文摘
英文文摘
第一章绪 论
内容提要
1.1引 言
1.2旋转机械故障诊断研究现状
1.2.1故障机理研究
1.2.2特征提取技术的研究
1.2.3人工智能专家系统与神经网络研究
1.2.4故障诊断装置的开发和研究
1.2.5模式识别技术
1.3动态模式识别技术现状
1.3.1递归神经网络(RNN)
1.3.2动态时间规整法(DTW)
1.3.3隐Markov模型
1.4 HMM故障诊断方法的可行性及其意义
1.4.1 HMM在语音识别中的应用
1.4.2 HMM在其它领域中的应用
1.4.3 HMM故障诊断方法的可行性
1.4.4研究HMM故障诊断方法的意义
1.5本文的研究内容、创新之处及总体结构
1.5.1本文的研究内容
1.5.2本文的创新之处
1.5.3本文的总体结构
1.6本章小结
第二章HMM基本理论、算法以及在故障诊断中的作用
内容提要
2.1引言
2.2 Markov模型
2.3 HMM基本思想
2.3.1 HMM基本概念
2.3.2 HMM的定义
2.4 HMM基本算法
2.4.1前向—后向算法
2.4.2 Viterbi算法
2.4.3 Baum-Welch算法
2.5 HMM的类型
2.5.1按照观测变量分类
2.5.2按照Markov链形状分类
2.5.3其它类型的HMM
2.5.4 HMM的拓扑结构
2.6 HMM在实际应用中的改进措施
2.6.1初始模型的选取
2.6.2算法下溢问题的处理
2.6.3关于模型训练的几点考虑
2.7 HMM在故障诊断中的作用
2.8本章小结
第三章旋转机械启停机过程DHMM故障诊断方法研究
内容提要
3.1引 言
3.2旋转机械启停机过程经典分析方法
3.3旋转机械启停机过程故障诊断的DHMM方法
3.3.1振动信号的特征提取
3.3.2幅值谱矢量的标量量化
3.3.3多观测样本序列DHMM算法的改进
3.3.4 DHMM故障诊断方法
3.4诊断实验
3.4.1旋转机械常见故障及其特征表现
3.4.2转子启动过程模拟实验
3.4.3 DHMM训练和诊断结果
3.5本章小结
第四章旋转机械启停机过程CHMM故障诊断方法研究
内容提要
4.1引言
4.2旋转机械启停机过程故障诊断的CHMM方法
4.2.1 CHMM的参数表示
4.2.2 CHMM训练算法存在的问题
4.2.3 CHMM训练算法的改进
4.2.4 CHMM模型的训练过程
4.2.5 CHMM故障诊断方法
4.3诊断实验
4.3.1训练样本序列的选取
4.3.2模型训练结果
4.3.3诊断结果
4.4 CHMM和DHMM的对比分析
4.5本章小结
第五章多通道振动信息融合的HMM诊断方法研究
内容提要
5.1引 言
5.2旋转机械多通道振动监测的动态信息特征
5.3自组织特征映射神经网络的基本原理
5.3.1 SOM的拓扑结构
5.3.2 SOM的学习算法
5.3.3 SOM矢量聚类编码方法
5.4多通道振动信息融合HMM故障诊断方法
5.4.1多通道振动信息融合故障诊断的基本概念
5.4.2信息融合的HMM故障诊断方法
5.5故障诊断实验
5.5.1模拟实验
5.5.2 SOM矢量编码特征
5.5.3 DHMM模型训练
5.5.4测试结果
5.5.5测试结果分析
5.6本章小结
第六章旋转机械运行过程监测的HMM-AR模型研究
内容提要
6.1引 言
6.2 Kalman-AR模型
6.2.1 Kalman-AR模型的基本思想
6.2.2状态噪声的估计
6.2.3有效的学习速率
6.3 HMM-AR模型
6.3.1 HMM-AR模型的状态空间表示
6.3.2在线参数估计的EM算法
6.3.3模型初始化方法
6.4 HMM-AR模型状态监测方法
6.5数据仿真实验
6.5.1 Kalman-AR和HMM-AR模型的性能
6.5.2状态序列的重构
6.6旋转机械运行状态监测实验
6.7本章小结
第七章HMM故障诊断软件系统的设计和开发
内容提要
7.1引 言
7.2开发工具简介
7.2.1 Matlab
7.2.2 C++Bulider
7.2.3 Matcom中介软件
7.3 C++与Matlab的接口实现方法
7.4 HMM故障诊断软件的基本功能
7.5本章小结
第八章结论和展望
内容提要
8.1本文总结
8.2未来展望
参考文献
致谢
攻读博士学位期间发表的学术论文及科研究成果
