基于混沌理论和相关向量机的自动机故障诊断

作者：吕岩; 房立清; 褚怡; 赵玉龙

来源：中国测试, 2017, 43(03): 111-116.

• 混沌理论
• 相关向量机
• 自动机
• 特征提取

针对自动机振动信号的非线性与短时冲击特性,提出一种基于混沌理论和相关向量机(relevance vector machine,RVM)相结合的自动机故障诊断方法。首先,计算每一组自动机振动信号的最大Lyapunov指数、关联维数、Kolmogorov熵和相对关联距离熵共4个混沌参数并组成特征矩阵,从而表征自动机状态信息。然后,将特征矩阵输入RVM中进行分类识别,判断故障类型。自动机故障诊断实例表明,通过提取自动机振动信号的4个混沌参数可以实现其运行状态信息表征,并且RVM能够较精确地识别自动机的常见故障;此外,通过与支持向量机(support vector machine,SVM)的故障诊断结果进行对比,验证RVM分类模型的优势。

• 单位
  中国人民解放军陆军工程大学