基于自回归-连续隐马尔可夫模型的离心泵故障诊断

根据振动与语音信号的相似性和离心泵故障信号的特点，将连续隐马尔可夫模型引入了离心泵的故障诊断中。利用自回归谱不受数据长度的限制，及自回归模型参数对状态变化规律反映敏感的特点，以信号的12阶自回归谱系数为特征矢量，将其输入到各个状态连续隐马尔可夫进行训练，来实现离心泵的故障诊断。为防止数据下溢，引入前向-后向比例因子算法求其对数似然概率，并且采用K-means算法对连续隐马尔可夫进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现，用Baum-Welch算法实现参数重估。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。