基于Wavelet-HMM的旋转机械故障诊断方法研究

隐Markov模型是一个双随机过程 ,适用于动态过程的时间序列的建模并具有强大的时序模式分类能力 ,特别适合非平稳、重复再现性不佳的信号分析 ;小波变换具有多分辨率分析的特点 ,在时频两域都具有表征信号局部特征的能力。文中将小波变换和隐Markov模型相结合 ,提出基于小波变换的HMM状态识别法 ,利用Daubechies小波进行 8尺度的小波分解 ,然后从小波分解结构中提取一维信号的低频系数作为特征向量 ,将其输入到各个状态HMM来进行训练 ,其中输出概率最大的状态即是机组运行状态 ,从而实现状态的识别 ,实验结果表明该方法很有效。