• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Application of wavelets and hidden Markov model in condition-based maintenance.
【24h】

Application of wavelets and hidden Markov model in condition-based maintenance.

机译：小波和隐马尔可夫模型在状态维修中的应用。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The rapid growth of manufacturing industry impelled the automation in large-scale assembly lines. Consequently, it made the manufacturing process more vulnerable to various kinds of machine failures resulting in more frequent, complex and unexpected breakdowns which can cause a lot of damage. Condition-based maintenance (CBM) of machinery, which is utilizing condition monitoring techniques to monitor the machine health condition, makes it possible to evaluate the need for maintenance in advance and to plan the maintenance action without interrupting production process.; Generally, a simple condition monitoring system can be divided into three general tasks: data processing (signal processing), feature extraction, and condition classification. Therefore, this thesis attempts to propose innovative and effective condition monitoring system from these three aspects. In signal processing, singularity analysis using wavelet transform is applied to identify the transient signals related to machine failure through wavelet modulus maxima. To investigate this method, modulus maxima distribution is proposed as a feature and two health indexes is defined and evaluated. Further, in order to provide decision information for CBM, a two-stage HMM-based classification system is presented using the feature extracted from wavelet modulus maxima. A variety of experimental evaluations demonstrate that the proposed system possesses remarkable advantages over well-accepted conventional techniques.
机译：制造业的快速发展推动了大型装配线的自动化。因此，它使制造过程更容易受到各种机器故障的影响，从而导致更频繁，更复杂和意外的故障，从而可能造成大量损坏。机械的基于状态的维护（CBM），它利用状态监视技术来监视机器的健康状况，从而可以在不中断生产过程的情况下提前评估维护需求并计划维护措施。通常，简单的状态监视系统可以分为三个常规任务：数据处理（信号处理），特征提取和条件分类。因此，本文试图从这三个方面提出创新，有效的状态监测系统。在信号处理中，应用基于小波变换的奇异性分析通过小波模量最大值识别与机器故障相关的瞬态信号。为了研究该方法，提出了模量最大值分布作为特征，并定义和评估了两个健康指标。另外，为了提供用于CBM的决策信息，使用从小波模量最大值提取的特征来提出基于两阶段基于HMM的分类系统。各种实验评估表明，与公认的常规技术相比，该系统具有明显的优势。

著录项

  • 作者

    Miao, Qiang.;

  • 作者单位

    University of Toronto (Canada).;

  • 授予单位 University of Toronto (Canada).;
  • 学科 Engineering Industrial.
  • 学位 Ph.D.
  • 年度 2005
  • 页码 88 p.
  • 总页数 88
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 一般工业技术;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号