PCA+CHMM在设备性能退化状态识别中的应用研究

来源：计算机应用研究杂志2019年第1期北京时间：

作者：钟飞,宁芊,周新志,赵成萍,

单位：1.四川大学电子信息学院,成都610065；2.电子信息控制重点实验室,成都610036；

摘要：为了准确识别机械设备当前所处的退化状态，研究了一种基于PCA（主成分分析）和CHMM（连续型隐马尔可夫模型）结合的性能退化状态识别方法。首先提取设备振动信号全寿命周期的时域、频域、时频域的特征，经过初步筛选后组成新的特征集，使用PCA方法对其进行降维处理；然后利用降维后的数据，训练一个全寿命周期CHMM用来确定退化状态数目，再针对每个退化状态训练一个CHMM，通过比较观测序列处于各个模型下的似然概率值判断设备当前所处的退化状态；最后通过实验对比了PCA+CHMM和PCA+SVM、PCA+KNN、PCA+CART方法的各退化状态识别准确率，结果表明PCA+CHMM的平均识别准确率最高、识别效果较好，适用于设备退化状态的识别。

关键词：性能退化,主成分分析,连续隐马尔可夫模型,特征降维,退化状态识别,

基金资助：国家“973”计划资助项目(2013CB328903)；；