基于隐马尔可夫模型与主成分分析增强特征的轴承故障检测
机器学习
2021-04-22 v1 计算机科学中的逻辑
摘要
资产健康监测在提升生产率、可靠性和降低成本方面的重要性与日俱增。早期故障检测是作为新兴故障预测与健康管理（PHM）理念一部分的健康管理的关键基石。本文提出一种隐马尔可夫模型（HMM）来评估机器健康退化。研究考虑了使用主成分分析（PCA）来增强从振动信号中提取的特征。增强特征捕获了数据的二阶结构。基于轴承试验台的实验结果显示了所提方法的合理性。
引用
@article{arxiv.2104.10519,
title = {Bearings Fault Detection Using Hidden Markov Models and Principal Component Analysis Enhanced Features},
author = {Akthem Rehab and Islam Ali and Walid Gomaa and M. Nashat Fors},
journal= {arXiv preprint arXiv:2104.10519},
year = {2021}
}