵故障诊断振动分析方法

论述了轴向柱塞泵常见故障及其产生机理；对目前柱塞泵状态监测和故障诊断所使用的诸多振动分析方法进行了比较和评述．     

煤矿坑道钻机状态监测与故障诊断技术研究现状及展望

煤矿坑道钻机自动化和智能化程度的提高、作业范围和应用场景的扩展,使其系统复杂性和工作环境恶劣程度随之增加,对煤矿坑道钻机可靠性提出新的挑战。为有效降低因钻机故障带来的安全风险,提升钻机全寿命周期的任务品质,煤矿坑道钻机状态监测与故障诊断技术应运而生。首先从钻机状态参数采集、数据处理、诊断方法、系统应用等四个方面对煤矿坑道钻机关键系统状态监测和故障诊断技术研究现状进行总结分析,然后在故障预测与健康管理(prognostics and health management, PHM)技术基本概念的基础上根据集中式与分布式结合的方式提出了坑道钻机PHM技术框架,最后对煤矿坑道钻机PHM技术发展趋势进行展望,旨在为新一代煤矿坑道钻机及相关煤矿机械装备PHM技术的研究开展提供参考和借鉴。     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

基于模型和故障树的飞机故障诊断方法研究

随着科技的进步,航空工业迅速发展,大量高科技机载设备的使用大大增强了飞机的性能,但同时也增加了系统的复杂性和设备之间的耦合度,进一步增加了飞机系统故障诊断的难度。单一的故障诊断方法由于其局限性,很难满足复杂装备的诊断需求,因此,不同故障诊断方法相互融合的综合故障诊断技术成为航空领域研究的热点。本文针对飞机外场排故的实际需求,提出了基于模型和故障树的故障诊断方法,其原理是,根据外场模块化排故的特点和飞机设计知识,建立以LRU(外场可更换单元)为对象的飞机物理模型(基于LRU的简化飞机系统模型),描述针对特定功能的系统结构、行为和功能,再针对LRU建立故障事件,根据LRU之间的连接关系分析故障事件之间的逻辑关系,建立故障的传播路径,通过树的合成算法,生成系统故障树模型。在故障诊断时,通过物理模型和故障树的相互配合进行故障诊断,基本思想是,将物理模型作为故障观察窗口,比较系统在正常情况下的预期行为和实际行为之间的差异,判断故障事件是否发生,利用故障树的逻辑关系进行推理,再将推理过程在物理模型上进行直观展示,模拟LRU之间的故障传播,确定疑似故障件。基于上诉方法,利用Dorado平台和G2开发系统开发了基于模型和故障树的飞机外场故障诊断系统,并结合某型号飞机的刹车系统对该故障诊断方法进行了验证。     

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征，并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法，实验证明，该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机，提出了一种新的水声非高斯噪声信号的识别分类方法，实验证明，该方法具有较好的分类性能．