李小珉　张　波　尹　明

(海军工程大学电子工程学院　武汉　430033)



一种组合模型状态监测方法研究

李小珉张波尹明

(海军工程大学电子工程学院武汉430033)

摘要目前在状态监测过程中分类器的类型和参数的选择对状态监测率有很大影响,而且任何单一模型使用过程中都会出现不理想的方面,提出一种参数优化与组合模型相结合的新方法。结合支持向量机(SVM)能够处理分类问题和隐马尔科夫模型(HMM)适合处理连续信号的特点,同时考虑到SVM的参数设置对结果影响较大,采用粒子群算法(PSO)对SVM进行优化,最终形成组合模型HMM-PSOSVM。通过实验验证了其具有良好的模拟电路早期状态监测能力。

关键词特征提取; 状态监测; 组合模型

A State Monitoring Method of Combination Model

LI XiaominZHANG BoYIN Ming

(School of Electrical Engineering, Naval University of Engineering, Wuhan430033)

AbstractSelecting the suitable type and parameters of the classifier has a great influence on state monitoring rate in the state monitoring process currently, and any single model will appear not ideal aspect in using process, a novel method combined with a parameter optimization and combination model is put forward. Because the Support Vector Machine(SVM) can deal with classification problems and Hidden Markov Model(HMM) is suitable for the characteristics of processing continuous signal, at the same time, taking into account the parameter of SVM has great impact on the results, using the Particle Swarm Optimization algorithm(PSO) to optimize SVM, and ultimately forming the HMM-PSOSVM combination model. The experimental results show that the new method has excellent capability of monitoring incipient fault.

Key Wordsfeature extraction, state monitoring, combination model

Class NumberTP277

1引言

故障预测与健康管理(PHM),代表了一种方法的转变,它的重点是利用先进的传感器的集成,并借助各种智能算法对不同部位采集的数据信息进行分析,评定出系统的状态情况,然后综合各种保障资源对故障进行定位、隔离和预测[1]。这种技术的提出不仅可以根据系统当前的健康状态和资源实现故障的排除,而且可以根据系统健康状态的评估实现故障的预测,在故障发生之前进行维护保养,节省寿命周期费用[2]。

状态监测是PHM技术的基础和重点,通过状态监测实时掌握系统状态情况,在此基础上评估系统健康状况,进而实现故障的诊断和预测。电子系统的状态监测是利用传感器采集状态数据信息,通过智能算法和模型评估系统当前状态,此方法标志着传统故障诊断方式向智能故障预测方式的转变。……