基于小波包的2D-HMM离心泵故障诊断

根据离心泵故障振动信号的特点,提出了一种结合小波包与二维隐马尔可夫模型(2D-HMM)的离心泵故障诊断方法。利用小波包分解对信号进行精确细分的特点,构造出相应的能量谱作为离心泵运行状态的特征向量,并以此作为2D-HMM的输入进行训练,建立了基于2D-HMM的离心泵运行状态分类器,用以识别离心泵状态。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。

基于2D-HMM/KF的捷联惯导系泊对准方法

为了抑制舰船系泊对准过程中的高频随机干扰,提出一种在惯性系对准的基础上引入2D-HMM/KF(二维隐式马尔可夫模型卡尔曼滤波)的新方法.高频随机噪声在通过2D-HMM/KF滤波器后被滤除,近似周期性的中等频率干扰通过积分运算正负基本抵消,进而提取出载体惯性坐标系下低频的重力矢量信息以完成初始姿态矩阵的获取,与传统数字低通滤波器相比该方法不存在滤波延迟问题.利用多次系泊实验分析了引入滤波前后惯性系对准方法的对准结果,研究表明:采用该滤波技术的系泊对准方法将方位对准精度提高了一倍,且具有更好的鲁棒性.

经2状态马氏修正的Poisson过程的极大似然估计

近年来,隐马氏模型成为研究相依随机变量的一个十分有用的工具。应用过程中的一个很重要的问题是如何对隐马氏模型的参数进行估计。一般使用的方法是将连续时间隐马氏模型的问题转化为离散时间隐马氏模型的问题来讨论,本文用此方法讨论一类连续时间隐马氏模型——状态个数为2的经马氏链修正的Poisson过程的极大似然估计及其算法。此类模型被广泛用来对复杂通信网络的通信流进行建模。

2D-HIDDEN MARKOV MODEL FEATURE EXTRACTION STRATEGY OF ROTATING MACHINERY FAULT DIAGNOSIS

A new feature extraction method based on 2D-hidden Markov model（HMM） is proposed. Meanwhile the time index and frequency index are introduced to represent the new features. The new feature extraction strategy is tested by the experimental data that collected from Bently rotor experiment system. The results show that this methodology is very effective to extract the feature of vibration signals in the rotor speed-up course and can be extended to other non-stationary signal analysis fields in the future.

小波域二维隐Markov模型滤波方法

针对旋转机械工作过程中产生非平稳信号的特点,在分析非平稳振动信号小波分解后同层小波数和层间小波系数之间关系的基础上,结合二维隐Markov模型(2D-HMM)拓扑结构的表达能力,提出小波域2D-HMM滤波方法,并给出了具体的实现步骤,最后通过Bently-Nevada转子试验系统的实测信号验证算法的有效性。结果表明:小波域2D-HMM滤波算法能够有效地去除非平稳振动信号的噪声。

二维隐Markov模型的故障诊断方法

二维隐Markov模型(2D-HMM)具有强大的时序模式分类能力,特别适合于分析非平稳、重复再现性不佳的信号。鉴于旋转机械工作过程中存在大量的非平稳信号,将2D-HMM引入到旋转机械故障诊断中,提出了一种基于2D-HMM的故障诊断方法,并通过Bently-Nevada转子试验系统验证该方法的有效性。

基于隐马尔可夫模型(HMM)的人脸表情识别

人脸表情识别是目前的研究热点。文中介绍了人脸表情识别的过程,给出了基于隐马尔可夫模型(HMM)的人脸表情识别方法。通过分析人脸表情的变化情况,利用二维离散余弦变换(2D-DCT)提取脸部表情特征,经过大样本训练构建HMM模型来识别图像中的人脸表情。实验结果表明该方法是一种高效的面部表情识别方法。