欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202111031722X
申请人: 江苏理工学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于离散隐马尔可夫模型的轴承故障检测方法,其特征在于,包括以下步骤:

建立所述离散隐马尔可夫模型的优化算法;

获取待检测轴承数据;

对所述待检测轴承数据进行特征提取以得到所述待检测轴承不同故障类型的特征向量;

确定所述离散隐马尔可夫模型的代码本以得到所述待检测轴承不同故障类型的观测序列;

根据所述优化算法和所述待检测轴承不同故障类型的观测序列训练所述离散隐马尔可夫模型;

根据所述待检测轴承不同故障类型的特征向量和训练后的所述离散隐马尔可夫模型对所述待检测轴承进行故障检测,建立所述离散隐马尔可夫模型的优化算法,包括以下步骤:采用多个所述离散隐马尔可夫模型构建拓扑网格;采用正交设计量化法初始化所述拓扑网格;采用双策略竞争学习优化每个所述拓扑网格中的每个离散隐马尔可夫模型以得到第一序列拓扑网格;判断所述第一序列拓扑网格中的每个离散隐马尔可夫模型均匀分布在区间0到1的随机实数是否小于定义区间0到1内参数;若是,则采用协同学习优化所述第一序列拓扑网格中的每个离散隐马尔可夫模型以得到第二序列拓扑网格;判断所述第二序列拓扑网格中的每个离散隐马尔可夫模型均匀分布在区间0到1的随机实数是否小于定义区间0到1内参数;若是,则采用高斯变异优化所述第二序列拓扑网格中的每个离散隐马尔可夫模型以得到下一迭代的拓扑网格;确定所述下一迭代的拓扑网格中似然值最大的离散隐马尔可夫模型并对其执行自学习算法,直至得到的离散隐马尔可夫模型满足终止标准。

2.根据权利要求1所述的基于离散隐马尔可夫模型的轴承故障检测方法,其特征在于,对所述待检测轴承数据进行特征提取以得到所述待检测轴承不同故障类型的特征向量,包括以下步骤:采用Daubechies小波和小波包分解对所述待检测轴承数据进行特征提取以得到所述待检测轴承不同故障类型的特征向量。

3.根据权利要求2所述的基于离散隐马尔可夫模型的轴承故障检测方法,其特征在于,确定所述离散隐马尔可夫模型的代码本以得到所述待检测轴承不同故障类型的观测序列,包括以下步骤:采用k‑均值聚类算法确定所述离散隐马尔可夫模型的代码本,以得到所述待检测轴承不同故障类型的观测序列。

4.根据权利要求3所述的基于离散隐马尔可夫模型的轴承故障检测方法,其特征在于,根据所述优化算法和所述待检测轴承不同故障类型的观测序列训练所述离散隐马尔可夫模型,包括以下步骤:对所述待检测轴承不同故障类型的观测序列建立初始离散隐马尔可夫模型;

采用所述优化算法训练所述初始离散隐马尔可夫模型直至产生所述观测序列的概率达到最大值。

5.一种基于离散隐马尔可夫模型的轴承故障检测系统,其特征在于,包括:

构建模块,所述构建模块用于建立所述离散隐马尔可夫模型的优化算法;

获取模块,所述获取模块用于获取待检测轴承数据;

提取模块,所述提取模块用于对所述待检测轴承数据进行特征提取以得到所述待检测轴承不同故障类型的特征向量;

第一处理模块,所述第一处理模块用于确定所述离散隐马尔可夫模型的代码本以得到所述待检测轴承不同故障类型的观测序列;

第二处理模块,所述第二处理模块用于根据所述优化算法和所述待检测轴承不同故障类型的观测序列训练所述离散隐马尔可夫模型;

第三处理模块,所述第三处理模块用于根据所述待检测轴承不同故障类型的特征向量和训练后的所述离散隐马尔可夫模型对所述待检测轴承进行故障检测,所述构建模块具体用于:采用多个所述离散隐马尔可夫模型构建拓扑网格;采用正交设计量化法初始化所述拓扑网格;采用双策略竞争学习优化每个所述拓扑网格中的每个离散隐马尔可夫模型以得到第一序列拓扑网格;判断所述第一序列拓扑网格中的每个离散隐马尔可夫模型均匀分布在区间0到1的随机实数是否小于定义区间0到1内参数;若是,则采用协同学习优化所述第一序列拓扑网格中的每个离散隐马尔可夫模型以得到第二序列拓扑网格;判断所述第二序列拓扑网格中的每个离散隐马尔可夫模型均匀分布在区间0到1的随机实数是否小于定义区间0到1内参数;若是,则采用高斯变异优化所述第二序列拓扑网格中的每个离散隐马尔可夫模型以得到下一迭代的拓扑网格;确定所述下一迭代的拓扑网格中似然值最大的离散隐马尔可夫模型并对其执行自学习算法,直至得到的离散隐马尔可夫模型满足终止标准。

6.根据权利要求5所述的基于离散隐马尔可夫模型的轴承故障检测系统,其特征在于,所述提取模块具体用于:采用Daubechies小波和小波包分解对所述待检测轴承数据进行特征提取以得到所述待检测轴承不同故障类型的特征向量。

7.根据权利要求6所述的基于离散隐马尔可夫模型的轴承故障检测系统,其特征在于,所述第一处理模块具体用于:采用k‑均值聚类算法确定所述离散隐马尔可夫模型的代码本,以得到所述待检测轴承不同故障类型的观测序列。

8.根据权利要求7所述的基于离散隐马尔可夫模型的轴承故障检测系统,其特征在于,所述第二处理模块具体用于:对所述待检测轴承不同故障类型的观测序列建立初始离散隐马尔可夫模型;

采用所述优化算法训练所述初始离散隐马尔可夫模型直至产生所述观测序列的概率达到最大值。