%0 Journal Article
%T 基于KPCA-HSMM设备退化状态识别方法的研究
%A 曾庆虎
%A 邱静
%A 刘冠军
%A 苗强
%J 兵工学报
%P 740-745
%D 2009
%X ？为消除多通道观测信息冗余，压缩高维故障特征，提出了基于核主元分析(KPCA)多通道特征信息融合的隐半马尔可夫模型(HSMM)设备退化状态识别的新方法。首先，对采集的单通道振动信号进行小波相关滤波处理，构造单通道振动信号的小波相关特征尺度熵向量；然后，利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合，得到多通道的融合小波相关特征尺度熵向量；并以此融合特征向量作为HSMM的输入进行训练，建立基于HSMM的设备运行状态分类器，从而卖现设备退化状态的识别。实验结果表明，该方法能有效的识别设备的退化状态，从而为多通道特征信息融合设备退化状态识别开辟新的途径。
%K 信息处理技术
%K 信息融合
%K 核主元分析
%K 小波相关特征尺度熵
%K 隐半马尔
%K 可夫模型
%K 状态识别
%K 退化状态
%U http://118.145.16.231/jweb_bgxb/CN/abstract/abstract1573.shtml