大型旋转机械升降速过程故障诊断HMM-AR方法研究

由于大型旋转机械升降速过程振动的复杂多样性，对其进行监测能获得较平稳运行更多的机组状态信息。本文通过提取 Ａ Ｒ 系数反映振动特征，并将隐 Ｍ ａｒｋｏｖ 模型引入升降速过程故障诊断研究中，实验证明应用 Ｈ Ｍ Ｍ  Ａ Ｒ 法能较好地达到机组故障诊断目的。

大型旋转机械升降速过程故障诊断HMM方法研究

由于大型旋转机械升降速过程产生振动的复杂多样性，对其进行监测能获得较平稳的运行及更多的机组状态信息，并能更早地获知机组运行状态。本文将隐Ｍ ａｒｋｏｖ 模型（Ｈｉｄｄｅｎ Ｍ ａｒｋｏｖ Ｍ ｏｄｅｌｓ，简称ＨＭＭ ）引入大型旋转机械升降速过程故障诊断的研究中，利用ＨＭＭ 刻划升降速过程中的振动变化特征。实验证明应用ＨＭＭ 能较好、较早地达到机组故障诊断目的。

大型旋转机械升降速过程故障诊断研究

在大型旋转机械升降速过程中，将隐 Ｍａｒｋｏｖ 模型（ Ｈ Ｍ Ｍ ）的时序建模能力与 Ｂ Ｐ网的模式识别能力相结合进行故障诊断工作。实验证明综合这两类方法的优点，能更好地达到机组故障诊断的目的。

旋转机械升降速过程BSI-FHMM识别方法的研究

结合时序模型的盲辨识和因子隐 Markov模型 ,提出了基于时序模型盲辨识的特征提取方法建立机组各状态相应的 FHMM识别法 ,成功地应用到旋转机械升降速过程的故障诊断中 ,实验结果表明 。

冷连轧升降速过程中轧制加速度优化设定技术

在我国家用电器领域与航天领域实际发展的过程中,板带产品的需求量逐渐增多,同时对带钢的表面质量提出了很高的要求。在冷连轧的高度轧制生产的过程中,受到诸多因素的影响容易于带材的表面出现拉毛的缺陷问题,严重影响整体生产质量。这就需要在实际工作中可以全面了解冷连轧轧制过程的拉毛出现机理,利用合理的方式进行升降速过程的轧制加速度优化设定处理,保证生产质量符合要求。

SOFM和HMM在旋转机械升降速全过程故障诊断中的应用

HMM模型是一个处理非平稳时间序列的统计模型。针对旋转机械升降速过程振动的特点 ,本文提出了利用SOFM神经网络对振动信号进行矢量量化 ,并用量化后的序列训练HMM模型 ,利用该模型对旋转机械升降速过程进行故障诊断。实验证明该方法是此过程的一种有效的诊断手段。