KPCA和耦合隐马尔科夫模型在轴承故障诊断中的应用 (2014年)

针对多通道数据的有效融合能够更加准确地诊断轴承的故障，提出了一种基于KPCA和耦合隐马尔可夫模型（CHMM）的轴承故障诊断方法。首先，分别对轴承各通道的振动信号进行特征提取，获得特征向量。然后采用KP^-CA对各通道的特征向量分别进行特征约减，获取主要的信息成分。最后，利用CHMM对多通道信息进行融合和故障诊断。通过对滚动轴承在正常、内圈故障、外圈故障和滚动体故障状态下实验数据的分析表明，该方法能够更加有效地诊断轴承的故障。