往復式壓縮機、柴油機等復雜機械的振動信號往往呈現(xiàn)較強的非平穩(wěn)特性,導致傳統(tǒng)單特征門限報警法的報警準確率較低。針對該問題,提出一種基于無限學生t混合模型(infinite student’s t-mixture model,iSMM)聚類的機械故障預警方法:首先,通過提取機械振動信號特征構建高維特征空間,并采用iSMM對其進行建模,以描述機械設備的狀態(tài);其次,利用基于匹配的KL散度近似算法計算機械設備在歷史正常狀態(tài)和觀測狀態(tài)下的模型間距離;最后,將該距離與基于3σ準則自學習出的報警閾值進行比較,實現(xiàn)故障預警。利用往復式壓縮機故障案例對所提方法進行驗證,結果表明本文方法較單特征門限報警法報警準確率高且時效性好,可有效地對復雜機械進行故障預警。

【文章頁數(shù)】：7 頁

【文章目錄】：
引 言
1 iSMM定義及其參數(shù)估計方法
    1.1 無限學生t混合模型
    1.2 模型的參數(shù)估計
2 基于iSMM的故障預警方法
    2.1 高維特征空間構建
    2.2 統(tǒng)計分布模型訓練
    2.3 自適應閥值計算及報警
3 試驗驗證
    3.1 案例數(shù)據(jù)
    3.2 試驗結果及分析
4 結論



本文編號：3786698