罗进海, 张 乐, 马辉辉, 朱 骏, 蒋会明

(1.上海理工大学,上海200093;2.上海无线电设备研究所,上海201109)

0 引言

随着现代科技的迅速发展,机械设备逐渐朝着复杂化、精密化和高度自动化方向发展,其运行可靠性与安全性问题得到了研究学者越来越多的关注。导引头伺服机构是导弹实现目标跟踪和视线轴稳定功能的重要执行机构,对于实现和保障导弹既定性能起重要作用[1]。导引头伺服机构结构精细、复杂、易损,服役环境恶劣,机械结构的任何微小故障都有可能降低导弹性能,引发难以估计的后果。因此,导引头伺服机构机械故障诊断具有迫切的工程需求与重要的实际意义。

导引头伺服机构运行工况复杂,伺服机构的监测信号具有强非线性、非平稳与强噪声干扰的特点。基于传统的时频域分析的故障诊断方法遭遇重重阻碍,基于机器学习的方法成为解决该问题的主要途径。隐马尔可夫模型(hidden Markov model,HMM)作为一种时序统计概率模型,具有隐状态链与观测序列链双重随机属性,在设备状态监测和早期微弱故障诊断领域应用广泛。“机械故障发于内,而形于外”,机械设备的微小故障状态虽然难以直接从其外在表现,如振动、声音和温度等变化来判断,但却是其外在表现发生微不可见的变化的根本原因。这与隐马尔可夫模型具有的观测序列链与隐状态链的双链属性在本质上是相通的。因此,HMM非常适合用于导引头伺服机构机械故障的智能诊断。……