基于无限特征选择层次链接无限隐Markov模型的轴承故障诊断方法研究

针对无限隐Markov故障诊断模型在对旋转机械中多种故障训练时割裂了各个数据集之间联系,造成每种故障数据集单独训练的问题,提出了一种层次链接无限隐Markov故障诊断模型。将层次链接无限隐Markov故障模型与无限特征选取后优化多尺度排列熵相结合,应用到滚动轴承故障诊断领域。无限特征算法能够高效地提取故障振动信号中包含的信息,进而完成对不同故障的分类。将获得的数据输入粒子群算法优化多尺度排列熵参数,并对其求得相应的多尺度排列熵值,经无限特征算法对得到的特征量进行排序,筛选出相比较下包含信息量大的特征量输入到层次链接无限隐Markov模型中训练与识别。在此基础上将结果与使用无限特征算法筛选无限隐Markov模型的训练识别结果、随机特征选择下的层次链接无限隐Markov模型结果作对比,实验研究表明:无限特征算法能有效提取更具价值的特征信息,层次链接无限隐Markov故障诊断模型能够更有效地识别,为滚动轴承的故障诊断提供了新的思路。