[发明专利]一种旋转机械在线状态监测与故障诊断装置及方法

权利要求书

1.一种旋转机械在线状态监测与故障诊断装置，包含一个数据采集装置(101)、一个特征提取装置(102)、一个数据管理装置(103)、一个显示装置(106)以及用户进行参数设置与设备管理的装置(107)，其特征在于还包含一个多模型检测器训练装置(104)、一个多模型故障诊断装置(105)。

2.根据权利要求1所述的一种在线状态监测与故障诊断装置，其特征在于所述的多模型检测器训练装置(104)还包含：

一个隐马尔可夫模型训练装置(301)，用于实现混合模型隐马尔可夫模型部分的自聚类训练；

一个支持向量机训练装置(302)，用于实现混合模型支持向量机部分的一对一训练；

一个混合模型评估装置(303)，用于评估训练得到的混合模型的性能并给出训练指导参数。

3.根据权利要求1所述的一种在线状态监测与故障诊断装置，其特征在于所述的混合模型评估装置(303)还包含一个评估控制与数据存储装置，(501)一个隐马尔可夫模型评估装置(502)，一个支持向量机评估装置(503)。

4.根据权利要求1或3所述的一种在线状态监测与故障诊断装置，其特征在于所述多模型故障诊断装置(105)首先通过比对各故障HMM最大似然率获得HMM可能故障数组；然后利用HMM可能故障数组激活相应的SVMs进行精确诊断。

5.根据权利要求4所述的一种在线状态监测与故障诊断装置，其特征所述的比对各故障HMM最大似然率，采用如下公式对似然率做标量化：标量值＝1-(l_max-似然率)/σ。

6.根据权利要求3所述的一种在线状态监测与故障诊断装置，其特征在于所述的隐马尔可夫模型评估装置通过输出参数：HMM模型似然率、HMM识别率以及HMM模型评价指标评估隐马尔可夫模型的诊断性能。

7.根据权利要求3所述的一种在线状态监测与故障诊断装置，其特征在于所述的支持向量机评估装置通过输出参数：SVM得票数组、SVM模型的识别率、HMM-SVM混合模型得票数组、HMM-SVM混合模型的识别率评估支持向量机及混合模型的诊断性能。

8.一种旋转机械在线状态监测与故障诊断方法，包括下列步骤：

(1)用数据采集装置采集信号；

(2)存储信号，并用标准特征数组提取装置提取信号的特征；

(3)用识别用检测器的训练装置训练检测器；

(4)采用训练好的隐马尔可夫模型——支持向量机混合模型检测器进行识别；

(5)输出并记录识别结果。

9.根据权利要求8所述的一种旋转机械在线状态监测与故障诊断方法，其特征在于所述步骤(3)用识别用检测器的训练装置训练检测器还包括三个过程：

(3-1)隐马尔可夫模型部分的训练过程，隐马尔可夫模型的训练采用集数据聚类与模型训练于一体的训练方法，通过参数σ将一类故障样本划分为一组簇族，再分别训练对应的隐马尔可夫模型；

(3-2)支持向量机部分的训练过程，支持向量机的训练首先调用涉及设备故障样本库中所有故障对应的数据，然后再采用一对一策略进行训练；

(3-3)支持向量机混和模型的整体训练过程，首先随机抽取评估库数据评估支持向量机混合模型的性能，当某部分识别性能不符合要求时，判断误别错误发生于隐马尔可夫模型部分还是支持向量机部分，并根据统计结果重新训练对应的隐马尔可夫模型或支持向量机，直到评估结果符合要求。

10.根据权利要求8所述的一种旋转机械在线状态监测与故障诊断方法，其特征在于所述步骤(3)隐马尔可夫模型部分的训练过程，通过参数σ调整策略，依据各故障样本隐马尔可夫模型输出似然率，将一类故障样本划分为一组簇族，每簇训练一个隐马尔可夫模型，所有一组模型共同用于识别，用来避免同一故障多种表现形式对诊断带来的影响，隐马尔可夫模型参数中增加记录参数σ与训练时的最大似然率l_max。